基于核自适应滤波的短时交通流量在线预测

• 作者: 李军 王秋莉
• 来源期刊: 测试科学与仪器
• 学科: 工学
• 关键词: 交通流量预测 核自适应滤波 核最小均方 核递推最小二乘 在线预测
• 年，卷（期）: 2018,（4）
• 页码范围: 326-334
• 页数: 9页
• 分类号: TP273+.2
• 字数: 1424字
• 语种: 英文
• DOI: 10.3969/j.issn.1674-8042.2018.04.004

摘要

针对传统交通流量预测模型准确率低的问题,提出一类基于核自适应滤波算法的在线自适应预测模型,包括核最小均方(kernel least mean square,KLMS)算法和固定预算核递推最小二乘(fixed-dudget kernel recursive least-square,FB-KRLS)算法.KLMS算法的计算复杂度较低且具有鲁棒性,能通过正则化过程,克服高维数据处理时正则化性能降低的问题.为进一步降低计算复杂度,引入稀疏技术到KLMS算法.为提高预测精度,提出了FB-KRLS算法.FB-KRLS算法是一种固定内存预算的在线学习方法,与以往的"近似线性依赖技术(approximate linear dependence,ALD)"技术不同,每次时间更新时并不"修剪"最旧的数据,而是"修剪"最无用的数据,从而抑制核矩阵的不断增长.为验证所提方法的有效性,将其应用于北京市实测交通流数据的单步及多步预测中,并在同等条件下,与在线自适应ALD-KRLS方法以及其他核学习方法进行了比较.实验结果表明,本文所提的滤波算法方法可以提高预测精度,其在线学习能力使得所提出的两种预测方法能自适应、实时地进行在线交通流量预测,从而满足了交通流量的实际特性,具有很好的应用潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李军	兰州交通大学自动化与电气工程学院	70	490	13.0	19.0
2	王秋莉	兰州交通大学自动化与电气工程学院	3	6	1.0	2.0