《表2 各模型各车型预测精度》

  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QPSO-RBF神经网络的混合交通流车速预测模型》

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

从表2可知，车速时间序列随机性、非线性突出，算法在车速急速变化时仍具有较高了预测能力，相较于单一RBF网络、ARIMA模型、二次多项式回归模型，本算法对道路各车型车速进行预测时精度较高，其中，小客车平均绝对误差RMAE为3.95，平均相对误差RME为9.21%；出租车平均绝对误差RMAE为4.35，平均相对误差RME为10.83%；大型客货车平均绝对误差RMAE为2.65，平均相对误差RME为12.78%。由于道路车速动态性、随机性强，各车型平均绝对误差控制在5km/h以内，达到了路网状态评估实际应用中道路车速精度预测的要求，具有较强的适用性、鲁棒性。