论文部分内容阅读
短时交通流预测在智能交通控制中有重要的应用价值。由于在城市市区固定路段内某一时段交通流量的变化表现出受随机性和趋势稳定性两方面因素综合的影响，而信号的多尺度分析可以将信号分解在不同的尺度下进行研究，将连续多个时段的交通流参数视为随机时间序列，提出了一种基于多尺度分析和RBF神经网络预测的短时交通流预测模型。具体做法是先用小波变换对交通流数据进行不同尺度的分解，然后对各层细节信号进行阈值化降噪，再分别对不同尺度下的细节分量和近似分量利用RBF神经网络模型进行预测，最后对各尺度的预测结果进行小波重建得到预测的交通流参数。实验结果表明该预测模型对市区道路短时交通流预测时具有准确、便捷的特点。而且此模型也适用于高速公路上的短时交通流预测。