高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于组合模型的短时交通流量预测算法

芮兰兰 李钦铭

芮兰兰, 李钦铭. 基于组合模型的短时交通流量预测算法[J]. 电子与信息学报, 2016, 38(5): 1227-1233. doi: 10.11999/JEIT150846
引用本文: 芮兰兰, 李钦铭. 基于组合模型的短时交通流量预测算法[J]. 电子与信息学报, 2016, 38(5): 1227-1233. doi: 10.11999/JEIT150846
RUI Lanlan, LI Qinming. Short-term Traffic Flow Prediction Algorithm Based on Combined Model[J]. Journal of Electronics and Information Technology, 2016, 38(5): 1227-1233. doi: 10.11999/JEIT150846
Citation: RUI Lanlan, LI Qinming. Short-term Traffic Flow Prediction Algorithm Based on Combined Model[J]. Journal of Electronics and Information Technology, 2016, 38(5): 1227-1233. doi: 10.11999/JEIT150846

基于组合模型的短时交通流量预测算法

doi: 10.11999/JEIT150846
基金项目: 

国家自然科学基金创新研究群体科学基金(61121061),国家自然科学基金(61302078, 61372108),北京高等学校青年英才计划项目(YETP0476)

Short-term Traffic Flow Prediction Algorithm Based on Combined Model

Funds: 

Funds for Creative Research Groups of China (61121061), The National Natural Science Foundation of China (61302078, 61372108), Beijing Higher Education Young Elite Teacher Project (YETP0476)

