利用时变经验模态分解的主干道短时交通量预测

作者：赵磊娜; 王延鹏; 邵毅明; 李淑庆; 温欣雨

来源：重庆交通大学学报(自然科学版), 2022, 41(03): 37-44.

• 交通工程
• 短时交通量预测
• 时变滤波经验模态分解
• 最小二乘支持向量机
• 时间序列

为描述短时交通量数据中隐藏的非线性与非平稳特性，提高短时交通量的预测精度，进而更好地构建智能交通平台，提出了一种基于时变滤波经验模态分解(TVF-EMD)与最小二乘支持向量机(LSSVM)的混合预测模型，即TVF-EMD-LSSVM模型。其中：TVF-EMD方法主要用来降低数据中暗含的非平稳性对预测结果影响；LSSVM模型是为了描摹数据中包含的非线性信息演化趋势。研究结果表明：相比经验模态分解(EMD)方法而言，TVF-EMD方法的分解结果更加适合交通流预测；该分解技术与LSSVM模型的结合可提供更好的预测结果，相比LSSVM模型而言，其平均绝对误差、平均相对百分比误差、均方根误差和均方根相对误差分别降低了9.186、18.947%、13.591、0.316%,且均等系数提高了0.082 1。

• 单位
  交通运输学院; 重庆交通大学