基于改进模式序列匹配的交通运行指数预测研究

发布时间：2021-04-07 03:43

　　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. 

【文章来源】：北京建筑大学学报. 2019,35(04)

【文章页数】：9 页

【部分图文】：

模式序列匹配算法流程

PSF算法“匹配预测”阶段步骤示意图

其中,参数p用来控制距离衰减影响. 权重对比曲线如图3所示.其中,虚线为基于局部线性回归思想的权重因子函数w=e(-0.5h2),实线为反距离权重因子函数w=h-2. 通过对比观察,可以发现两者具有很高的相似性. 并且反距离权重计算简洁,同时顾及了长距离衰减的相关性.

【参考文献】：
期刊论文
[1]我国大城市交通拥堵特征与国际治理经验借鉴探讨[J]. 赵鹏军,万海荣.  世界地理研究. 2016(05)
[2]基于地磁传感器的车辆检测算法[J]. 何志强,罗飞,于峰崎,张足生.  科学技术与工程. 2014(15)

硕士论文
[1]电力价格短期预测方法研究[D]. 邱怀志.哈尔滨工业大学 2017
[2]基于交通拥堵指数的交通拥堵模式聚类分析[D]. 刘思宁.北京交通大学 2016



本文编号：3122729