基于时延特性的短时动态交通流预测模型研究

摘要：

针对传统预测模型存在的预测误差较大等问题,基于时延特性设计了新的短时动态交通流预测模型.采用延迟坐标状态相空间重构法重构交通流时间序列,并结合C-C算法,利用序列的关联积分组成描述非线性时间序列相关性的统计量,确定嵌入维数与时延.根据重构后的时延特性,利用相似性度量方法初步预测的目标断面流量,并建立递归神经网络模型.在递归神经网络模型的链式结构中引入长短时记忆单元,增强预测网络的记忆能力,实现短时动态交通流预测.实验结果表明,上述模型能够有效实现短时动态交通流预测,预测结果与实际之间的误差小,且预测F-measure值高、鲁棒性好,证明其具备较好的交通流量预测效果.

关键词：时延特性、短时动态、交通流、预测模型、时间序列、相空间重构

所属期刊栏目：38

分类号：TP399(计算技术、计算机技术)

在线出版日期：2021-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：93-97