道路网短期交通流预测方法比较

介绍了用于短期交通流预测的两大类模型统计预测算法和人工神经网络模型。对其中各种模型的特征进行了比较,将历史平均模型、求和自回归滑动平均模型(ARIMA)、非参数回归模型、径向基函数(RBF)神经网络模型与贝叶斯组合神经网络模型,应用于一个真实路网的短期流量预测,比较了各模型的预测结果。结果表明,组合神经网络模型预测误差最小,可靠性最高,是一种对短期交通流预测的有效方法。