基于SVM+GA的客运车辆到站时间预测

摘要：

准确的客运车辆到站预测是城市智慧交通的基础服务,有助于减少信息盲区,优化车辆运营调度.提出了一种基于SVM的到站预测模型,考虑道路因素、大型节假日、天气、路况、运行距离、运行时间、排班信息七个因素的影响,改进道路路段为道路类型因素,使模型更适合于客运车辆.在此基础上,用遗传算法做参数寻优提高模型训练效率.以深圳-广州的客运班车GPS数据完成实验,对比证明SVM+GA模型应用于客运车辆行程时间预测具有更好的适应客性,准确高效.

关键词：智慧交通、客运车辆行程时间、支持向量机、遗传算法

所属期刊栏目：45

分类号：U491.1+4(交通工程与公路运输技术管理)

资助基金：国家自然科学基金青年项目4140012165

在线出版日期：2017-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1062-1066,1085