基于多源数据融合的高速公路路网短时交通流参数实时预测

摘要

针对高速公路路网交通数据中存在大量噪声数据与缺失数据，数据完整度较低，导致预测精度下降的问题，提出一种基于多源数据融合的高速公路路网短时交通流参数实时预测方法。采用小波分析阈值法对高速公路路网交通数据进行去噪处理，在最小二乘支持向量机基础上采用组合阈值填补方法填补交通数据序列中存在的缺失数据，提高交通数据的完整度。结合小波神经网络和遗传算法建立短时交通流参数预测模型，采用遗传-小波神经网络处理多源检测器采集到的交通流参数，通过最小二乘动态加权融合算法融合多个检测器的交通流参数，将交通流参数输入预测模型中，得到高速公路路网短时交通流参数实时预测结果。实验结果表明，采用本文方法处理后的交通数据序列中不存在缺失数据，数据完整度较高，且所得预测结果与实际车流量变化曲线较为贴近，预测精度高，可以广泛应用在交通流预测领域。

关键词

多源数据融合 / 高速公路路网 / 短时交通流 / 参数预测 / 小波分析阈值法 / 最小二乘支持向量机 / 遗传-小波神经网络