Print

基于改进模式序列匹配的交通运行指数预测研究

论文摘要

北京市交通运行指数是定量反映北京市路网拥堵状态的重要指标,交通运行状态预测是构建智慧交通系统的重要研究内容.在模式序列匹配算法(PSF)基础上优化预测序列权重,针对交通运行指数的时序相关性,增加了基于反距离权重的时间衰减因子,提高了临近序列在交通运行模式匹配计算中的重要性.实验结果表明:与传统时间序列模型(ARIMA)、深度学习模型(LSTM)和标准模式序列匹配算法进行对比分析,改进的模式序列匹配预测算法有着较高的预测精度,且具有较强的自适应性.

论文目录

  • 1 模式序列匹配算法原理及优化
  •   1.1 模式序列匹配算法
  •     1.1.1 模式发现
  •     1.1.2 匹配预测
  •   1.2 时间相似度权重优化
  • 2 基于改进模式序列匹配的交通运行指数预测分析
  •   2.1 数据预处理
  •   2.2 交通运行指数模式聚类
  •   2.3 确定匹配搜索窗口大小
  •   2.4 对比分析
  • 3 结论

    • 文章来源

    类型: 期刊论文

    作者: 郭小刚,张健钦,卢剑,陆浩,李卓航

    关键词: 交通运行指数,时序预测,模式序列匹配,反距离权重

    来源: 北京建筑大学学报 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: 北京建筑大学测绘与城市空间信息学院

    基金: 国家自然科学基金项目(41771413,41701473)

    分类号: U491.14

    DOI: 10.19740/j.1004-6011.2019.04.04

    页码: 20-28

    总页数: 9

    文件大小: 5042K

    下载量: 83

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/f9697105cc8771cc16ebeecd.html