基于异常值识别卡尔曼滤波器的短期交通流预测

摘要: 针对智慧交通的需求，提出了一种新颖有效的短时交通流预测方法，通过异常值识别扩展了卡尔曼滤波，使其能对噪声进行识别和过滤——异常值识别卡尔曼滤波器。利用卡尔曼滤波能有效地过滤导致系统不确定性的交通流波动，但这可能会使指示交通流突变的细微线索丢失。为了提升预测精度，应用离散小波变换对原始信号进行识别处理，在去掉异常值的同时保留原有对预测有效的信号源信息，此外还使用了历史参考值对预测值进行修正。最后，在四个基准数据集上的大量实验表明，与常用及最新的预测模型相比，其结果MAPE平均降低了2.919%，RMSE平均降低了79.582。