科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统预测模型存在的预测误差较大等问题,基于时延特性设计了新的短时动态交通流预测模型。采用延迟坐标状态相空间重构法重构交通流时间序列,并结合C-C算法,利用序列的关联积分组成描述非线性时间序列相关性的统计量,确定嵌入维数与时延。根据重构后的时延特性,利用相似性度量方法初步预测的目标断面流量,并建立递归神经网络模型。在递归神经网络模型的链式结构中引入长短时记忆单元,增强预测网络的记忆能力,实现短时动态交通流预测。实验结果表明,上述模型能够有效实现短时动态交通流预测,预测结果与实际之间的误差小,且预测F-measure值高、鲁棒性好,证明其具备较好的交通流量预测效果。
- 单位
