高速路交通流短时预测方法
针对短时交通流变化的复杂性与非线性特点,分析了分类回归树模型的建立,包括模型的生长、分裂与剪枝,研究了模型在高速路交通流短时预测中的应用,并对美国波特兰州高速路网的真实交通流量数据进行分析建模.采用RMSE与MAPE误差分析法,将试验结果与传统的交通流预测方法ARIMA模型与Kalman滤波预测模型进行比较.对比结果表明:分类回归树预测模型的RMSE比ARIMA模型与Kalman滤波预测模型分别降低了42.1%、13.1%.
智能交通系统、交通流预测、数据挖掘、时间序列分析、分类回归树、Kalman滤波器
13
U491.14(交通工程与公路运输技术管理)
国家863计划项目2012AA112307;上海市科委科技攻关项目11231202801
2013-07-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
114-119