基于融合的短时交通流预测

短时交通流预测在交通管制中有十分重要的作用。本文利用三种机器学习方法,基于三种融合策略提出新的短时交通流融合预测模型。通过实例验证,基于融合的方法预测精度高于单一预测方法;其中基于kNN融合模型精度最高,交通流量相对误差指标(MPE、MAPE、RMSE)分别降低了37.98%、4.53%、17.82%,旅行时间方面分别降低了80.34%,19.55%,20.67%。