一种结合SVM与卡尔曼滤波的短时交通流预测模型

• 作者: 刘琳 崔明 朱征宇
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 交通流 组合预测 支持向量机 卡尔曼滤波
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 248-251,278
• 页数: 5页
• 分类号: TP391
• 字数: 5472字
• 语种: 中文

摘要

针对短时交通流量的预测问题,提出了一种结合卡尔曼滤波与支持向量机的预测模型.该模型采用预测误差平方和与相关系数极大化准则智能选取恰当的预测方式,综合利用了支持向量机的稳定性与卡尔曼滤波的实时性,发挥了两种模型各自的优势.实验结果表明,该模型误差指标均低于单项预测模型.特别地,该模型在高峰时段的预测性能最佳,平均相对误差保持在8％以内,是短时交通流预测的一种有效可行的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱征宇	重庆大学计算机学院	86	1360	20.0	33.0
3	刘琳	重庆大学计算机学院	28	259	11.0	15.0
9	崔明	重庆大学计算机学院	5	107	5.0	5.0