针对波动性大、存在离群值情况下的交通流短时预测效果不理想的问题,提出了一种带近邻距离权重和聚集度的贝叶斯短时交通流预测算法.该算法提出了近邻聚集度的概念,并结合近邻距离权重,建立了贝叶斯推理预测模型,改进了传统K近邻预测算法形成预测值的机制,抑制了离群值的不利影响,提高了预测精度.仿真分析表明,所提出的算法比等权重预测算法、带权重预测算法、SVM预测模型的平均MRE分别降低2.62%、2.51%、1.04%,预测结果能够满足实际应用对短时交通流的预测精度要求.
科研之友
微信
新浪微博
Facebook
分享链接
