交通流時空關聯(lián)挖掘及預測.pdf

1、交通流預測技術作為一種動態(tài)評估交通狀態(tài)的技術，一直在智能交通系統(tǒng)(ITSs)中發(fā)揮很重要的作用。它能夠幫助通行的個人進行智能的出行路線選擇，也可以為交通管理者提供決策支持。因此，交通流預測技術得到了廣大研究者的關注。近期研究發(fā)現(xiàn)，交通流的演化是通過交通網中所有節(jié)點交通流之間的相互作用而形成的。時空關聯(lián)數(shù)據(jù)的選取便成為了進行準確的交通流預測的一個重要部分。本文基于稀疏表達提出了一種交通流時空關聯(lián)挖掘的方法，并將其應用到多個預測模型。此方法

2、可以從整個交通網絡中自動地確定與預測目標節(jié)點的傳感器相關的時空關聯(lián)傳感器，并以時空關聯(lián)傳感器的數(shù)據(jù)作為預測模型的輸入，而不需要根據(jù)人工經驗手動選取目標節(jié)點鄰近范圍的交通路段流量數(shù)據(jù)作為預測模型的輸入。我們將所提出的時空關聯(lián)挖掘的方法分別與多因子線性回歸模型、向量自回歸模型、反向傳播神經網絡模型和徑向基函數(shù)神經網絡模型結合進行交通流預測。本文使用了包含3254個傳感器的真實交通網絡所采集的交通流量和道路占有率數(shù)據(jù)對此交通流預測方法進行測試