针对交通流量预测中一个固定模型无法适应多种环境的问题,以及面向数据流的模
型更新问题,提出了一种基于变结构动态贝叶斯网络的交通流量预测方法。该方法以复杂事件处理和事件上
下文为基础,通过上下文聚类进行历史数据的划分,并通过事件流在线聚类支持聚簇的更新。面向不同聚簇
的数据,采取搜索-打分的方法学习对应的贝叶斯网络结构,基于高斯混合模型实现贝叶斯网络的近似推断。
在线预测时根据当前上下文选择合适的模型或模型组合进行预测。真实和仿真数据上的实验结果表明,该方
法能够获得比当前常用方法更好的预测效果。
2021-09-04 15:52:40
1.86MB
智能交通系统
1