Travel time prediction for highway network based on the ensemble empirical mode decomposition and random vector functional link network

پیش بینی زمان سفر، پشتیبانی داده ها برای مدیریت و بهره برداری از شبکه بزرگراه را تأمین می کند. برای مقابله با این مشکل، یک مدل مبتنی بر تجزیه حالت تجربی و یک شبکه پیوندی بردار تصادفی در این مقاله ارائه شده است. تجزیه حالت تجربی گروهی در ابتدا برای تجزیه سری داده های پیچیده سفر به چندین توابع ساده، که پس از آن توسط همان تعداد از شبکه پیوند عملکرد تصادفی بردار ارائه می شود، استفاده می شود. در نهایت، خروجی های تمام شبکه ها با اضافه شدن خطی به عنوان نتایج پیش بینی شده ترکیب می شوند. یک سری اطلاعات تاریخی سفر (از 1 آگوست 2016 تا 1 نوامبر 2016) دو بزرگراه در چین با مدل های پیشنهادی مورد بررسی قرار می گیرد. برای مقایسه، پنج مدل پیش بینی فردی و انواع مربوط به گروه خود برای یک کار انجام شده است. نتایج نشان می دهد که مدل پیشنهادی از نظر مدل خطای درصد مطلق متوسط ​​و خطای متوسط ​​مربع نرمال، بهتر از همه مدل های دیگر است. همانطور که برای سرعت محاسباتی، مدل پیشنهادی در میان تمام مدل های گروهی رتبه اول قرار دارد. علاوه بر این، تجزیه حالت تجربی گروهی بهتر از تجزیه حالت تجربی است. آزمون آماری فریدمن همچنین نتایج مقایسه را تایید می کند. نتایج تجربی نشان می دهد که مدل پیشنهادی به بهترین عملکرد کلی دست یافته و یک مدل بسیار امیدوار کننده برای پیش بینی زمان سفر پیچیده است.