论文部分内容阅读
传统数理统计预测方法不能很好解决交通流中的随机性问题，非线性理论及神经网络、支持向量机等方法在交通流预测中又存在模型复杂、所需样本数据量大等问题。考虑短时交通流所存在的不确定性即模糊性与随机性特点，本文提出基于灰关联分析的少数据云推理短时交通流预测模型。首先，针对短时交通流的准周期规律，运用灰色关联分析提取不同日期相同时段历史序列中最相似序列；其次，建立少数据交通流序列一维云推理机制，综合利用历史云及当前云生成预测云，用于短时交通流实时预测。该模型推广了云模型的应用范围，降低了数据处理工作量。实例分析表明，预测精度良好，能够实现短时交通流的实时预测。