基于时空特征选择和卡尔曼滤波的短时交通流预测方法

摘要

本发明公开了一种基于时空特征选择和卡尔曼滤波的短时交通流预测方法。该方法将相邻交叉口的不同时滞的时间序列作为模型的输入特征，避免了传统模型不能充分考虑交通流时间序列间的时空相关性的缺点。首先对原始SCATS数据进行流量聚合；然后通过对预测断面及其相邻区域内的断面组应用多维标度法，找出与预测断面相关性较高的一些断面；再对由这些断面的不同时滞形成的时空特征进行特征选择，确定出最佳输入特征；最后通过考虑时空相关性的卡尔曼滤波模型得出预测结果。该模型在对城市交叉口进行短时流量预测时能获得较高的预测精度，具有很好的鲁棒性。