Resumen

La predicción del flujo de tráfico a corto plazo es una base teórica importante para los sistemas de transporte inteligente, y los datos de flujo de tráfico contienen abundantes características multimodales y exhiben correlaciones y dinámicas espaciotemporales características. Para predecir el estado del flujo de tráfico, es necesario diseñar un modelo que pueda adaptarse a las cambiantes características del flujo de tráfico. Por lo tanto, se propone un modelo dinámico de tensor gris discreto no homogéneo de rodadura (DTRNDGM). Este modelo logra una predicción de rodadura mediante la introducción de una operación generadora acumulada de truncamiento cíclico; además, el modelo propuesto es imparcial y puede ajustarse perfectamente a secuencias exponenciales no homogéneas. Además, basándose en las características multimodales de los tensores de datos de flujo de tráfico y la relación entre la operación generadora acumulada de truncamiento cíclico y la perturbación de matrices para determinar el ciclo de predicción dinámica, el

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Predicción del flujo de tráfico; Sistemas de transporte inteligente; Características multimodales; Correlaciones espacio-temporales; Modelo gris discreto no homogéneo de tensor dinámico en rodillo; Operación acumulada de generación truncada del ciclo
• Keywords:Traffic flow prediction; Intelligent transportation systems; Multimode features; Spatiotemporal correlations; Dynamic tensor rolling nonhomogeneous discrete grey model; Cycle truncation accumulated generating operation