本文主要研究内容
作者武帅,陈秀锋,宋著贺（2019）在《基于融合的短时交通流预测》一文中研究指出：短时交通流预测在交通管制中有十分重要的作用。本文利用三种机器学习方法,基于三种融合策略提出新的短时交通流融合预测模型。通过实例验证,基于融合的方法预测精度高于单一预测方法;其中基于kNN融合模型精度最高,交通流量相对误差指标(MPE、MAPE、RMSE)分别降低了37.98%、4.53%、17.82%,旅行时间方面分别降低了80.34%,19.55%,20.67%。
Abstract
duan shi jiao tong liu yu ce zai jiao tong guan zhi zhong you shi fen chong yao de zuo yong 。ben wen li yong san chong ji qi xue xi fang fa ,ji yu san chong rong ge ce lve di chu xin de duan shi jiao tong liu rong ge yu ce mo xing 。tong guo shi li yan zheng ,ji yu rong ge de fang fa yu ce jing du gao yu chan yi yu ce fang fa ;ji zhong ji yu kNNrong ge mo xing jing du zui gao ,jiao tong liu liang xiang dui wu cha zhi biao (MPE、MAPE、RMSE)fen bie jiang di le 37.98%、4.53%、17.82%,lv hang shi jian fang mian fen bie jiang di le 80.34%,19.55%,20.67%。
论文参考文献
论文详细介绍
论文作者分别是来自科学技术创新的武帅,陈秀锋,宋著贺，发表于刊物科学技术创新2019年15期论文，是一篇关于短时交通预测论文,融合论文,近邻论文,相对误差指标论文,科学技术创新2019年15期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自科学技术创新2019年15期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：短时交通预测论文; 融合论文; 近邻论文; 相对误差指标论文; 科学技术创新2019年15期论文;