基于时空特性的短时交通流预测模型

根据交通流的历史周期性和空间相关性,文中综合SARIMA 模型在历史周期性预测上的优势和RBF 模型在空间相关性预测上的优势,提出了SARIMA- RBF 模型．该模型采用 SARIMA 模型通过历史数据预测下一时刻的交通流,然后将预测值与该点上下游关联的交通流数据相结合,采用 RBF 神经网络模型得出输出值,并将该输出值作为 SARIMA-RBF 模型对下一时刻交通流的预测结果．实验结果表明,该模型因同时考虑了交通流的历史周期性和空间相关性,相比 SARIMA 模型和 RBF 模型具有更好的交通流预测效果．