基于TFPCM与随机模型的交通滞留量预测

来源：计算机工程杂志2019年第1期北京时间：

作者：李莎,孙丽珺

单位：青岛科技大学 信息科学技术学院,山东 青岛 266061

摘要：交通滞留量预测是实现智能交通灯自动配时的前提,准确的交通滞留量预测可以为交通信号的动态调配提供支持,从而缓解城市交通拥堵问题。为此,提出一种交通滞留量预测系统。利用基于时间序列分割与极限学习机结合的交通流量预测算法,设计道路系统的模拟方案,将得到的预测流量进行仿真,构建扩展的二级马尔科夫随机模型,计算交通滞留量的预测值。实验结果表明,与BP神经网络相比,该系统能够准确预测交通滞留量,可为城市交通疏导和控制提供理论依据

关键词：交通滞留量, 时间序列分割, 极限学习机, 交通流量预测算法, 随机模型

基金资助：国家自然科学基金(61273180);山东省自然科学基金(ZR2016FQ10)