高斯过程回归短时交通流预测方法.pdfVIP

第15卷第4期 交通运输系统工程与信息 Vo1．15No．4 2015年 8月 JournalofTransportationSystemsEngineeringandInformationTechnology August2015 文章编号 ：1009—6744(2015)04—0051—06 中图分类号 ：U491．14 文献标 志码 ：A ． ．．JL_| E==I 同 斯过程回归短时交通流预测方法 康 军吖，段宗涛 ，唐 蕾 ，刘 研 ，王 超 (1．长安大学 信息512程学院，西安 710064；2．陕西省道路交通智能检测与装备工程研究中心，西安710064) 摘 要： 已有的短时交通流预测方法均属于确定性预测，无法对预测的不确定性进行 定量分析．针对上述 问题 ，提出了一种基于高斯过程 回归的短时交通流预测方法．通过该 方法在对短时交通流进行预测的同时还可以得到预测的方差估计值，并依此可以确定预 测值的95％置信区间．在仿真实例中，在相同条件下对所提方法与支持向量机预测方法进 行比较．仿真结果表明，高斯过程回归短时交通流预测方法不仅与支持向量机预测方法具 有相近的预测精度，其中均方根误差为12．O9，绝对值误差为 118．42，相对误差为l7．32％， 而且能够获得预测结果的方差估计值，从而有效实现短时交通流概率意义上的预测． 关键词： 智能交通 ；短时交通流预测；高斯过程回归；短时交通流；概率性预测；方差估计 A ShortTerm TrafficFlow PredictionM ethodBasedon GaussianProcessesRegression KANGJun1,2DUAN Zongytao12,TANG Lei，LIUYan ，WANGChap (1．TheInformationTechnologySchool，Chang’anUniversity,Xi’an710·064，China；2．ShaanxiRoadTrafficDetectionand EquipmentEngineegResearchcenter，xi’an70064，China) Abstract： Thepreviousmethodsaboutshortterm traffic flow prediction havebeen allbelong to the deterministicprediction，andcannotbeusedforhtequantitativeanalysisoftheuncertainyt oftheprediction． Aiming atabove problem，a shortterm rtaffi c flow prediction method based on Gaussian processes regressionispresented．Usingtheproposedmethod，theshorttemr trafficflow predictingandestimateof variancecanbeobtained simultaneously,andhte95％ confidenceintervalaboutthispredictioniSfurther calculated．Underthesamecondition．twosimulation testsraerealizedfortheproposedmethodand the supportvectormachinepredictionmethodrespectively．Thetestresultsindicatethatthepredictionaccuracy