| 基于GA-LSSVR模型的路网短时交通流预测研究 |
| |
| 作者姓名： | 陈小波 刘祥 韦中杰 梁军 蔡英凤 陈龙 |
| |
| 作者单位： | 江苏大学a. 汽车工程研究院; b. 汽车与交通工程学院,江苏镇江212013 |
| |
| 基金项目： | 国家自然科学基金/ National Natural Science Foundation of China（51108209,61203244,61403172,61573171）; 交通运输部信息化项目/Information Project of Ministry of Transport（2013-364-836-900）;中国博士后科学基金/ China Postdoctoral Science Foundation（2015T80511,2014M561592）;江苏大学高级人才科研启动基金/ Talent Foundation of Jiangsu University（14JDG066）;福建省信息处理与智能控制重点实验室(闽江学院)/ Fujian Provincial Key Laboratory of Information Processing and Intelligent Control (Minjiang University)（MJUKF201724）. |
| |
| 摘 要： | 目前,很多短时交通流预测方法仅利用某一路段历史数据的时间相关性或者道路上下游路段的时空相关性进行交通流预测,未充分考虑路网所有路段之间的时空相关性.提出了一种基于稀疏混合遗传算法优化的最小二乘支持向量回归(LSSVR)模型,并应用于路网短时交通流预测.该预测模型不仅可以自动优化LSSVR模型参数,而且可以从高维路网交通流数据中选择有助于交通流预测的变量子集.实验结果表明,与LSSVR模型相比,所提方法具有更好的预测能力;而且,少量时空变量被选择出来构建预测模型,极大减少了信息冗余,改进了模型可解释性.
|
| 关 键 词： | 智能交通 变量选择 稀疏混合遗传算法 短时交通流预测 最小二乘支持向量 回归 |
| 收稿时间： | 2016-06-30 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《交通运输系统工程与信息》浏览原始摘要信息 |
|
点击此处可从《交通运输系统工程与信息》下载全文 |
|
