基于时空GPSO-SVM的短时交通流预测

• 作者: 冷强奎 梅朵 郑黎黎 鄂旭
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 城市交通 短时交通流预测 路网时空相关性 主成分分析 遗传算法 粒子群算法 支持向量机
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 交通信息工程与控制
• 页码范围: 68-74,120
• 页数: 8页
• 分类号: U491.2
• 字数: 4391字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2017.02.010

摘要

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鄂旭	渤海大学信息科学与技术学院	75	450	11.0	17.0
2	冷强奎	渤海大学信息科学与技术学院	13	51	4.0	7.0
3	郑黎黎	吉林大学交通学院	18	131	6.0	11.0
4	梅朵	渤海大学信息科学与技术学院	4	25	3.0	4.0