融合粗糙集的GM(1,N)幂模型在短时交通流预测中的应用

摘要：

实时准确的道路网短时交通流预测是智能交通系统的核心内容和难点问题.由于交通流的非线性、复杂性和不确定性,使得传统的交通流预测不能取得满意的效果.基于GM(1,N)幂模型,建立了一种道路网多段面短时交通流预测模型.考虑到上游路段与预测路段之间相关性,引入粗糙集理论确定模型的相关因素序列.针对传统参数求解方法最小二乘的不足,将问题转化为以拟合效果最优为目标的非线性优化模型求解,利用遗传算法(GA)搜索最优参数.通过实验例证,对比了GM(1,N)模型、GAGM(1,N)模型、BP神经网络和自适应神经模糊推理系统(ANFIS).结果表明,GAGM(1,N)幂模型对城市道路网多段面短时交通流的预测效果较好.

关键词：粗糙集、GM(1、N)幂模型、遗传算法、短时交通流预测

所属期刊栏目：51

分类号：TP183;U491;F273

资助基金：河北省社会科学基金HB20GL034

在线出版日期：2021-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：241-249