基于贝叶斯网络多方法组合的短时交通流量预测.pdfVIP

第 11卷 第4期 交通运输系统工程与信息 Vo1．1l No．4 2011年 8月 JournalofTransportationSystemsEngineeringandInformationTechnology August 2011 文章编 号 ：1009—6744 (2011)04—0147—07 基于贝叶斯 网络多方法组合 的短时交通流量预测 王 建，邓 卫 ，赵金宝 (东南大学 交通学 院，南京 210096) 摘要 ： 贝叶斯网络是处理不确定信息和进行概率推理的有力工具 ，针对短时交通流量 预测的难题 ，提 出一种基于贝叶斯网络的多方法组合预测模 型．首先建立几种基本预 测模型并对交通流量进行预测 ，然后将预测的结果和 实际结果按一定步长进行 离散 处 理，把离散后的结果用贝叶斯网络进行学习，更新 贝叶斯网络参数 ，通过联合推理求得 各个基本预测模型预测结果组合 下可能组合预测值的后验概率 ，把后验概 率最大所对 应的值作为预测值．通过对实际道路交通流量的预测表 明，本文提 出的贝叶斯 网络 多 方法组合预测模型的预测结果精度优 于单一的预测模型 ，从而论证 了本文提 出的贝叶 斯 网络 多方法组合预测模型具有一定的实用性． 关键词 ： 交通工程；组合模型；贝叶斯网络；交通流 ；小波分析；ARIMA算法；BP神经网络 中图分类号： U491．14 文献标识码 ： A Short-Term FreewayTraffi cFlow Prediction Based on M ultiple M ethodswith Bayesian Network WANG Jian，DENG W et，ZHAOJin—bao (TransportationCollege，SoutheastUniversity，Nanjing210096，China) Abstract： Bayesiannetworkisoneofthemostefficientmodelsintheuncertainknowledgeandreasoning field．A method based on Bayesian networks ofcombination mode isputforward to solve the problem of ． short—term trafficflow prediction．First，severalbasicprediction modelsareusedtopredictthetraffi cflow． Theprediction resultsand theactualtrafficflow arediscretizedbycertainsteplength．Then，theparameters oftheBayesian network are updated by learning those data． Through combination ofreasoning，every possiblevalueofPosteriorprobability ofeach data generatedby theresultsofeverybasicpredictionmodel canbecalculated．Then the largestvalue of Posteriorprobability would be the finalresultofcombined prediction．Theprediction