10.3969/j.issn.1672-9870.2018.05.027
基于改进LSSVM的节假日高速公路行程时间预测
节假日高速公路交通量突增,导致路段行程时间不确定增加,严重扰乱人们的出行安排,因此有效的行程时间预测至为关键.首先对历史数据集按照节假日行程时间的分布规律进行分类,使得子数据集和特征向量之间的关系,与预测时段行程时间和特征向量之间的关系更加相似.然后对LSSVM(Least Squares Support Vector Machines)模型进行改进,通过构造混合核函数,降低了模型计算复杂度;对PSO优化算法进行改进,解决了标准PSO算法搜索精度低,容易陷入局部极值的缺点.最后使用改进LSSVM模型对不同数据集进行训练,完成行程时间的预测.研究表明:(1)对历史数据集的分类,提高了模型预测的准确性;(2)与传统模型相比,改进后的模型训练速度更快,预测精度更高.
行程时间预测、历史数据集分类、改进LSSVM模型、混合核函数、PSO算法
41
TP391(计算技术、计算机技术)
吉林省省级产业创新专项资金项目2016C090
2018-11-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
116-121