K近邻短时交通流预测模型 K-nearest neighbor model of short-term traffic flow forecast.pdfVIP

下载本文档

33
0
约1.97万字
约 7页
2018-01-12 发布于上海
举报
版权申诉

K近邻短时交通流预测模型 K-nearest neighbor model of short-term traffic flow forecast.pdf

1、本文档共7页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

K近邻短时交通流预测模型 K-nearest neighbor model of short-term traffic flow forecast

第 12卷第 2期交通运输工程学报 Vo1．12 NO．2 2012年 4月 JournaIofTrafficandTransportationEngineering Apr．2012 文章编号：1671—1637(2012)02—0105—07 K近邻短时交通流预测模型于滨，邬珊华，王明华，赵志宏 (1．大连海事大学交通运输管理学院，辽宁大连 116026；2 长安大学信息工程学院，陕西西安 710064) 摘要：为了准确预测道路短时交通流，构建了基于 K近邻算法的短时交通流预测模型。分析了 K近邻算法的时间和空间参数，提出4种状态向量组合的K近邻模型：时间维度模型、上游路段一时间维度模型、下游路段一时间维度模型与时空参数模型。以贵州省贵阳市出租车的GPS数据对几种 K近邻模型进行了检验。分析结果表明：带有时空参数的K近邻模型具有更高的预测精度，其预测误差最小，平均为7．26 。基于指数权重的距离度量方式能更精确的选择近邻，其预测误差最小，平均为 5．57 。与神经网络和历史平均模型相比，带有指数权重的K近邻模型具有更好的预测精度，平均预测误差仅为 9．43 。可见，带有时空参数与指数权重的K近邻模型可作为道路短时交通流预测的有效手段。关键词：交通信息工程；短时交通流预测；K近邻模型；时空参数；指数权重中图分类号：U491．14 文献标志码：A K-nearestneighborm odelofshort-term trafficflow forecast YU Bin ，W U Shan—hua ，W ANG Ming—hua ，ZHAO Zhi—hong (1．SchoolofTransportationManagement，DalianMaritimeUniversity，Dalianll6026，Liaoning，China； 2．SchoolofInformationEngineering，Chang’anUniversity，Xi’an710064，Shaanxi，China) Abstract：Inordertoaccuratelyforecasttheshort—term trafficflow，aK_nearestneighbor (K_ NN)mode1wassetup．ThetimeandspaceparametersoftheK-NN modelwereanalyzed．Based onfourdifferentcombinationsofstatevectors，thetimedimensionmodel，upstream section—time dimensionmodel，downstream section-time dimension modeland space—time dimension model wereproposed．Thefourdifferentmodelswerevalidatedbyusing theGPS datafrom taxisof Guiyang．AnalysisresultindicatesthattheK—NN modelwithbothspaceandtimeparametershas highestforecastingprecisionthantheotherthreemodels，anditsaveragepredictionerrorisabout 7．26 ．Thedistancemeasuringmodewithexponentweighthashigheraccuracyinchoosingthe nearestneighbors，anditsaveragepredictionerrorisabout5．57 ．Thepredictingperformance ofimprovedK-NN modelwithexponentweightandspace—timepara