一种基于高斯过程回归的交通流预测及信号配时优化方法

一种基于高斯过程回归的交通流预测及信号配时优化方法，包括以下步骤：1、通过交通检测单元与车联网终端采集混合交通流数据，结合历史数据构建时序数据集，并采用自相关函数分析确定差分区间以消除季节性影响；2、基于高斯过程回归建立短时交通流预测模型，融合径向基函数核与周期核量化预测不确定性；3、构建以平均延误、停车次数和通行能力为多目标的信号配时优化模型，约束条件包括绿灯时间与周期时长范围；4、采用改进的多群体遗传算法结合模拟退火求解模型，通过并行进化与概率跳变机制提升全局寻优能力。本发明通过数据预测‑优化闭环控制，显著降低交叉口延误，提升通行能力，适用于智能网联车与人工驾驶混行的动态交通场景。