城市交叉口短时交通流预测方法

摘要

准确预测交叉口交通流量,对城市智能交通起着至关重要作用.为了提高交叉口短时交通流预测的精度,提出一种基于高斯过程的交通流预测模型.首先对交叉口SCATS系统获取的检测数据进行数据预处理和数据重构,其次,运用GP模型对交通流时间序列进行训练,同时确定协方差函数的“超参数”.最后利用训练好的GP模型对交通流时间序列进行预测,并与BP神经网络进行比较.仿真结果表明,基于GP的交通流预测模型具有很好的稳定性,能满足预测精度的要求.