基于灰关联与少数据云推理的短时交通流预测
传统数理统计预测方法不能很好解决交通流中的随机性问题,非线性理论及神经网络、支持向量机等方法在交通流预测中又存在模型复杂、所需样本数据量大等问题.考虑短时交通流所存在的不确定性即模糊性与随机性特点,本文提出基于灰关联分析的少数据云推理短时交通流预测模型.首先,针对短时交通流的准周期规律,运用灰色关联分析提取不同日期相同时段历史序列中最相似序列;其次,建立少数据交通流序列一维云推理机制,综合利用历史云及当前云生成预测云,用于短时交通流实时预测.该模型推广了云模型的应用范围,降低了数据处理工作量.实例分析表明,预测精度良好,能够实现短时交通流的实时预测.
交通流预测 灰关联分析 少数据云推理 准周期规律
杨锦伟 肖新平 郭金海
武汉理工大学理学院 武汉 430070;平顶山学院数学学院 河南 平顶山 467000 武汉理工大学理学院 武汉 430070
国内会议
武汉
中文
127-133
2016-04-22（万方平台首次上网日期，不代表论文的发表时间）