本文選題：交通流量預(yù)測(cè) + 模糊C-均值聚類(lèi)　； 參考：《中國(guó)電子科學(xué)研究院學(xué)報(bào)》2017年01期

【摘要】：對(duì)智能交通系統(tǒng)(ITS)短時(shí)交通流量預(yù)測(cè)問(wèn)題進(jìn)行研究,提出了一種聯(lián)合FCM與群集蜘蛛優(yōu)化SVR交通流量預(yù)測(cè)算法。首先采用FCM聚類(lèi)方法對(duì)交通流量數(shù)據(jù)預(yù)處理,得到基于時(shí)間節(jié)點(diǎn)分割的時(shí)序數(shù)據(jù)模塊,有效降低了數(shù)據(jù)差異性帶來(lái)的誤差影響;然后構(gòu)建基于群集蜘蛛優(yōu)化SVR模型,針對(duì)SVR參數(shù)選擇難題,在群集蜘蛛優(yōu)化算法中引入社會(huì)等級(jí)制度,動(dòng)態(tài)的將蜘蛛種群劃分為上中下三個(gè)階層,并根據(jù)不同階層個(gè)體適應(yīng)度大小,分別設(shè)計(jì)自適應(yīng)競(jìng)爭(zhēng)、"快搜"以及逆向?qū)W習(xí)機(jī)制,提高了算法尋優(yōu)精度;最后,運(yùn)用群集蜘蛛優(yōu)化SVR對(duì)各個(gè)交通流量數(shù)據(jù)時(shí)序模塊進(jìn)行預(yù)測(cè)評(píng)估。仿真結(jié)果表明,同其它預(yù)測(cè)算法相比,該算法預(yù)測(cè)平均絕對(duì)誤差降低了38.4~53.8%。
[Abstract]:In this paper, the problem of short time traffic flow prediction in intelligent transportation system (its) is studied, and a combined FCM and cluster spider optimization SVR traffic flow prediction algorithm is proposed. Firstly, the traffic flow data is preprocessed by using FCM clustering method, and the time series data module based on time node segmentation is obtained, which effectively reduces the error effect brought by the data difference. Then the optimized SVR model based on cluster spider is constructed. In order to solve the problem of SVR parameter selection, the social hierarchy system is introduced into the swarm spider optimization algorithm, and the spider population is dynamically divided into upper, middle and lower classes, and according to the individual fitness of different classes. Adaptive competition, "quick search" and reverse learning mechanism are designed respectively to improve the accuracy of the algorithm. Finally, the traffic flow data timing modules are predicted and evaluated by cluster spider optimization SVR. The simulation results show that, compared with other prediction algorithms, the prediction average absolute error of this algorithm is reduced by 38.4% or 53.8%.
【作者單位】： 廣東交通職業(yè)技術(shù)學(xué)院智能交通工程技術(shù)應(yīng)用中心;華南理工大學(xué);
【基金】：國(guó)家星火計(jì)劃項(xiàng)目:基于物聯(lián)網(wǎng)的光伏大棚智能控制技術(shù)應(yīng)用與示范(2015GA780024) 廣東省高等學(xué)校優(yōu)秀青年教師培養(yǎng)計(jì)劃項(xiàng)目:城市交通信號(hào)控制實(shí)時(shí)評(píng)價(jià)模型及其優(yōu)化方法研究(Yq2013180) 廣東省高等職業(yè)教育品牌專(zhuān)業(yè)建設(shè)項(xiàng)目:智能交通技術(shù)運(yùn)用(2016gzpp044)
【分類(lèi)號(hào)】：U491.14;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 潘昱,張晶;基于城市路口相關(guān)性的交通流量預(yù)測(cè)[J];交通與計(jì)算機(jī);2005年01期

