交通流時空關(guān)聯(lián)挖掘及預(yù)測.pdf

1、交通流預(yù)測技術(shù)作為一種動態(tài)評估交通狀態(tài)的技術(shù)，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(yù)測技術(shù)得到了廣大研究者的關(guān)注。近期研究發(fā)現(xiàn)，交通流的演化是通過交通網(wǎng)中所有節(jié)點交通流之間的相互作用而形成的。時空關(guān)聯(lián)數(shù)據(jù)的選取便成為了進行準(zhǔn)確的交通流預(yù)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(guān)聯(lián)挖掘的方法，并將其應(yīng)用到多個預(yù)測模型。此方法

2、可以從整個交通網(wǎng)絡(luò)中自動地確定與預(yù)測目標(biāo)節(jié)點的傳感器相關(guān)的時空關(guān)聯(lián)傳感器，并以時空關(guān)聯(lián)傳感器的數(shù)據(jù)作為預(yù)測模型的輸入，而不需要根據(jù)人工經(jīng)驗手動選取目標(biāo)節(jié)點鄰近范圍的交通路段流量數(shù)據(jù)作為預(yù)測模型的輸入。我們將所提出的時空關(guān)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(jīng)網(wǎng)絡(luò)模型和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型結(jié)合進行交通流預(yù)測。本文使用了包含3254個傳感器的真實交通網(wǎng)絡(luò)所采集的交通流量和道路占有率數(shù)據(jù)對此交通流預(yù)測方法進行測試