摘要
为提高交通流多步预测精度,提出一种考虑基向量独立预测和线性表达的交通流多步预测方法。利用交通流的周期性,以天为周期单位将历史交通流数据进行分割和矩阵表达,再利用协方差矩阵的奇异值分解生成一组基向量,将每天的交通流时间序列表达为该组基向量的线性组合,将交通流的预测问题转化为基向量组合系数的独立预测问题;采用回声状态网络(Echo State Networks,ESN)分别建立各基向量组合系数的独立预测模型,并采用Jaya算法优化ESN模型参数。结果表明,采用Jaya算法可以快速找到ESN模型最佳参数,采用文中方法可以实现交通流多步预测,且预测精度比历史均值法和Jaya-ESN法更高。
出处
《公路与汽运》
2024年第3期33-36,52,共5页
Highways & Automotive Applications
基金
江西省交通运输厅科技项目(2020X0012,2023H0039)。