基于PCA-GRA-AdaBoost的交通流預測模型研究
2022-04-20 08:35:28王方偉陳景雅謝敏慧石寶存
河南科學
2022年3期
王方偉， 陳景雅， 謝敏慧， 石寶存
（河海大學土木與交通學院，南京 210098）
隨著智能交通系統的快速發展，交通流預測作為智能交通系統的核心內容，在交通管理和城市規劃的應用中具有重要的意義. 交通流數據本身具有非線性和隨機性的特點，會受到時間、空間等諸多因素的影響，這使得傳統機理和經典數學理論模型難以模擬其過程［1］.
近年來國內外研究學者提出組合模型預測交通流量，通過結合多個模型的優點提高預測精度. Li等［2］提出了一種基于集成經驗模態分解和隨機向量函數連接網絡的行程時間預測模型. Lu 等［3］結合LSTM 和ARIMA的優點對交通流進行預測，也取得了較好的預測效果. 鄒宗民等［4］用粒子群算法對支持向量機進行參數尋優，該模型在小樣本交通流序列中表現較好. 李磊等［5］提出一種卷積神經網絡和LSTM結合的方法，有效提取了交通流的時空特征. Guo等［6］在時空圖卷積網絡中引入了注意力機制，對交通流序列進行了準確預測. 隨著研究的深入，有些學者開始引入多因素進行交通流預測. 丁永兵等［7］構建多元時間序列模型進行預測，證明優于傳統的ARIMA模型. Wu等［8］挖掘交通流周期性和道路空間特征，構建了一種深度神經網絡模型. Tang等［9］將聚類方法與時空相關性結合預測交通流量. Mur?a等［10］提出了一種基于多因素多層聚類分析的概率模型. 但是引入更多的因素會導致模型的復雜性提高，因此需要在保證預測精度的同時提高模型運算……
登錄APP查看全文
猜你喜歡
童話王國·奇妙邏輯推理(2024年5期)2024-06-19 16:03:38
世界科學技術-中醫藥現代化(2020年2期)2020-07-25 02:05:36
數學物理學報(2020年2期)2020-06-02 11:29:24
瘋狂英語·新策略(2019年10期)2019-12-13 08:43:28
當代陜西(2019年10期)2019-06-03 10:12:04
光學精密工程(2016年6期)2016-11-07 09:07:19
核科學與工程(2015年4期)2015-09-26 11:59:03
河南科技(2014年23期)2014-02-27 14:19:15
中學數學雜志(初中版)(2006年1期)2006-12-29 00:00:00
