10.3969/j.issn.1001-4616.2019.03.017
基于改进SVM的城市道路短时交通状态预测
为提高短时交通状态预测的精度,使交通管理者更有效地进行交通规划和管理,本文把基于L1范数距离度量的最小二乘孪生有界支持向量机(twin bounded support vector machine,TBSVM)扩展成多分类算法用于短时交通状态预测,简称MLSTBSVML1.在实验数据上对MLSTBSVML1算法的有效性进行验证,实验结果表明,相比于其他预测算法,提出的MLSTBSVML1算法在预测精度上有较大提升.
短时交通状态预测、机器学习、MLSTBSVML1算法、TBSVM算法
42
TP391(计算技术、计算机技术)
国家重点研究计划政府间国际科技创新合作重点专项2016YFE0108000;国家重点自然科学基金项目51238008;国家自然科学基金61272419、61772273;江苏省自然科学基金BK20141403;2018江苏省普通高校学术学位研究生科研创新计划项目KYCX180424
2019-11-01(万方平台首次上网日期,不代表论文的发表时间)
共9页
129-137