10.16503/j.cnki.2095-9931.2019.04.015
基于融合模型动态权值的短期客流预测方法
针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻(K-Nearest Neighbor,ANN)算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法.以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证.结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%,9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高.
短期客流预测、融合模型、智能交通、卡尔曼滤波算法、KNN算法
5
U482.413(其他道路运输工具)
国家自然科学基金项目71801153,71801149
2019-11-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
127-132