一种改进的短期交通流量预测算法研究

• 作者: 郭新
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 智能交通系统 交通流 在线学习 支持向量回归模型
• 年，卷（期）: 2015,（2）
• 页码范围: 103-107,112
• 页数: 6页
• 分类号: TP391
• 字数: 5683字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.02.024

摘要

短期交通流量预测已经成为智能交通系统的重要研究领域。为了进行流量动态分配，积极有效地运行交通管理系统，必须要准确估计交通流量。在预测短期流量时，近期流量信息显然对将来短期流量预测具有重要的预示作用，即应该考虑取决于交通流量数据时差的相对重要性。文中提出一种新的短期流量预测模型：基于在线学习的加权支持向量回归模型( OLWSVR)。 OLWSVR模型与多种知名预测模型(包括人工神经网络模型、局部加权回归模型、传统的支持向量回归模型，及在线学习支持向量模型)进行比较。结果表明，文中模型的性能优于其他当前模型的性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭新	广东交通职业技术学院交通信息学院	9	20	2.0	4.0