摘要
针对现有的交通流速度预测模型使用唯一数据集且模型单一的问题,提出一种时间序列与人工神经网络相结合的预测模型。该模型通过时间序列分别对实时数据和历史数据建模预测,并应用人工神经网络调整实时数据和历史数据的预测值。实验结果表明该预测模型能够将预测误差控制在7%以内,且能够对不同输入参数下的短时交通流速度进行有效预测。
Aiming at the problem that the existing traffic flow velocity prediction model used a unique data set and a single model,this paper proposed a prediction model combining time series and artificial neural network.The model predicted real-time data and historical data by time series,and used artificial neural network to adjust the predicted values of real-time data and historical data.The experimental results show that the prediction model can control the prediction error within 7%and can effectively predict the short-term traffic flow speed under different input parameters.
作者
田瑞杰
张维石
翟华伟
Tian Ruijie;Zhang Weishi;Zhai Huawei(College of Information Science&Technology,Dalian Maritime University,Dalian Liaoning 116026,China)
出处
《计算机应用研究》
CSCD
北大核心
2019年第11期3262-3265,3329,共5页
Application Research of Computers
基金
中央高校基本科研基金资助项目(3132016308,3132018197)
辽宁省自然科学基金资助项目(20170520196)
关键词
时间序列
人工神经网络
短时预测
交通流速度
time series
artificial neural network
short-term prediction
traffic flow velocity