论文部分内容阅读
城市道路交通状况的预测，是实现未来路况查询、车辆动态导航等智能交通系统技术的关键。该文在分析浮动车数据的时间相关性的基础上，研究城市快速路的区间旅行时间短期预测算法。首先，采用统计方法和K-NN分类法相结合的新方法对缺失数据进行填充，并利用小波变换对每天的数据进行消噪处理；其次，在分别利用时间序列模型和人工神经网络模型对城市快速路区间旅行时间进行短期预测的基础上，通过模型组合获得预测值；最后，结合北京市区二环的一段快速路区间旅行时间的历史数据和实时数据，对该文所提出的快速路区间旅行时间短期预测算法进行了评