基于PSO-SVM的短期交通流预测方法

• 作者: 徐建闽 曹成涛
• 来源期刊: 计算机工程与应用
• 学科: 交通运输
• 关键词: 粒子群优化 交通流预测 支持向量机 参数优化
• 年，卷（期）: 2007,（15）
• 所属期刊栏目: 博士论坛
• 页码范围: 12-14
• 页数: 3页
• 分类号: TP181|U491
• 字数: 3478字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2007.15.004

摘要

准确的交通流量预测是智能交通系统中的子群算法PSO优化参数的PSO-SVM短期交通流预测模型.模型利用支持向量机具有结构风险最小化的特性和粒子群算法快速全局优化特点,实现了数据降维并且保持了交通流序列的特征,因此可以高效地预测交通流量.用G107国道现场采集的数据仿真表明了该模型的有效性,预测平均误差为3.4%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐建闽	华南理工大学交通学院	354	5014	38.0	50.0
2	曹成涛	华南理工大学交通学院	14	182	8.0	13.0