用于交通流预测的带距离权重模式识别算法

摘要：

基于带权重的模式识别算法(WPRA)的交通流短时预测根据历史交通模式所属时段特征区分不同历史状态值权重系数的大小,但权重值的主观设定降低了方法实际应用的可靠性.通过分析基于数据驱动的非参数回归交通流预测算法核心原理,针对WPRA模型权重系数的主观随机性进行预测算法改进,建立了能预测短时交通流的带距离权重的模式识别算法(DWPRA).最后,应用实际交通流数据引入均方根误差进行算法验证,验证结果显示相同近邻K值情况下,DWPRA比WPRA均方根误差降低约4.8％ ～7.1％,证明了算法的有效性.

关键词：模式识别、交通流短时预测、K-近邻搜索、距离权重、均方根误差

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目51308227,61174184;华南理工大学中央高校基本科研业务专项资金资助项目2015ZM039;同济大学道路与交通工程教育部重点实验室开放基金资助项目K201304 Supported by the National Natural Science Foundation of China51308227,61174184

在线出版日期：2016-04-07（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：114-118,126