基于改进支持向量机模型的交通拥堵情况预测

• 作者: 宋祖康 杨阳 辜丽琼
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: MM-SVR 时间序列 交通流 交通拥堵预测
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 人工智能
• 页码范围: 61-64,68
• 页数: 5页
• 分类号: TP301
• 字数: 4652字
• 语种: 中文
• DOI: 10.11907/rjdk.191224

摘要

随着机动车数量的迅猛增加,城市交通拥堵状况日益严峻,城市道路拥堵严重影响着居民的日常工作和生活,因此研究道路拥堵程度,以及对道路拥堵变化进行预测则显得尤为重要.为此,构建一个基于拥堵指标的MM-SVR模型,在考虑下一时段可能到达路段的潜在车流量情况下,对道路拥堵情况进行深入探究.首先,融合速度、区域内交通流量构建道路拥堵程度指标,然后基于历史数据构建将马尔科夫链与支持向量机预测相结合的MM-SVR模型对道路拥堵进行预测,以向前n阶状态的交通流量和速度作为输入量,将道路拥堵程度指标作为输出量.在实例验证中,使用广州市某片区的实时交通流数据对模型效果进行评测,并且使用SVR以及Adaboosting模型进行对比实验.实验结果表明,该模型无论是在拟合优度还是预测误差上均优于对比模型,在实时反映交通流拥堵情况方面有着良好表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨阳	上海工程技术大学管理学院	8	3	1.0	1.0
2	宋祖康	上海工程技术大学管理学院	4	7	2.0	2.0
3	辜丽琼	上海工程技术大学管理学院	6	7	2.0	2.0