  • 摘要: 交通流量预测是实现智能交通技术的核心问题,及时准确地预测道路交通流量是实现动态交通管理的前提,短时交通流量的预测是交通流量预测的重要组成部分。该文针对十字路口的短时交通流量预测问题设计了基于交通流量序列分割和极限学习机(Extreme Learning Machine, ELM)组合模型的交通流量预测算法(Traffic Flow Prediction Based on Combined Model, TFPBCM)。该算法首先采用K-means对交通流量数据在时间上进行序列分割,然后采用ELM对各个序列进行建模和预测。仿真实验证明,与单一的BP(Back Propagation)神经网络和ELM相比,该组合模型算法建模时间为BP的1/10, ELM建模时间的4倍,均方误差为BP的1/50, ELM的1/20,该组合模型算法决定系数R2更接近于1,模型可信度更高。
  • [1] 兰云. 短时交通流量预测研究[D]. [硕士论文], 西北工业大学, 2002.
    [2] LAN Yun. The study on short time traffic flow prediction[D]. [Master dissertation], Northwestern Polytechnical University, 2002.
    [3] 范腾腾. 城市道路交通流量短时预测研究[D]. [硕士论文], 北京交通大学, 2012.
    [4] FAN Tengteng. The research of urban road traffic flow short-term prediction[D]. [Master dissertation], Beijing Jiaotong University, 2012.
    [5] 覃明贵. 城市道路交通数据挖掘研究与应用[D]. [博士论文], 复旦大学, 2010.
    [6] QIN Minggui. Research and application on the urban traffic data mining[D]. [Ph.D. dissertation], Fudan University, 2010.
    [7] 曹虹. 基于BP神经网络的交通流量预测[D]. [硕士论文], 长安大学, 2012.
    [8] CAO Hong. Traffic flow prediction based on BP neural network[D]. [Master dissertation], Changan University, 2012.
    [9] 曹炜. 基于BP神经网络的城市交通流量预测与路口分析[D]. [硕士论文], 昆明理工大学, 2006.
    [10] CAO Wei. The city traffic flow prediction and cross analysis based on BP neural network[D]. [Master dissertation], Kunming University of Science and Technology, 2006.
    [11] 尚宁, 覃明贵, 王亚琴, 等. 基于BP神经网络的路口短时交通流量预测方法[J]. 计算机应用与软件, 2006, 23(2): 32-33, 57.
    [12] SHANG Ning, QIN Minggui, WANG Yaqin, et al. A BP neural network method for short-term traffic flow forecasting on crossroads[J]. Computer Applications and Software, 2006, 23(2): 32-33, 57.
    [13] 翟敏. 极限学习机的自适应网络结构选择方法研究[D]. [硕士论文], 西北大学, 2014.
    [14] ZHAI Min. Research on adaptive network structure selection method for extreme learning machine[D]. [Master dissertation], Northwest University, 2014.
    [15] 甘露. 极限学习机的研究与应用[D]. [硕士论文], 西安电子科技大学, 2014.
    [16] GAN Lu. Research and application of extreme learning machine[D]. [Master dissertation], Xidian University, 2014.
    [17] 王智慧. BP神经网络和ELM算法研究[D]. [硕士论文], 中国计量学院, 2012.
    [18] WANG Zhi-hui. Research on BP neural networks and ELM Algorithms[D]. [Master dissertation], China Jiliang University, 2012.
    [19] 张一. 基于卡尔曼滤波的短时交通流量预测模型研究[D]. [硕士论文], 沈阳工业大学, 2014.
    [20] ZHANG Yi. Research of short-term traffic volume prediction based on kalman filtering[D]. [Master dissertation], Shenyang University of Technology, 2014.
    [21] 罗向龙. 交通流量经验模态分解与神经网络短时预测方法[J]. 计算机工程与应用, 2010, 46(26): 212-214. doi: 10.3778/j.issn. 1002-8331.2010.26.066.
    [22] LUO Xianglong. Short-term traffic flow prediction method based on EMD and artificial neural network[J]. Computer Engineering and Applications, 2010, 46(26): 212-214. doi:  10.3778/j.issn.1002-8331.2010.26.066.
    [23] 沈永增. 基于混沌粒子群优化小波神经网络的短时交通流预测[J]. 计算机应用与软件, 2014, 31(6): 84-87. doi: 10.3969 /j.issn.1000-386x.2014.06.024.
    [24] SHEN Yongzeng. Short-time traffic flow forecast based on WNN optimised by CPSO[J]. Computer Applications and Software, 2014, 31(6): 84-87. doi: 10.3969/j.issn.1000-386x. 2014.06.024.
    [25] 朱征宇. 一种结合SVM与卡尔曼滤波的短时交通流预测模型[J]. 计算机科学, 2013, 40(10): 248-251.
