基于对比度和共识日的交通速度预测

交通速度预测是智能交通系统中研究热点内容之一，准确预测交通速度有助于为出行者提供可靠的出行决策。考虑到路网中交通速度变化的时空关联性和规律性，本研究提出一种基于对比度和共识日的交通速度预测方法。首先，为捕捉短时内速度的变化特征，挖掘道路的空间关联性，构建对比度模型并根据其值更新历史数据的交通状态集；其次，采用K-means方法对更新后的数据集进行聚类，通过Rand指数识别出每簇的共识日，并根据其信息预测交通速度；最后，借助RMSE、MAE和ACC等指标分析了预测方法的有效性。分析结果表明，本研究方法预测准确率达93.8%,预测精度较高，计算速度较快，具有更好的适用性。