基于支持向量机回归的短时交通流预测模型

• 作者: 傅贵 许子鑫 逯峰 韩国强
• 来源期刊: 华南理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 交通控制 短时交通流 预测模型 机器学习 支持向量机回归
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 71-76
• 页数: 6页
• 分类号: TP391
• 字数: 3428字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-565X.2013.09.012

摘要

将交通流预测的理论和方法引入交通控制系统,可提高交通控制系统对交通流变化的自适应能力.为此,文中通过引入核函数把短时交通流预测问题转化为高维空间中的线性回归问题,提出了基于支持向量机回归的短时交通流预测模型,并利用广州市交通流检测系统的数据进行实验.结果表明,文中模型的预测结果与实际数据相吻合,预测误差小于基于卡尔曼滤波的预测方法,从而验证了该模型的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩国强	华南理工大学计算机科学与工程学院	101	934	14.0	26.0
2	傅贵	华南理工大学计算机科学与工程学院	2	120	2.0	2.0
3	逯峰		2	111	1.0	2.0
4	许子鑫	华南理工大学计算机科学与工程学院	1	111	1.0	1.0