本文關鍵詞：基于優(yōu)化參數的短時交通流預測仿真研究

  更多相關文章： 小波去噪 支持向量機 蟻群優(yōu)化 短時交通流預測

【摘要】：由于交通流數據具有很強的不確定性、時變性和非線性,交通流存在不確定性,傳統(tǒng)的短時交通流預測方法具有預測精度低、參數不易確定和適應能力差等缺點。針對上述問題,為提高短時交通流的預測精度,提出了一種小波去噪蟻群算法(ACO)優(yōu)化支持向量機(SVM)的短時交通流預測算法。首先,為提高數據的真實性,利用改進的小波閾值去噪法對采集到的數據進行去噪處理;其次,利用ACO算法優(yōu)化SVM參數,并將優(yōu)化后的SVM對交通流數據進行建模;最后,將所提出的小波去噪ACO優(yōu)化SVM模型利用某交叉口的實測數據與其他模型進行仿真對比實驗。結果表明,所提出的方法改善了傳統(tǒng)方法存在的缺陷,提高了預測精度,為實際交通干線上車輛的協調控制提供了依據。
【作者單位】： 河南理工大學電氣工程與自動化學院;
【關鍵詞】： 小波去噪 支持向量機 蟻群優(yōu)化 短時交通流預測
【分類號】：TP391.9
【正文快照】： 1引言目前城市交通系統(tǒng)發(fā)展的越來越復雜,其動態(tài)性也不易控制,特別是隨著觀測時間的縮短,交通流的預測難度也隨之增加。而準確及時的短時交通流預測方便人們的出行,可以緩解或解決交通擁堵問題[1,2]。國內外學者針對短時交通流預測這一熱門問題早已做出了深入研究,短時交通流

【相似文獻】

中國重要會議論文全文數據庫 前4條

1 鄭德署;何世偉;許旺土;;分形理論在短時交通流預測中的應用[A];2008第四屆中國智能交通年會論文集[C];2008年

2 唐麗娜;張衛(wèi)華;;短時交通流預測方法的比較研究[A];2007第三屆中國智能交通年會論文集[C];2007年

3 于建玲;商朋見;關積珍;;改進的相空間重構方法在短時交通流預測中的應用[A];2008第四屆中國智能交通年會論文集[C];2008年

4 楊錦偉;肖新平;郭金海;;基于灰關聯與少數據云推理的短時交通流預測[A];第25屆全國灰色系統(tǒng)會議論文集[C];2014年

中國博士學位論文全文數據庫 前1條

1 姚智勝;基于實時數據的道路網短時交通流預測理論與方法研究[D];北京交通大學;2007年

中國碩士學位論文全文數據庫 前10條

1 高為;基于數據挖掘和數據融合的短時交通流預測研究[D];重慶交通大學;2011年

2 尹振興;“機理+辨識”策略在短時交通流預測中多種結果合成[D];天津大學;2008年

3 姜敏華;基于車行轉彎比例穩(wěn)定假設的短時交通流預測[D];上海交通大學;2008年

4 張蕊;城市道路短時交通流預測[D];五邑大學;2008年

5 韓超;短時交通流預測的研究[D];北方工業(yè)大學;2012年

6 張麗;基于云平臺的短時交通流預測算法設計與實現[D];大連理工大學;2013年

7 胡潔;基于混沌和神經網絡的短時交通流預測研究[D];武漢理工大學;2007年

8 凌帥;基于非參數回歸的短時交通流預測系統(tǒng)設計[D];天津大學;2010年

9 王瀝;基于改進神經網絡的短時交通流預測研究[D];電子科技大學;2012年

10 胡楓;基于馬爾科夫模型的短時交通流預測研究[D];南京郵電大學;2013年

，

本文編號：766058