基于因果分析的交通流组合预测模型

摘要：

针对目前基于聚类方法的交通流预测模型,在聚类时,未考虑到不同因素对交通流影响程度不同的问题,引入因果分析方法来量化各因素的重要程度,同时提出一种预测框架,基于因果分析的套索回归(LASSO)和极限学习机(ELM)组合预测模型.采用占用率和车速两种因素,引入符号转移熵分别对各因素与交通流进行因果分析;根据分析结果为每种因素加权,利用K-Means算法对数据进行聚类;通过LASSO捕捉线性关系,ELM学习非线性关系,为每一类交通流建立特有的预测模型.通过对洛杉矶地区的实验,验证了组合模型对预测精度的提升具有很大帮助,在引入因果分析后,预测精度得到了更进一步提升.

关键词：交通流预测、因果分析、聚类、线性关系、非线性关系

所属期刊栏目：42

分类号：TP183(自动化基础理论)

资助基金：新疆维吾尔自治区自然科学基金2019D01C058

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7页

页码：2030-2036