摘要：分析了原有的短时交通流预测的K近邻算法,用模式距离搜索方法代替原有的欧氏距离搜索方法,引入多元统计回归模型,建立了一种改进的短时交通流预测的K近邻算法,并以北京市某路段进行实例验证。试验结果表明：当K取23时,利用改进的K近邻算法,预测结果的均方误差、平均相对误差、平均绝对误差分别为31.43%、4.17%、0.27%;利用原有的K近邻算法,预测结果的均方误差、平均相对误差、平均绝对误差分别为33.33%、4.40%、0.28%;利用历史平均模型,预测结果的均方误差、平均相对误差、平均绝对误差分别为46.20%、11.40%、0.48%。可见,改进的K近邻算法的预测精度明显高于其他2种方法,在提高搜索效率的同时准确地刻画了交通流的真实情况。

关键词：交通规划 短时交通流预测 k近邻算法 模式距离 多元统计回归 

单位：北京交通大学城市交通复杂系统理论与技术教育部重点实验室; 北京100044; 北京城市交通协同创新中心; 北京100044; 湖南省交通规划勘察设计院; 湖南长沙410008