-
题名基于时序特征的收费站在线流量预测模型
- 1
-
-
作者
马飞凡
邹复民
廖律超
罗永煜
胡泽荣
陈文宇
-
机构
福建理工大学福建省汽车电子与电驱动技术重点实验室
福建省高速公路信息科技有限公司
-
出处
《陕西科技大学学报》
北大核心
2025年第3期190-201,216,共13页
-
基金
国家自然科学基金项目(62376059,41971340)
福建省科技厅高校产学合作项目(2021Y4019)。
-
文摘
针对高峰时段车流量骤增导致的高速公路入口拥堵问题,以及现有研究在实时预测中对时间序列相似性和周期性特征挖掘不足的局限性,本文提出了一种基于时序特征的收费站在线流量预测模型FastDTW-ARMA_ONS-ORELM.该模型结合了FastDTW算法和ARMA_ONS算法,并将其嵌入到ORELM模型的特征提取过程中,旨在提升ORELM模型的特征提取效率和预测精度.首先,通过FastDTW算法和指数平滑法实时提取相似性特征,同时利用ARMA_ONS算法提取周期性特征.随后,将提取的时序特征输入ORELM模型进行下一时刻流量预测.实验结果表明,该模型相较于其他模型具有更优的性能表现,R 2值达到93%,且随着数据持续输入,其预测能力持续提升,可以为交通流量管控提供科学且可靠的决策支持.
-
关键词
交通流量预测
FastDTW
在线递归极限学习机
时序特征提取
-
Keywords
traffic flow prediction
FastDTW
online recurrent extreme learning machine
temporal feature extraction
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
