10.3969/j.issn.1673-629X.2017.11.020
基于混合算法优化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,提出了一种基于混合算法优化支持向量机的短时交通流预测模型.在粒子群算法中引入遗传算法的交叉和变异因子,对粒子群算法进行改进,然后用改进后的粒子群算法优化支持向量机,得到最优的支持向量机模型,最后实现城市道路的短时交通流预测.以检测器采集到的长春市路网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;与传统的支持向量机模型、粒子群优化支持向量机模型相比,所提出的混合算法优化支持向量机模型的相对误差波动较稳定,得到的短时交通流平均预测精度分别提高了3.63%和2.46%,说明所提出模型的短时交通流预测效果更好.
城市交通、短时交通流预测、遗传算法、粒子群算法、支持向量机
27
U491.2(交通工程与公路运输技术管理)
国家青年科学基金E080701
2017-12-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
92-95,100