基于相空间重构和PSO-GPR的短时交通流预测 |
| |
引用本文: | 李巧茹,池维源,陈亮,范忠国,郝恩强,周志华.基于相空间重构和PSO-GPR的短时交通流预测[J].交通信息与安全,2019,37(2):70-76. |
| |
作者姓名: | 李巧茹 池维源 陈亮 范忠国 郝恩强 周志华 |
| |
作者单位: | 河北工业大学土木与交通学院 天津300401;河北工业大学智慧基础设施研究院 天津 300401 |
| |
基金项目: | 河北省高等学校科学技术研究项目国家自然科学基金项目 |
| |
摘 要: | 准确实时的短时交通流预测是智能交通诱导的关键.为提高短时交通流预测精度,研究了基于相空间重构和粒子群优化高斯过程回归的短时交通流预测模型.针对交通流时间序列的非线性、复杂性和随机性,基于混沌理论确定原始时间序列的最佳延迟时间和嵌入维数,进行相空间重构,获得与原始数据具有相同动态特性的更为合理的模型输入-输出数据集.利用粒子群算法改进传统高斯过程模型参数优化的不足,构建预测模型.以重构序列作为预测模型的训练集和测试集,实现短时交通流预测.采用北京市东四环快速路检测器实测数据对比分析模型预测效果.结果表明,基于PSR和PSO-GPR的短时交通流预测模型评价指标均优于对比模型,其中绝对误差平均降低4.88,绝对百分比误差平均降低3.97%,均等系数达到0.963,所研究模型能够有效提高短时交通流预测精度.
|
关 键 词: | 智能交通 短时交通流预测 混沌理论 相空间重构 粒子群优化算法 高斯过程回归 |
Short-term Traffic Flow Forecast Based on Phase Space Reconstruction and PSO-GPR |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《交通信息与安全》浏览原始摘要信息 |
|
点击此处可从《交通信息与安全》下载全文 |
|