根据高速公路交通量的时空特性,提出基于数据融合的高速公路短时交通量预测模型。对交通量时间序列性、周期相似性和空间序列性3个时空特性的状态向量进行定义,以BP神经网络预测模型为基础,结合自适应加权数据融合算法对时空特性预测值进行融合,构建交通量预测模型。通过计算相关性对时空特性进行分析,选取相关性较高的数据样本作为模型输入。实验结果表明,工作日和休息日高速公路交通量预测平均绝对误差百分比均在5%以内,与单变量预测模型相比具有更好的预测准确度和实用性,为智能交通管理系统提供数据支持。
科研之友
微信
新浪微博
Facebook
分享链接
