时空融合的DGM(1,N)模型在城市路网短时交通流预测中的应用

摘要

文章提出了一种新型的融合时空信息的分数阶滚动DGM(1,N)模型,新的预测模型充分考虑了城市路网中待测路段的交通流受多条相邻道路的历史信息的影响,采用分数阶累加生成算子对数据进行预处理极大程度上弱化原始序列的随机性和波动性,并采用粒子群算法(PSO)选取最优的累加阶数γ.此外,在有限数据的情况下对模型进行一个实时滚动预测保证模型能够充分利用新信息.来自OpenITS平台的中国长沙城市路网算例的计算结果表明,文章所提出的模型具有较高的预测精度,明显优于已有的一些预测模型.