融合BP神经网络与ARIMA的短时交通流预测

摘要：

为了能在交通管理中提前采取措施规避可能存在的交通拥挤或堵塞,提出了一种高效可靠的短时交通流预测算法.首先采用BP神经网络与自回归求和滑动平均(ARIMA)两种方法分别建立单项预测子模型,再以BP神经网络作为最优非线性组合模型的逼近器,建立组合预测模型,对单项预测子模型的预测值进行融合,由此得到最终的预测结果.通过MATLAB与SPSS平台对实测交通流量数据进行了仿真分析,结果表明,该种组合预测方法是切实可行的.

关键词：智能交通、短时交通流、预测、时间序列、神经网络

所属期刊栏目：32

分类号：TP183(自动化基础理论)

资助基金：河南省自然科学基金资助项目0611054100

在线出版日期：2011-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：60-63