刘树青 徐建闽 卢凯 马莹莹

(华南理工大学 土木与交通学院, 广东 广州 510640)



用于交通流预测的带距离权重模式识别算法*

刘树青 徐建闽 卢凯 马莹莹

(华南理工大学 土木与交通学院, 广东 广州 510640)

基于带权重的模式识别算法(WPRA)的交通流短时预测根据历史交通模式所属时段特征区分不同历史状态值权重系数的大小,但权重值的主观设定降低了方法实际应用的可靠性.通过分析基于数据驱动的非参数回归交通流预测算法核心原理,针对WPRA模型权重系数的主观随机性进行预测算法改进,建立了能预测短时交通流的带距离权重的模式识别算法(DWPRA).最后,应用实际交通流数据引入均方根误差进行算法验证,验证结果显示相同近邻K值情况下,DWPRA比WPRA均方根误差降低约4.8%～7.1%,证明了算法的有效性.

模式识别;交通流短时预测;K-近邻搜索;距离权重;均方根误差

交通流具有复杂的时空特征,随着城市交通需求的急速增长,对交通流的态势分析和预测研究逐渐成为智能交通领域的热点问题.交通流状态参数(流量、速度、密度、占有率等)预测对交通控制策略的主动性研究、交通信息诱导、交通信号控制方案优化具有重要的实际应用意义.交通参数的变化具有一定的确定性和随机性.确定性是指交通流态势变化在一定时段内具有一定的波动规律,使交通状态变得可预测,例如一个路口每周工作日期间早高峰、平峰、晚高峰时段波动,每周五晚下班……