论文部分内容阅读
基于带权重的模式识别算法（WPRA）的交通流短时预测根据历史交通模式所属时段特征区分不同历史状态值权重系数的大小，但权重值的主观设定降低了方法实际应用的可靠性．通过分析基于数据驱动的非参数回归交通流预测算法核心原理，针对WPRA模型权重系数的主观随机性进行预测算法改进，建立了能预测短时交通流的带距离权重的模式识别算法（DWPRA）．最后，应用实际交通流数据引入均方根误差进行算法验证，验证结果显示相同近邻K值情况下，DWPRA比WPRA均方根误差降低约4．8％～7．1％，证明了算法的有效性．