一种基于局部加权学习的自适应交通流预测机制

结合交通流的特征,提出了一种自适应的交通流预测机制。首先根据训练数据特点,按三相交通流理论对交通状态进行分类,从每个分类对应的训练数据集内提取相应的最佳邻域。在基于局部线性回归模型的预测中,根据邻域中数据点所处状态分别选择相应局部模型进行预测,最终预测结果为各局部模型预测值的加权平均。根据各模型误差确定当前数据所处状态,增量加入训练数据集。基于真实交通数据的实验证实该方法能够有效提高预测的准确率。