基于自回归模型与神经网络模型的车流量预测对比

车流量建模是车联网(vehicular Ad Hoc network,VANET)路由、多媒体接入协议、无线算法设计的基础。准确的车流量模型将对智能交通系统(intelligent transportation system,ITS)实时调度和车联网的信息安全起到十分重要的作用。基于上海市的交通流量数据,利用自回归(auto regressive,AR)模型与神经(back-propagation,BP)网络模型对车流量实测数据进行了仿真对比,给出了相应的预测结果。研究发现,两个模型均能有效地对数据进行跟踪与预测,但对不同时段数据预测的准确性有所不同。研究结果将为未来智能交通应用、车联网的理论研究等提供有力依据。