K近邻短时交通流预测模型
为了准确预测道路短时交通流,构建了基于K近邻算法的短时交通流预测模型。分析了K近邻算法的时间和空间参数,提出4种状态向量组合的K近邻模型:时间维度模型、上游路段-时间维度模型、下游路段-时间维度模型与时空参数模型。以贵州省贵阳市出租车的GPS数据对几种K近邻模型进行了检验。分析结果表明:带有时空参数的K近邻模型具有更高的预测精度,其预测误差最小,平均为7.26%。基于指数权重的距离度量方式能更精确的选择近邻,其预测误差最小,平均为5.57%。与神经网络和历史平均模型相比,带有指数权重的K近邻模型具有更好的预测精度,平均预测误差仅为9.43%。可见,带有时空参数与指数权重的K近邻模型可作为道路短时交通流预测的有效手段。
交通信息工程、短时交通流预测、K近邻模型、时空参数、指数权重
12
U491.14(交通工程与公路运输技术管理)
国家自然科学基金项目51108053;中国博士后科学基金项目201003611;中央高校基本科研业务费专项资金项目2011ZC029,2011QN037,CHD2011JC056
2012-07-20(万方平台首次上网日期,不代表论文的发表时间)
共7页
105-111