基于改进型贝叶斯组合模型短时交通流量预测.pdfVIP

第４２卷第１期 东南大学学报（自然科 学版 ） Ｖｏｌ．４２ Ｎｏ．１ 　 ２０１２年１月 ＪＯＵＲＮＡＬＯＦＳＯＵＴＨＥＡＳＴＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） 　 Ｊａｎ．２０１２ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－０５０５．２０１２．０１．０３０ 基于改进型贝叶斯组合模型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：针对短时交通流量预测的难题，在传统贝叶斯组合模型进行改善的基础上，提出一种改进 型贝叶斯组合模型．该模型只根据各基本预测模型当前时刻之前几个交通流量的预测表现，通过 提出的分配算法实时更新组合模型中各个基本预测模型的权重，从而改善了传统贝叶斯组合模 型权重计算迭代步长过长的缺陷，提高了贝叶斯组合模型对各个基本预测模型预测精度的灵敏 性．通过对实地的交通流量的预测发现，基于改进型贝叶斯组合模型的预测精度不仅优于单一的 预测方法，而且也优于传统的贝叶斯组合模型，从而证明了改进型贝叶斯组合模型有效提高预测 的可靠性和具有一定的实用性． 关键词：贝叶斯组合模型；交通流；小波分析；ＡＲＩＭＡ算法；ＢＰ神经网络 中图分类号：Ｕ４９１１　　文献标志码：Ａ　　文章编号：１００１－０５０５（２０１２）０１０１６２０６ Ｓｈｏｒｔｔｅｒｍｆｒｅｅｗａｙｔｒａｆｆｉｃｆｌｏｗｐｒｅｄｉｃｔｉｏｎ ｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＢａｙｅｓｉａｎｃｏｍｂｉｎｅｄｍｏｄｅｌ ＷａｎｇＪｉａｎ　 ＤｅｎｇＷｅｉ　 ＺｈａｏＪｉｎｂａｏ （ＳｃｈｏｏｌｏｆＴｒａｎｓｐｏｒｔａｔｉｏｎ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｓｈｏｒｔｔｅｒｍｔｒａｆｆｉｃｆｌｏｗｐｒｅｄｉｃｔｉｏｎ，ａｎｅｗｍｅｔｈｏｄｃａｌｌｅｄｉｍｐｒｏｖｅｄ ＢａｙｅｓｉａｎｃｏｍｂｉｎｅｄｍｏｄｅｌｉｓｐｕｔｆｏｒｗａｒｄｂａｓｅｄｏｎｔｈｅｉｍｐｒｏｖｅｍｅｎｔｏｆｔｈｅｔｒａｄｉｔｉｏｎａｌＢａｙｅｓｉａｎｃｏｍ ｂｉｎｅｄｍｏｄｅｌ．Ｔｈｉｓｍｅｔｈｏｄｃａｎｕｐｄａｔｅｅａｃｈｂａｓｉｃｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓｗｅｉｇｈｔｓｏｎｌｙｂｙｉｔｓｐｅｒｆｏｒｍａｎｃｅ ｉｎｔｈｅｐａｓｔｓｅｖｅｒａｌｔｉｍｅｓ．Ｔｈｕｓｔｈｅｄｅｆｅｃｔｏｆｏｖｅｒｉｔｅｒａｔｉｏｎｓｔｅｐｓｆｏｒｃａｌｃｕｌａｔｉｎｇｔｈｅｗｅｉｇｈｔｓｉｎｔｒａｄｉ ｔｉｏｎａｌＢａｙｅｓｉａｎｃｏｍｂｉｎｅｄｍｏｄｅｌｃａｎｂｅｃｏｒｒｅｃｔｅｄ．ＴｈｅｉｍｐｒｏｖｅｄＢａｙｅｓｉａｎｃｏｍｂｉｎｅｄｍｏｄｅｌｉｓｍｏｒｅ ｓｅｎｓｉｔｉｖｅｔｏｔｈｅａｃｃｕｒａｃｙｏｆｅａｃｈｂａｓｉｃｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｐｒａｃｔｉ ｃａｌｔｒａｆｆｉｃｄａｔａｐｒｅｄｉｃｔｉｏｎ，ｔｈｅｒｅｓｕｌｔｓｏｆｉｍｐｒｏｖｅｄＢａｙｅｓｉａｎｃｏｍｂｉｎｅｄｍｏｄｅｌａｒｅｎｏｔｏｎｌｙｂｅｔｔｅｒｔｈａｎ ｔｈｅｓｉｎｇｌｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌ，ｂｕｔａｌｓｏｂｅｔｔｅｒｔｈａｎｔｒａｄｉｔｉｏｎａｌＢａｙｅｓｉａｎｃｏｍｂｉｎｅｄｍｏｄｅｌ．Ｃｏｎｓｅｑｕｅｎｔ ｌｙ，ｉｔｉｓｒｅｇａｒｄｅｄｔｈａｔｔｈｅｉｍｐｒｏｖｅｄＢａｙｅｓｉａｎｃｏｍｂｉｎｅｄｍｏｄｅｌｉｎｃｒｅａｓｅｓｔｈｅｃｒｅｄｉｂｉｌｉｔｙｏｆｔｈｅｐｒｅｄｉｃ ｔｉｏｎ，ａｎｄｉｓａｐｐｌｉｃａｂｌｅｆｏｒｔｈｅｒｅａｌｃｏｎｄｉｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：Ｂａｙｅｓｉａｎｃｏｍｂｉｎｅｄｍｏｄｅｌ；ｔｒａｆｆｉｃｆｌｏｗ；ｗａｖｅｌｅｔａｎａｌｙｓｉｓ；ａｕｔｏｒｅｇｒｅｓｓｉｖｅｉｎｔｅｇｒａｔｅｄ ｍｏｖｉｎｇａｖｅｒａｇｅａｌｇｏｒｉｔｈ