10.3963/j.issn.1674-4861.2017.02.010
基于时空GPSO-SVM的短时交通流预测
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%.
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
35
U491.2(交通工程与公路运输技术管理)
国家青年科学基金项目E080701;辽宁省自然科学基金项目2014020141
2017-06-02(万方平台首次上网日期,不代表论文的发表时间)
共8页
68-74,120