并行优化KNN算法的交通运输路况预测模型

摘要：

针对标准KNN算法在交通运输路况预测的应用中还存在误差较高等问题。本文提出了一种基于改进粒子群并行优化KNN算法的交通运输路况预测模型，首先在采用粒子群算法对KNN算法进行优化前，引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行优化，然后采用最优化学习策略对改进粒子群算法的运算性能进行优化，最后采用改进的粒子群算法把改进的KNN算法的待优化参数随机初始化为一组粒子的位置和速度，并根据适应值函数计算每个粒子的适应度。仿真实验结果表明，本文提出的改进粒子群算法具有较好的收敛性能，基于改进粒子群并行优化的KNN算法在交通运输路况的预测中误差较小。

关键词：交通运输、路况预测、KNN预测模型、并行优化、粒子群算法、特征子集

所属期刊栏目：32

分类号：U491.1+4(交通工程与公路运输技术管理)

资助基金：河北省教育厅重点项目No.ZD2015059；唐山市科技局项目No.13130216Z。

在线出版日期：2016-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：182-186