基于组合模型的短时交通流量预测算法.pdf

第38卷第5期
电子与信息学报
Vol, 38NO. 5
2016年5月
Journal of Electronics Information Technology
基于组合模型的短时交通流量预测算法
芮兰
李钦铭”
北京邮电大学网络与交換技术国家重点实验室北京100876)
摘要:交通流量预测是实现智能交通技术的核心问题,及时准确地预测道路交通流量是实现动态交通管理的前提,
短时交通流量的预测是交通流量预测的重要组成部分。该文针对十字路口的短时交通流量预测问题设计了基于交通
流量序列分割和极限学习机( Extreme Learning Machine,ELM)组合模型的交通流量预测算法( Traffic Flow
Prediction Based on Combined Model, TEPBCM)。该算法首先采用K- means对交通流量数据在时间上进行序列分
割,然后采用ELM对各个序列进行建模和预测。仿真实验证明,与单一的BP( Back Propagation)神经网络和ELM
相比,该组合模型算法建模时间为BP的1/10,ELM建模时间的4倍,均方误差为BP的1/50,ELM的1/20,该组合模
型算法决定系数2更接近于1,模型可信度更高。
关键词:短时交通流量:K均值算法;极限学习机:组合模型算法
中图分类号:TP393.07
文献标识码:A
文章编号:1009-5896(2016)05-12207
DOI:10.11999/JEIT150846
Short-term Traffic Flow Prediction Algorithm Based on Combined Model
RUI Lanlan LI Qi
(State Key Laboratory of Netorking and Switching Technology, Beijing University of Posts and
Telecommunications, Beifing 100876, China)
Abstract: Traffic flow prediction is a key problem of realizing intelligent transportation technology. Forecasting
traffic flow in time and accurately is the precondition to realize the dynamic traffic management. Short term
traffic flow prediction is an important part of traffic flow prediction. In this paper, the Traffic Flow Prediction
Based on Combined Model (TFPBCM)based on traffic flow sequence partition and Extreme Learning Machine
(ELM)is designed for the short time traffic flow forecasting. The algorithm divides the traffic flow into different
patterns along a time dimension by K-means, and then models and forecasts for each pattern by ELM. The
proposed algorithm is compared with Back Propagation (BP) and ELM. The combined model algorithm on
modeling time is 1/10 of BP, but is 4 times ELM. Its MSE is 1/50 of BP and 1/20 of ELM. The combined model
algorithms coefficient of detemination (R)is close to 1, so the credibility of the model is higher than others
Key words: Short-term traffic flow; K-means algorithm; Extreme Learning Machine (ELM); Traffic Flow
Prediction Based on Combined Model(TFPBCM)
1弓
的重要途径之一。交通流量预测能有效缓解交通拥
随着国内城市的高速发展,交通拥堵,交通效堵,降低事故发生率,给出行者舒适安全的交通环
率低下造成了交通事故的频发,这已成为各个城市境。道路交通变化是一个实时、非线性、非平稳的
发展面临的共同问题?。及时做好交通流量预测对各随机过程,统计时段越短,交通流量短时变化的随
个主干道路进行调整成为了解决城市交通拥堵问题机性和不确定性越强。由于十字路口是城市交通的
重要组成部分,交通情况复杂,干扰因素多,其交
收稿日期:2015,0714:改回日期:201601098网络出版:20160311通能力不足的问题已成为交通网络的瓶颈2。因此,
*通信作者:李钦铭 qinming@bupt,cdu,cn
十字路口短时交通流量预测的研究是实现城市交通
基金项目:国家自然科学基金创新研究群体科学基金(61101智能化的一个关键问题。
国家自然科学基金(61302078,61372108),北京高等学校青年英オ计
文献]提出基于交通流量序列分割和BP神经
划项目( YETPO476)
Foundation Items: Funds for Creative Research Groups of Chi
网络相结合的组合预测模型,但该模型预测时间长,
( 61121061), The National Natural Science Foundation of Chin
预测精度较低。文献4-?利用BP神经网络预测短
107,613710, eiiing Higher Education Young Elite时交通流量,然而该类算法易陷入局部极小值,泛
Teacher Project(YETP0476)