文献类型：期刊文章

作　　者：教欣萍[1] 王江锋[1] 陈磊[1] 高志军[1] 董佳宽[1] 黄海涛[2] 叶劲松[2]

JIAO Xin-Ping;WANG Jiang-feng;CHEN Lei;GAO Zhi-jun;DONG Jia-kuan;HUANG Hai-tao;YE Jing-song(MOT Key Laboratory of Transport Industry of Big Data Application Technologies for Comprehensive Transport,School of Traffic and Transportation,Beijing Jiaotong University,Beijing 100044,China;China Academy of Transportation Science,Beijing 100029,China)

机构地区：[1]北京交通大学交通运输学院,综合交通运输大数据应用技术交通运输行业重点实验室,北京100044 [2]交通运输部科学研究院,北京100029

出　　处：《山东科学》

基　　金：国家自然科学基金(61473028);国家重点研发计划(2018YFB1600703)

年　　份：2019

卷　　号：32

期　　号：6

起止页码：62-68

语　　种：中文

收录情况：CAS、CSA、IC、PROQUEST、UPD、ZGKJHX、普通刊

摘　　要：针对目前短时交通流预测算法多考虑交通流的低维信息特征,导致无法满足预测精准度要求等问题,引入高精度低秩张量填充理论(HALRTC),构建基于周、天、时段等多时间维度的动态张量模型,设计了一种融合高维交通流特征的短时交通流预测算法,并以京港澳高速公路杜家坎路段交通流速度数据为例进行实证验证。研究结果显示,算法能够基于较少历史数据较快达到良好预测效果,可有效实现针对工作日与非工作日的交通流预测,平均绝对误差(MAE)平均值约为3.6%,并能及时跟踪交通流波动性。在缺失数据情况下,所提出算法预测精度随数据缺失比例增大而降低,但相较于3种经典预测算法可表现出更好的预测精度。

关 键 词：交通工程 短时交通流预测 高精度低秩张量  速度波动跟踪  时间序列 算法设计  

分 类 号：U491[物流管理与工程类]