基于 BP神经网络与SVM的快速路行程时间组合预测研究

• 作者: 丁宏飞 刘博 李演洪 秦政
• 来源期刊: 计算机应用研究
• 关键词: 快速路行程时间 车牌识别数据 BP神经网络 支持向量机 组合预测
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2929-2932,2936
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.10.012

摘要

随着视频车牌采集系统的发展与完善，快速路行程时间的动态预测成为了可能。为了提高基于车牌识别数据的快速路行程时间预测精度及有效性，根据快速路车牌识别数据的特征和所能提取的信息，结合BP神经网络和支持向量机的预测优点，通过蜂群优化算法对BP神经网络和支持向量机模型的参数进行优化，提出了一种基于多模型融合预测算法（multi-model fusion algorithm，MMFA）的BP神经网络和支持向量机相结合的组合预测方法。最后选取成都市三环路某段上的视频车牌数据进行实例验证，结果表明该组合预测方法比单一的BP神经网络或者支持向量机具有更好的预测效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘博	西南交通大学交通运输与物流学院	23	190	6.0	13.0
2	丁宏飞		5	51	4.0	5.0
3	李演洪	西南交通大学交通运输与物流学院	8	55	4.0	7.0
4	秦政	西南交通大学交通运输与物流学院	6	59	4.0	6.0