基于二次修正的短时行程时间预测模型

作者：杨航; 王忠宇; 邹亚杰; 吴兵^*

来源：同济大学学报(自然科学版), 2019, 47(10): 1454-1462.

DOI：10.11908/j.issn.0253-374x.2019.10.010

• 交通管理
• 短时行程时间预测
• 组合预测模型
• 小波神经网络
• 马尔可夫链
• 过拟合缓解

为了提高高速公路短时行程时间预测模型的精度和鲁棒性,同时缓解过度训练带来的过拟合效应,构建了基于小波神经网络和马尔可夫链的组合预测模型,并采用平均绝对误差、平均绝对百分比误差、均方根误差三个指标评价模型的预测效果.分析结果表明,在行程时间突变之后,组合预测模型较其他模型都有着更高的预测精度;同时,该模型在预测行程时间突变点时不存在延迟,说明其在高峰时段内有着更高的预测精度和更强的预测鲁棒性.

• 单位
  同济大学; 交通运输学院; 上海海事大学