摘要:为了提高短时交通流预测精度,更加精确地进行交通流规划和管理,引入一种新颖的基于最小最大概率回归机(MPMR)的短时交通流预测模型。针对北京某公路监测站实测的交通流数据集以及英国某地区实测的交通流数据集,利用基于MPMR的预测模型进行短时交通流预测,并与常规的基于神经网络、基于支持向量机(SVM)以及基于自适应神经模糊推理系统(ANFIS)预测模型的预测性能进行比较。试验结果表明,基于MPMR的短时交通流预测模型可以很好地跟踪实际流量值,在同等条件下相比常规预测模型的预测精度更优,验证了所提出模型的有效性。
关键词:交通工程 预测模型 最小最大概率回归机 短时交通流 混沌
单位:兰州交通大学自动化与电气工程学院 甘肃兰州730070
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社