基于混合算法优化SVM的短时交通流预测

• 作者: 刘春晓 梅朵 王秀芹 郑黎黎
• 来源期刊: 计算机技术与发展
• 学科: 交通运输
• 关键词: 城市交通 短时交通流预测 遗传算法 粒子群算法 支持向量机
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 92-95,100
• 页数: 5页
• 分类号: U491.2
• 字数: 3090字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.11.020

摘要

为了提高城市道路短时交通流预测的精度,提出了一种基于混合算法优化支持向量机的短时交通流预测模型.在粒子群算法中引入遗传算法的交叉和变异因子,对粒子群算法进行改进,然后用改进后的粒子群算法优化支持向量机,得到最优的支持向量机模型,最后实现城市道路的短时交通流预测.以检测器采集到的长春市路网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;与传统的支持向量机模型、粒子群优化支持向量机模型相比,所提出的混合算法优化支持向量机模型的相对误差波动较稳定,得到的短时交通流平均预测精度分别提高了3.63%和2.46%,说明所提出模型的短时交通流预测效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘春晓	渤海大学信息科学与技术学院	11	87	5.0	9.0
2	王秀芹	渤海大学信息科学与技术学院	10	31	3.0	5.0
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