《表3 基于不同模型的融合预测结果对比》

  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

《基于多源交通数据融合的短时交通流预测》

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

微波、地磁、浮动车与多源数据预测的平均绝对误差（MAE）分别为8.65、12.21、13.15、7.71，则多源融合预测累计误差小于单源数据预测序列误差；平均相对误差（MRE）分别为0.27、0.20、0.26、0.16，多源融合的MRE低于单源检测器预测的误差值，使预测值偏离实测值的离散程度得到改善。通过与MSE值对比，也可看出多源融合预测精度高于单源预测结果；因此基于多源融合的预测结果优于仅使用固定或移动数据的短时交通流预测序列。为验证GA-WNN模型融合预测可靠性，利用MATLAB将实测流量分别基于遗传神经网络（GA-NN）模型、小波神经网络（WNN）模型进行处理。表3为预测误差定量化分析；图5为不同模型预测结果比较曲线及其平均相对误差分布。