基于残差修正GM（1,1）模型的车流量预测

发布时间：2021-07-13 13:26

　　车流量预测是城市智能交通系统研究中的热难点问题之一,精确的车流量预测能有效地支持智能交通系统的发展,减少拥堵。同时车流量预测的精确度密切关系着居民的出行质量。然而车流量受诸多因素的不同程度的影响,具有一定程度的随机性、灰色性和不确定性,从城市交叉路口得到的车流量监控数据也具有一定程度的缺失和偏差,简单、准确且高效地预测车流量成为一个挑战。基于交叉路口采集到的车牌识别数据,通过对比经典GM（1,1）得到的预测值与真实值计算出残差,用残差去修正计算模型进而得到修正GM（1,1）模型,再用得到的修正模型迭代处理同一数据集,最后,数值稳定收敛且精度高于未修正模型的结果。 

【文章来源】：计算机科学. 2017,44(04)北大核心CSCD

【文章页数】：5 页

【参考文献】：
期刊论文
[1]基于MapReduce的城市道路旅行时间实测计算[J]. 张帅,赵卓峰,丁维龙,王晓晖.  计算机与数字工程. 2014(09)
[2]基于K-均值聚类算法RBF神经网络交通流预测[J]. 管硕,高军伟,张彬,刘新,冷子文.  青岛大学学报(工程技术版). 2014(02)
[3]短时交通流组合模型预测[J]. 沈国江,朱芸,钱晓杰,胡越.  南京理工大学学报. 2014(02)
[4]基于高斯核函数的短时交通流量预测[J]. 雷少梅,贾旭杰,于在洋.  中央民族大学学报(自然科学版). 2013(S1)
[5]基于支持向量机的城市道路交通状态模式识别研究[J]. 于荣,王国祥,郑继媛,王海燕.  交通运输系统工程与信息. 2013(01)
[6]K近邻短时交通流预测模型[J]. 于滨,邬珊华,王明华,赵志宏.  交通运输工程学报. 2012(02)
[7]一种改进的灰色模型在交通量预测中的应用[J]. 陈淑燕,陈家胜.  公路交通科技. 2004(02)



本文编号：3282146