《表1 客流数据模型样本：基于融合模型动态权值的短期客流预测方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于融合模型动态权值的短期客流预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文结合卡尔曼滤波算法和KNN算法的特点，提出二维时间序列融合预测模型。首先，描述数据特征，将原始客流数据调整为基于横向和纵向的时间序列。为了增加预测的准确性，引入动态权重对所得横、纵向客流数据进行调整，构建一种融合模型。例如，为了预测k时刻的客流量q?（k），先分别根据卡尔曼滤波算法和KNN算法，实施并行预测，输出结果中基于横向公交客流数据预测得到的k时刻客流值qs1（k）和基于纵向公交客流预测得到的k时刻客流值qs2（k）。然后根据预测权重，对二维时间序列客流数据进行调整。本文基于二维时间序列数据对数据特征进行分析，表1给出了时间序列的一个简单示例。