首页|基于异常值识别卡尔曼滤波器的短期交通流预测

基于异常值识别卡尔曼滤波器的短期交通流预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对智慧交通的需求提出了一种新颖有效的短时交通流预测方法,通过异常值识别扩展了卡尔曼滤波,使其能对噪声进行识别和过滤——异常值识别卡尔曼滤波器.利用卡尔曼滤波能有效地过滤导致系统不确定性的交通流波动,但这可能会使指示交通流突变的细微线索丢失,为了提升预测精度,应用离散小波变换对原始信号进行识别处理,在去掉异常值的同时保留原有对预测有效的信号源信息,此外还使用了历史参考值对预测值进行修正.在四个基准数据集上的大量实验表明,与常用及最新的预测模型相比,其结果MAPE平均降低了2.919％,RMSE平均降低了79.582.
Outlier-identified Kalman filter for short-term traffic flow forecasting

白伟华、张传斌、张塽旖、周腾

展开 >

肇庆学院 计算机科学与软件学院、大数据学院,广东 肇庆 526061

汕头大学 计算机系,广东 汕头515063

卡尔曼滤波 有源噪声控制 短时交通流预测 状态向量

国家自然科学基金资助项目广东省自然科学基金资助项目广东省教育科学规划项目广东省教育科学规划项目广东大学生科技创新培育专项资金资助项目肇庆市科技专项资金项目肇庆学院校级科研项目肇庆学院校级科研项目

619022322018A0303132912018GXJK0482019KTSCX199pdjh2020b02222020G10042019012612zlgc201933

2021

10.19734/j.issn.1001-3695.2020.03.0070

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.(3)
  • 12
  • 3