基于时空特性的短时交通流预测模型

摘要：

根据交通流的历史周期性和空间相关性，文中综合SARIMA模型在历史周期性预测上的优势和RBF模型在空间相关性预测上的优势，提出了SARIMA-RBF模型。该模型采用SARIMA模型通过历史数据预测下一时刻的交通流，然后将预测值与该点上下游关联的交通流数据相结合，采用RBF神经网络模型得出输出值，并将该输出值作为SARIMA-RBF模型对下一时刻交通流的预测结果。实验结果表明，该模型因同时考虑了交通流的历史周期性和空间相关性，相比SARIMA模型和RBF模型具有更好的交通流预测效果。

关键词：短时交通流预测、SARIMA模型、RBF神经网络、历史周期性、空间相关性

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家“863”计划项目2014AA110302

在线出版日期：2014-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：49-54