基于R树的非参数回归交通流预测方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于R树的非参数回归交通流预测方法

余沁潇, 凌帅, 吴刚, 马寿峰

文章导航 > 交通信息与安全 > 2014 > 32(6): 65-71

余沁潇, 凌帅, 吴刚, 马寿峰. 基于R树的非参数回归交通流预测方法[J]. 交通信息与安全, 2014, 32(6): 65-71. doi: 10.3963/j.issn.1674-4861.2014.06.011

引用本文:

余沁潇, 凌帅, 吴刚, 马寿峰. 基于R树的非参数回归交通流预测方法[J]. 交通信息与安全, 2014, 32(6): 65-71. doi: 10.3963/j.issn.1674-4861.2014.06.011

YU Qinxiao, LING Shuai, WU Gang, MA Shoufeng. A Nonparametric Regression Method for Traffic Flow Forecast Based on R-tree[J]. Journal of Transport Information and Safety, 2014, 32(6): 65-71. doi: 10.3963/j.issn.1674-4861.2014.06.011

Citation:

YU Qinxiao, LING Shuai, WU Gang, MA Shoufeng. A Nonparametric Regression Method for Traffic Flow Forecast Based on R-tree[J]. Journal of Transport Information and Safety, 2014, 32(6): 65-71. doi: 10.3963/j.issn.1674-4861.2014.06.011

余沁潇, 凌帅, 吴刚, 马寿峰. 基于R树的非参数回归交通流预测方法[J]. 交通信息与安全, 2014, 32(6): 65-71. doi: 10.3963/j.issn.1674-4861.2014.06.011

引用本文:

余沁潇, 凌帅, 吴刚, 马寿峰. 基于R树的非参数回归交通流预测方法[J]. 交通信息与安全, 2014, 32(6): 65-71. doi: 10.3963/j.issn.1674-4861.2014.06.011

YU Qinxiao, LING Shuai, WU Gang, MA Shoufeng. A Nonparametric Regression Method for Traffic Flow Forecast Based on R-tree[J]. Journal of Transport Information and Safety, 2014, 32(6): 65-71. doi: 10.3963/j.issn.1674-4861.2014.06.011

Citation:

YU Qinxiao, LING Shuai, WU Gang, MA Shoufeng. A Nonparametric Regression Method for Traffic Flow Forecast Based on R-tree[J]. Journal of Transport Information and Safety, 2014, 32(6): 65-71. doi: 10.3963/j.issn.1674-4861.2014.06.011

基于R树的非参数回归交通流预测方法

doi: 10.3963/j.issn.1674-4861.2014.06.011

天津大学管理与经济学部天津300072
天津大学管理与经济学部天津300072
天津大学管理与经济学部天津300072;天津高速公路集团有限公司天津300384
天津大学管理与经济学部天津300072

中图分类号: U495
计量
- 文章访问数: 176
- HTML全文浏览量: 40
- PDF下载量: 0
- 被引次数: 0
出版历程
- 刊出日期: 2014-12-28

A Nonparametric Regression Method for Traffic Flow Forecast Based on R-tree

摘要: 非参数回归在交通流预测中已得到广泛应用,但实际使用中存在实时性差的缺陷.为提高非参数回归预测速度,提出了使用空间索引结构R树作为模式库的存储结构,并依据R树空间聚类的特点进行K近邻搜索,最后根据搜索到的近邻点估算未来的交通流量.实验结果表明R树结构下的K近邻搜索速度比线性结构下的搜索速度提高了59.6%,但预测精度下降了8.8%.而通过缩小K近邻搜索中的距离上限这一参数,可以提高预测精度.结果表明当2种结构下的距离上限相同且小于0.02时,R树结构下的预测精度平均高于线性结构下11.9%,且搜索速度也平均提高了30.8%.因此,该算法能够在满足预测精度的条件下有效地提高预测速度,为实时短时交通流预测系统提供了1种实现算法.
- 智能交通系统 /
- 交通流预测 /
- 非参数回归 /
- R树 /
- K近邻搜索
- intelligent transport systems /
- traffic flow prediction /
- nonparametric regression /
- R-tree /
- K-nearest neighbor search

参考文献(0)

资源附件(0)

WeChat

点击查看大图

计量

文章访问数: 176
HTML全文浏览量: 40
PDF下载量: 0
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

本系统由北京仁和汇智信息技术有限公司开发