2 劉世超;基于極大似然估計(jì)的路段交通流量預(yù)測(cè)[J];西南交通大學(xué)學(xué)報(bào);2005年02期

3 劉長(zhǎng)虹;陳志恒;黃虎;;城市短期交通流量預(yù)測(cè)方法的探討[J];現(xiàn)代交通技術(shù);2006年01期

4 侯明善;蘭云;;基于自適應(yīng)模糊神經(jīng)推理網(wǎng)絡(luò)的交通流量預(yù)測(cè)研究[J];機(jī)械科學(xué)與技術(shù);2006年10期

5 胡丹;肖建;車(chē)暢;;提升小波支持向量機(jī)在交通流量預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;2007年08期

6 姚亞夫;劉侃;;基于遺傳神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測(cè)研究[J];公路與汽運(yùn);2007年06期

7 范魯明;賀國(guó)光;;改進(jìn)非參數(shù)回歸在交通流量預(yù)測(cè)中的應(yīng)用[J];重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

8 叢新宇;虞慧群;范貴生;;基于組合模型的交通流量預(yù)測(cè)方法[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

9 劉長(zhǎng)虹;黃虎;陳力華;吳偉蔚;;基于隨機(jī)過(guò)程下的交通流量預(yù)測(cè)方法[J];上海工程技術(shù)大學(xué)學(xué)報(bào);2006年02期

10 猶勇;;組合預(yù)測(cè)方法在城市交通流量預(yù)測(cè)中的運(yùn)用[J];重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

相關(guān)會(huì)議論文 前7條

1 龐清樂(lè);;基于蟻群算法的交通流量預(yù)測(cè)[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[C];2009年

2 張勇;關(guān)偉;;基于多變量序列重構(gòu)的交通流量預(yù)測(cè)[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

3 劉強(qiáng);朱敏;王小維;邱震宇;;灰色神經(jīng)模型在空中交通流量預(yù)測(cè)中的應(yīng)用[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

4 劉智勇;徐今強(qiáng);李水友;;城市交通流量的混沌時(shí)間序列預(yù)測(cè)[A];04'中國(guó)企業(yè)自動(dòng)化和信息化建設(shè)論壇暨中南六省區(qū)自動(dòng)化學(xué)會(huì)學(xué)術(shù)年會(huì)專(zhuān)輯[C];2004年

5 周申培;嚴(yán)新平;;信息融合技術(shù)在交通流量預(yù)測(cè)中的應(yīng)用[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

6 于江波;陳后金;;基于分段學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測(cè)[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

7 蔣海峰;魏學(xué)業(yè);張屹;;基于加權(quán)一階局域法的短時(shí)交通流量預(yù)測(cè)的研究[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

相關(guān)碩士學(xué)位論文 前10條

1 胡孟杰;基于流量預(yù)測(cè)的交通信號(hào)控制技術(shù)研究[D];浙江工業(yè)大學(xué);2014年

2 慕偉;城市道路交通流預(yù)測(cè)與路徑選擇研究[D];浙江工業(yè)大學(xué);2015年

3 林海濤;面向短時(shí)交通流量預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)算法研究[D];南京郵電大學(xué);2016年

4 張仁初;寧波港船舶交通流量預(yù)測(cè)研究[D];大連海事大學(xué);2008年

5 朱文姍;擬建高速公路交通流量預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];中國(guó)科學(xué)院大學(xué)（工程管理與信息技術(shù)學(xué)院）;2014年

6 李波;基于小波分析和遺傳神經(jīng)網(wǎng)絡(luò)的短時(shí)城市交通流量預(yù)測(cè)研究[D];北京交通大學(xué);2012年

7 何偉;模糊神經(jīng)網(wǎng)絡(luò)在交通流量預(yù)測(cè)中的應(yīng)用研究[D];蘭州交通大學(xué);2012年

8 吳凱;基于神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測(cè)研究[D];南京郵電大學(xué);2013年

9 范魯明;基于非參數(shù)回歸的短時(shí)交通流量預(yù)測(cè)[D];天津大學(xué);2007年

10 吳杰;支持短時(shí)交通流量預(yù)測(cè)的概率圖模型構(gòu)建與推理[D];云南大學(xué);2012年

，

本文編號(hào)：1821414