Resumen

El efecto de la predicción del flujo de tráfico desempeña un papel importante en la selección de rutas. Los métodos tradicionales de previsión del flujo de tráfico incluyen principalmente el método lineal, no lineal, de redes neuronales y de análisis de series temporales. Sin embargo, todos ellos presentan algunas deficiencias. Este artículo analiza los algoritmos existentes sobre la predicción del flujo de tráfico y las características del flujo de tráfico de la ciudad y propone un método de predicción del flujo de tráfico vial basado en la probabilidad de transferencia. Este método analiza en primer lugar la probabilidad de transferencia de la corriente ascendente de la carretera objetivo y, a continuación, realiza la predicción del flujo de tráfico en el momento siguiente utilizando la ecuación de flujo de tráfico. Se utiliza el método de puntos interiores de Newton para obtener el valor óptimo de los parámetros. Por último, utiliza el modelo propuesto para predecir el flujo de tráfico en el momento siguiente. Al comparar los métodos de predicción existentes, el modelo propuesto ha demostrado tener un buen rendimiento. Puede obtener rápidamente el valor óptimo de los parámetros y tiene una mayor precisión de predicción, lo que puede utilizarse para hacer predicciones de flujo de tráfico en tiempo real.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:predicción de flujos de tráfico, valor de los parámetros, probabilidad de transferencia, valor óptimo, modelo propuesto, tiempo siguiente, métodos de análisis de series, métodos de previsión de flujos, mayor precisión de predicción, flujo de tráfico tradicional
• Keywords:traffic flow prediction, value of parameters, transfer probability, optimal value, proposed model, next time, series analysis methods, flow forecasting methods, higher prediction accuracy, traditional traffic flow