| 基于时空GPSO-SVM的短时交通流预测 |
| |
| 引用本文： | 梅朵, 郑黎黎, 冷强奎, 鄂旭. 基于时空GPSO-SVM的短时交通流预测[J]. 交通信息与安全, 2017, 35(2): 68-74,120. doi: 10.3963/j.issn.1674-4861.2017.02.010 |
| |
| 作者姓名： | 梅朵 郑黎黎 冷强奎 鄂旭 |
| |
| 作者单位： | 渤海大学信息科学与技术学院 辽宁 锦州 121013;;吉林大学交通学院 长春 130022;;渤海大学信息科学与技术学院 辽宁 锦州 121013;;渤海大学信息科学与技术学院 辽宁 锦州 121013 |
| |
| 基金项目： | 国家青年科学基金项目辽宁省自然科学基金项目 |
| |
| 摘 要： | 为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.
|
| 关 键 词： | 城市交通 短时交通流预测 路网时空相关性 主成分分析 遗传算法 粒子群算法 支持向量机 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《交通信息与安全》浏览原始摘要信息 |
|
点击此处可从《交通信息与安全》下载免费的PDF全文 |
|
