文献综述
本课题研究的现状及发展趋势：
1.研究现状
（1）现有主要预测模型：
道路交通流预测在智能交通高速发展的今天尤为重要，是支撑交通控制系统、交通诱导系统等ITS子系统的关键技术之一，对减少交通延误，提高道路服务水平有着重要意义。交通管理与控制的好坏在于是否能够根据当前路网交通流变化规律，合理推测未来一定时间范围内交通流的新动向，从而提前采取有效措施规避可能发生的交通拥挤和堵塞问题。
单一模型：
几十年来，世界各国专家和学者研究了各种预测模型用于短时交通流预测。已有的预测模型已超过200种，可基本分类为以下几种：(1)基于线性理论的模型；(2)基于非线性理论的模型；(3)基于知识发现的模型；(4)基于动态交通分配的方法；(5)。然而单一模型的缺点十分明显，所以近年来很多学者致力于研究用不同的组合模型预测交通流。
组合预测就是把不同的预测模型组合起来，综合利用各种预测方法所提供的信息，以适当的方式得到组合预测模型和最佳预测结果，从而达到提高预测精度和增加预测可靠性的结果。其本质就是综合利用各种预测方法的特点，将分项预测信息加以适当融合得出更为准确的预测结果。
组合模型：
有人用不同固定权重组合时间序列模型和GSVMR模型，通过对比选出比较好的权重方案；有的学者通过引入惯性因子来组合Kalman滤波模型和RBF神经网络模型；也有学者引入最小加权融合算法组合ARIMA模型和小波神经网络模型；除此之外，还有研究者利用遗传优化的神经网络方法进行非线性短期交通流预测；还有一些专家将线性回归、滑动回归和神经网络预测模型的预测效果进行对比，选择预测效果最优的方案等。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
