基于机器学习的交通网络级联失效态辨识与预测

随着交通路网拥堵的问题加剧，道路交通拥堵又会演变成交通网络级联失效的问题。为有效缓解交通堵塞造成的级联失效问题，准确的短时交通流预测与级联失效态预测可以为交通路网提供可靠预警信息。首先，针对机器学习训练样本不精确的情况，提出了基于KNN-BPNN交通流预测模型，对短时交通流数据进行在线预测；其次，用机器学习的K均值聚类方法和KNN算法对交通状态进行判别，在此基础上给出级联失效态的识别方法对级联失效态进行识别；最后，提出基于BPNN的交通网络级联失效态模型进行预测。实例分析验证模型的结果表明，本文提出的KNN-BPNN组合预测模型可以为级联失效态预测提供可靠的交通流数据信息；BPNN在交通网络级联失效态预测方面也表现出较好的预测精度，可以准确的为道路交通网络级联失效提供预警信息。