    [26] ZHU Zhengyu. Short-term traffic flow forecasting model combining SVM and Kalman filtering[J]. Computer Science, 2013, 40(10): 248-251.
    [27] TCHRAKIAN T T, BASU B, and OMAHONY M. Real-time traffic flow forecasting using spectral analysis[J]. IEEE Transactions on Intelligent Transportation Systems, 2012, 13(2): 519-526.
    [28] CHEN Syuanyi and CHOU Weiyao. Short-term traffic flow prediction using EMD-based recurrent Hermite neural network approach[C]. 15th International IEEE Conference on Intelligent Transportation Systems, Anchorage, 2012: 1821-1826.
    [29] CHAN K Y, DILLON T S, SINGH J, et al. Neural- network-based models for short-term traffic flow forecasting using a hybrid exponential smoothing and Levenberg- Marquardt algorithm[J]. IEEE Transactions on Intelligent Transportation Systems, 2012, 13(2): 644-654.
    [30] XU Yanyan, KONG Qingjie, and LIU Yuncai. Short-term traffic volume prediction using classification and regression trees[C]. IEEE Intelligent Vehicles Symposium(IV), Gold Coast, 2013: 493-498.
    [31] WILLIAMS B M. Modeling and forecasting vehicular traffic flow as a seasonal stochastic time series process[D]. [Ph.D. dissertation], University of Virginia, 1999: 243-246.
  • [1] 赵海涛, 程慧玲, 丁仪, 张晖, 朱洪波.  基于深度学习的车联边缘网络交通事故风险预测算法研究, 电子与信息学报. doi: 10.11999/JEIT190595
    [2] 邓新国, 游纬豪, 徐海威.  贝叶斯极限梯度提升机结合粒子群算法的电阻点焊参数预测, 电子与信息学报. doi: 10.11999/JEIT200353
    [3] 殷礼胜, 高贺, 魏帅康, 孙双晨, 何怡刚.  基于多维时空的NPCA-PSR-IGM(1,1)组合模型的短时交通流预测, 电子与信息学报. doi: 10.11999/JEIT200026
    [4] 王一宾, 裴根生, 程玉胜.  基于标记密度分类间隔面的组类属属性学习, 电子与信息学报. doi: 10.11999/JEIT190343
    [5] 夏平凡, 倪志伟, 朱旭辉, 倪丽萍.  基于双错测度的极限学习机选择性集成方法, 电子与信息学报. doi: 10.11999/JEIT190617
    [6] 吴超, 李雅倩, 张亚茹, 刘彬.  用于表示级特征融合与分类的相关熵融合极限学习机, 电子与信息学报. doi: 10.11999/JEIT190186
    [7] 刘彬, 杨有恒, 赵志彪, 吴超, 刘浩然, 闻岩.  一种基于正则优化的批次继承极限学习机算法, 电子与信息学报. doi: 10.11999/JEIT190502
    [8] 郭威, 徐涛, 于建江, 汤克明.  基于M-estimator与可变遗忘因子的在线贯序超限学习机, 电子与信息学报. doi: 10.11999/JEIT170800
    [9] 陈忠辉, 凌献尧, 冯心欣, 郑海峰, 徐艺文.  基于模糊C均值聚类和随机森林的短时交通状态预测方法, 电子与信息学报. doi: 10.11999/JEIT171090
    [10] 李佩佳, 石勇, 汪华东, 牛凌峰.  基于有序编码的核极限学习顺序回归模型, 电子与信息学报. doi: 10.11999/JEIT170765
    [11] 马英然, 彭延军.  一种融合曲线演化与模糊C均值聚类算法的快速图像分割模型, 电子与信息学报. doi: 10.11999/JEIT160786
    [12] 徐涛, 郭威, 吕宗磊.  基于快速极限学习机和差分进化的机场噪声预测模型, 电子与信息学报. doi: 10.11999/JEIT150986
    [13] 李勇明, 陈勃翰, 王品.  采用基于密度加权和偏好信息的K均值聚类的胸阻抗信号自动检测算法, 电子与信息学报. doi: 10.11999/JEIT140903
    [14] 张文博, 姬红兵.  融合极限学习机, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.00251
    [15] 刘忠宝, 王士同.  基于熵理论和核密度估计的最大间隔学习机, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.01434
    [16] 杨华卫, 王洪波, 程时端, 陈山枝, 林宇.  最小化路径代价和流量均衡模型及算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2009.01341
    [17] 陶新民, 徐晶, 杨立标, 刘玉.  一种改进的粒子群和K均值混合聚类算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2008.01698
    [18] 卢小峰, 朱光喜, 宁国勤, 李赞.  一种基于均值反馈模型的自适应空间子信道分配算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2006.00812
    [19] 蒋红艳, 林亚平, 黄生叶.  网络流量有效监测点的设置模型及求解算法研究, 电子与信息学报.
    [20] 陈金山, 韦岗.  遗传+模糊C-均值混合聚类算法, 电子与信息学报.
  • 加载中
  • 计量
    • 文章访问数:  766
    • HTML全文浏览量:  49
    • PDF下载量:  944
    • 被引次数: 0
    出版历程
    • 收稿日期:  2015-07-14
    • 修回日期:  2016-01-08
    • 刊出日期:  2016-05-19

    目录

      /

      返回文章
      返回

      官方微信,欢迎关注