多种残差补偿的贝叶斯网络下的短期交通预测OA北大核心CSTPCD
为了解决道路车流量的数据生成条件时变场景下的交通预测问题,本文建立道路交通控制与交通流预测数据之间的联系,提出一种基于多种残差补偿的贝叶斯网络的短期交通预测方法。提取城市中大规模多路口主干道车道及车辆信息构造多个平行的贝叶斯网络,使用贝叶斯关系及期望最大化算法进行短期交通预测。再通过数据自相关残差补偿、车辆换道和多路口连通性的线性残差补偿提高了预测的精度,解决了传统研究对相邻路口和换道导致的误差等因素处理能力不足的问题。仿真结果表明:使用贝叶斯网络预测交通流,并基于车辆行为的残差进行精度补偿,可以更准确地预测复杂的交通演化场景的短期交通流。
王桐;杨光新;欧阳敏;
哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001 哈尔滨工程大学先进船舶通信与信息技术重点实验室,黑龙江哈尔滨150001
交通运输
大规模交通预测贝叶斯网络混合高斯模型EM算法残差补偿自回归滑动模型LSTM网络线性过程
《哈尔滨工程大学学报》 2024 (009)
P.1810-1817 / 8
中央大学基础研究基金项目(KY10800220073);国家科技重点实验室基金项目(6142209190107);先进船舶通信和信息技术产业和信息技术部重点实验室项目(AMCIT2101-08).
评论