一种基于机器学习与copula模型的高速公路交通流自适应预测方法

摘要

本发明公开了一种基于机器学习与copula模型的高速公路交通流自适应预测方法，将一条待预测的高速公路按匝道口划分成许多小段，设计一种“算法择优器”模型，该模型储存多种预测算法，给每个小路段都分配一个模型，然后利用历史数据经过训练和测试，模型能够依据最近的训练结果选择最好的预测算法，从而克服了单个模型预测效果存在的瓶颈。同时，本发明从交通流点预测模型的的预测值与真实值的相关性出发，利用copula函数的相关性理论，得到在某一预测值条件下，计算实际值的条件概率分布，进而转移到误差的条件概率分析中，后再将误差分布估计转化为交通流预测的不确定性估计，从而更好的捕捉交通流的随机性，大大提高预测精度。