| 基于FFOS-ELM和PF的短时交通流自适应预测模型 |
| |
| 引用本文： | 王涛,谢思红,黎文皓,李文勇.基于FFOS-ELM和PF的短时交通流自适应预测模型[J].重庆交通大学学报(自然科学版),2021,40(6):21-27. |
| |
| 作者姓名： | 王涛 谢思红 黎文皓 李文勇 |
| |
| 作者单位： | 桂林电子科技大学建筑与交通工程学院,广西桂林541004;桂林电子科技大学建筑与交通工程学院,广西桂林541004;东南大学交通学院,江苏南京210096 |
| |
| 摘 要： | 为提高短时交通流预测精度,提出了一种基于遗忘因子极限学习机(FFOS-ELM)和粒子滤波(PF)的自适应交通流实时预测模型.首先,引入遗忘因子,推导带遗忘因子的极限学习机,通过增量学习方法实时更新预测模型参数,避免由于交通流时变性导致早期数据对预测精度的影响.其次,利用粒子滤波消除随机噪声对预测精度的影响,经迭代计算达到系统状态最优估计与预测能力,实现未来交通量预测精度的提高.最后,利用桂林市某主干路检测器数据进行仿真,将预测结果与基础的极限学习机、带遗忘因子的极限学习机等在线模型以及时间序列(ARIMA)、支持向量机(SVM)、长短期记忆神经网络(LSTM)等离线模型进行比较.结果 表明:自适应预测模型预测误差指标明显下降,均方误差变化维度下降到0～2.5之间,模型在路段整体的交通流拟合情况及具体的预测精度上均得到有效提高.
|
| 关 键 词： | 交通工程 智能交通 交通流预测 极限学习机 遗忘因子 粒子滤波 |
Short-Term Traffic Flow Adaptive Prediction Model Based on FFOS-ELM and PF |
| |
| WANG Tao,XIE Sihong,LI Wenhao,LI Wenyong.Short-Term Traffic Flow Adaptive Prediction Model Based on FFOS-ELM and PF[J].Journal of Chongqing Jiaotong University,2021,40(6):21-27. |
| |
| Authors: | WANG Tao XIE Sihong LI Wenhao LI Wenyong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
