基于多源数据及变权重组合预测模型的交通拥堵预测方法

摘要

本发明属于交通管理技术领域，涉及一项基于多源数据及变权重组合模型的交通拥堵预测方法：将研究时间划分为不同的时间段，收集每个时间段的车辆GPS数据和天气数据，对车辆GPS数据进行处理，得到研究时间段研究路段上车辆平均运行速度；通过历史数据训练ARIMA模型，标定ARIMA模型参数；通过历史数据训练BP神经网络模型；通过为ARIMA模型和BP神经网络模型赋予一定的权重值得到组合模型，权重值根据ARIMA模型和BP神经网络模型误差确定；通过变权重组合模型预测未来交通流速度，对交通拥堵情况进行判断。本发明采用GPS数据，能够减少道路检测设备和人力的投入，使用变权重组合预测模型能够增强模型的适应性，提高预测准确度，可以辅助解决交通拥堵问题。