基于K-means与GRNN的高原山区高速公路短时交通流预测

为了研究可适用于高原山区高速公路短时交通流的预测方法，以及预测方法思路对绩效的影响，提出基于广义回归神经网络（General Regression Neural Network,GRNN），构建K均值聚类算法（K-means clustering algorithm,K-means）与GRNN混合预测方法思路，即通过K-means和绩效指标判断GRNN模型参数最佳值，进而建立最佳预测模型。与传统上通过经验或一定指标判断模型参数值的思路相比，采用K-means和GRNN混合预测思路得出的模型参数值更佳，且模型RMSE、MAE最高可分别改善45.92%、45.05%，则构建的混合预测方法思路是科学有效的，可为高原山区交通流预测方法优化提供借鉴。