10.16208/j.issn1000-7024.2018.10.036
基于数据融合的高速公路短时交通量预测模型
根据高速公路交通量的时空特性,提出基于数据融合的高速公路短时交通量预测模型.对交通量时间序列性、周期相似性和空间序列性3个时空特性的状态向量进行定义,以BP神经网络预测模型为基础,结合自适应加权数据融合算法对时空特性预测值进行融合,构建交通量预测模型.通过计算相关性对时空特性进行分析,选取相关性较高的数据样本作为模型输入.实验结果表明,工作日和休息日高速公路交通量预测平均绝对误差百分比均在5%以内,与单变量预测模型相比具有更好的预测准确度和实用性,为智能交通管理系统提供数据支持.
高速公路、数据融合、神经网络、时空特性、短时交通量预测
39
TP183(自动化基础理论)
吉林省省级产业创新专项资金基金项目2016C090
2018-11-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
3208-3213