基于K均值聚类算法与RBF神经网络的交通流预测方法

摘要

随着汽车保有量的增加,交通路网问题愈发严峻。针对现阶段城市交通流预测问题,在分析道路交通车流量、平均速度的周期性波动规律及变化趋势的基础上,融合K均值聚类算法(K-Means Clustering Algorithm)与RBF神经网络算法,构建了一种基于多维时间序列的交通流预测模型。实验结论表明,该模型预测结果与实际交通流数据拟合度高,精准度达到96.7%。该模型在理论研究与实际应用方面,对提升交通控制效果具有重要意义。