基于改进SVM的城市道路短时交通状态预测

• 作者: 戚湧 朱丽 闫贺
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 短时交通状态预测 机器学习 MLSTBSVML1算法 TBSVM算法
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 全国机器学习会议论文专栏
• 页码范围: 129-137
• 页数: 9页
• 分类号: TP391
• 字数: 6511字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2019.03.017

摘要

为提高短时交通状态预测的精度,使交通管理者更有效地进行交通规划和管理,本文把基于L1范数距离度量的最小二乘孪生有界支持向量机(twin bounded support vector machine,TBSVM)扩展成多分类算法用于短时交通状态预测,简称MLSTBSVML1.在实验数据上对MLSTBSVML1算法的有效性进行验证,实验结果表明,相比于其他预测算法,提出的MLSTBSVML1算法在预测精度上有较大提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戚湧	南京理工大学计算机科学与工程学院	134	1347	20.0	31.0
2	朱丽	东南大学交通学院	5	5	2.0	2.0
4	闫贺	南京理工大学计算机科学与工程学院	1	0	0.0	0.0