【摘要】：為有效提高短時(shí)交通流預(yù)測的精度,提出一種基于組合核相關(guān)向量機(jī)模型的短時(shí)交通流局域預(yù)測方法.首先利用C-C方法實(shí)現(xiàn)相空間重構(gòu),然后根據(jù)Hannan-Quinn準(zhǔn)則確定鄰近點(diǎn)個(gè)數(shù),進(jìn)而構(gòu)建基于粒子群優(yōu)化的組合核相關(guān)向量機(jī)模型,最后采用上海市南北高架快速路的感應(yīng)線圈實(shí)測數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證和對比分析.實(shí)驗(yàn)結(jié)果表明:基于組合核相關(guān)向量機(jī)模型的短時(shí)交通流局域預(yù)測方法的預(yù)測誤差和均等系數(shù)均優(yōu)于對比方法,其中,平均絕對百分比誤差比GKF-RVM模型、GKF-SVM模型和加權(quán)一階局域預(yù)測模型分別降低了29.2%、47.5%和59.5%,能夠進(jìn)一步提高短時(shí)交通流預(yù)測的精度.
[Abstract]:In order to effectively improve the accuracy of short-term traffic flow prediction, a short-term traffic flow local prediction method based on combined kernel correlation vector machine model is proposed. First, the phase space reconstruction is realized by C-C method, then the number of adjacent points is determined according to the Hannan-Quinn criterion, and then the combined kernel correlation vector machine model based on particle swarm optimization is constructed. Finally, the measured data of induction coil of Shanghai North and South Expressway are tested and compared. The experimental results show that the prediction error and parity coefficient of the short-term traffic flow prediction method based on the combined kernel correlation vector machine model are better than that of the contrast method. The average absolute percentage error is reduced by 29.2% and 59.5%, respectively, compared with the GKF-RVM model and the weighted first-order local prediction model, which can further improve the accuracy of short-term traffic flow prediction.
【作者單位】： 吉林大學(xué)交通學(xué)院;青島理工大學(xué)汽車與交通學(xué)院;
【基金】：“十二五”國家科技支撐計(jì)劃(2014BAG03B03) 國家自然科學(xué)基金青年基金(51308248,51408257)
【分類號】：U491.14

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐明,陳寶星,柳伍生;基于相空間重構(gòu)的短時(shí)交通流分形研究[J];山東交通學(xué)院學(xué)報(bào);2004年01期

2 華冬冬,陳森發(fā);非線性短時(shí)交通流的一種神經(jīng)網(wǎng)絡(luò)預(yù)測方法[J];現(xiàn)代交通技術(shù);2004年01期

3 田晶;楊玉珍;陳陽舟;;短時(shí)交通流量兩種預(yù)測方法的研究[J];公路交通科技;2006年04期

4 蔣海峰;馬瑞軍;魏學(xué)業(yè);溫偉剛;;一種基于小數(shù)據(jù)量的快速識別短時(shí)交通流混沌特性的方法[J];鐵道學(xué)報(bào);2006年02期

5 蔣海峰;王鼎媛;張仲義;;短時(shí)交通流的非線性動力學(xué)特性[J];中國公路學(xué)報(bào);2008年03期

6 李松;劉力軍;郭海玲;;短時(shí)交通流混沌預(yù)測方法的比較[J];系統(tǒng)工程;2009年09期

7 許倫輝;唐德華;鄒娜;夏新海;;基于非線性時(shí)間序列分析的短時(shí)交通流特性分析[J];重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

8 李雁;陸海亭;張寧;;一種短時(shí)交通流異常數(shù)據(jù)識別新算法[J];公路交通科技(應(yīng)用技術(shù)版);2010年04期

9 承向軍;劉軍;馬敏書;;基于分形理論的短時(shí)交通流預(yù)測算法[J];交通運(yùn)輸系統(tǒng)工程與信息;2010年04期

10 張立;謝忠玉;陳凱;;基于混沌理論的短時(shí)交通流局域預(yù)測模型[J];黑龍江工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2011年02期

相關(guān)會議論文 前2條

1 翁小雄;翦俊;;短時(shí)交通流頻譜分析與預(yù)測[A];第二十六屆中國控制會議論文集[C];2007年

2 張利;李星毅;施化吉;;一種基于ARIMA模型的短時(shí)交通流量改進(jìn)預(yù)測算法[A];2007第三屆中國智能交通年會論文集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 本報(bào)記者 李嬋;交通擁堵為何預(yù)測不準(zhǔn)[N];北京科技報(bào);2010年

相關(guān)博士學(xué)位論文 前2條

1 郭歡;基于灰理論的短時(shí)交通流動力學(xué)建模預(yù)測與優(yōu)化研究[D];武漢理工大學(xué);2013年

2 張曉利;基于非參數(shù)回歸的短時(shí)交通流量預(yù)測方法研究[D];天津大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 喻丹;基于小波理論的短時(shí)交通流預(yù)測方法研究[D];長沙理工大學(xué);2008年

2 謝生龍;城市道路短時(shí)交通流動態(tài)預(yù)測方法研究與應(yīng)用[D];長安大學(xué);2015年

3 胡浩然;基于Hadoop平臺的短時(shí)交通流預(yù)測算法研究[D];華南理工大學(xué);2016年

4 符義琴;短時(shí)交通流分析及預(yù)測[D];南京信息工程大學(xué);2016年

5 陳功;數(shù)據(jù)挖掘技術(shù)在智慧交通中的應(yīng)用[D];電子科技大學(xué);2016年

6 韋凌翔;基于RVM和ARIMA的短時(shí)交通流量預(yù)測方法研究[D];長安大學(xué);2016年

7 武瓊;基于支持向量回歸的短時(shí)交通流預(yù)測方法研究與應(yīng)用[D];長安大學(xué);2016年

8 張瑋瑋;基于聚類分析的BP神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測方法研究[D];重慶郵電大學(xué);2016年

9 顧敏佳;高速公路事故條件下的匝道協(xié)同控制方法研究[D];東南大學(xué);2016年

10 劉芳;短時(shí)交通流量預(yù)測方法及應(yīng)用[D];長沙理工大學(xué);2015年

，

本文編號：2236829