基于融合模型动态权值的短期客流预测方法

论文摘要

针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻（K-Nearest Neighbor, ANN）算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。

论文目录

文章来源

类型: 期刊论文

作者: 马晓旦,武经纬,梁士栋,赵天羽

关键词: 短期客流预测,融合模型,智能交通,卡尔曼滤波算法,算法

来源: 交通运输研究 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 公路与水路运输

单位: 上海理工大学管理学院

基金: 国家自然科学基金项目(71801153,71801149)

分类号: U491.17

DOI: 10.16503/j.cnki.2095-9931.2019.04.015

页码: 127-132

总页数: 6

文件大小: 1514K

下载量: 222

相关论文文献

标签：短期客流预测论文;  融合模型论文;  智能交通论文;  卡尔曼滤波算法论文;  算法论文;