本文關(guān)鍵詞：基于粒子群優(yōu)化投影尋蹤回歸模型的短時交通流預測　出處：《中南大學學報(自然科學版)》2016年12期 　論文類型：期刊論文

  更多相關(guān)文章： 智能交通系統(tǒng) 短時交通流預測 投影尋蹤回歸模型 粒子群優(yōu)化 灰色關(guān)聯(lián)度分析

【摘要】：針對短時交通流數(shù)據(jù)的高度復雜性、隨機性和非穩(wěn)定性,為了進一步提高短時交通流預測的精度,提出一種基于粒子群優(yōu)化投影尋蹤回歸模型的短時交通流預測方法。通過灰色關(guān)聯(lián)度分析確定交通流預測影響因子,然后采用粒子群優(yōu)化算法構(gòu)建非參數(shù)投影尋蹤回歸模型,并利用上海市南北高架快速路的感應線圈實測數(shù)據(jù)進行實驗驗證和對比分析。實驗結(jié)果表明:PSO-PPR模型的短時交通流預測效果明顯提高,其平均預測精度分別比ARIMA模型和BPNN模型提高37.8%和27.2%。
[Abstract]:In view of the high complexity, randomness and instability of short-term traffic flow data, in order to further improve the accuracy of short-term traffic flow prediction. A short-term traffic flow prediction method based on particle swarm optimization projection pursuit regression model is proposed. The influence factors of traffic flow prediction are determined by grey correlation analysis. Then the non-parametric projection pursuit regression model is constructed by particle swarm optimization. The experimental results show that the short time traffic flow prediction effect of the 1: PSO-PPR model is obviously improved by using the measured data of induction coils of Shanghai North and South Expressway. The average prediction accuracy is 37.8% and 27.2 higher than that of ARIMA model and BPNN model, respectively.
【作者單位】： 吉林大學交通學院;青島理工大學汽車與交通學院;
【基金】：國家高技術(shù)研究發(fā)展計劃項目(2012AA112307) 國家科技支撐計劃項目(2014BAG03B03) 國家自然科學基金資助項目(51308248,51408257) 吉林省科技發(fā)展計劃青年科研基金資助項目(20140520134JH)~~
【分類號】：U491.112
【正文快照】： 準確、可靠的交通流預測信息是智能交通系統(tǒng)(intelligent transportation systems,ITS)的基礎(chǔ)和關(guān)鍵,其預測精度直接影響著自適應交通控制系統(tǒng)以及動態(tài)交通誘導系統(tǒng)等多項ITS核心功能的應用效果。由于交通流預測信息的重要性,短時交通流預測一直是智能交通領(lǐng)域的研究熱點,并已

【相似文獻】

相關(guān)期刊論文 前10條

1 偶昌寶,俞亞南;短時交通流預測的多層遞階方法[J];城市道橋與防洪;2004年05期

2 高麗梅;高鵬;陳俊波;;數(shù)據(jù)融合技術(shù)在短時交通流預測中的應用[J];交通科技;2010年S1期

3 唐世星;;改進的支持向量機算法在短時交通流預測中的應用[J];承德石油高等�？茖W校學報;2012年01期

4 王嬌;李軍;;最小最大概率回歸機在短時交通流預測中的應用[J];公路交通科技;2014年02期

5 賀國光,李宇,馬壽峰;基于數(shù)學模型的短時交通流預測方法探討[J];系統(tǒng)工程理論與實踐;2000年12期

6 宗春光,宋靖雁,任江濤,胡堅明;基于相空間重構(gòu)的短時交通流預測研究[J];公路交通科技;2003年04期

7 楊世堅,賀國光;基于模糊C均值聚類和神經(jīng)網(wǎng)絡的短時交通流預測方法[J];系統(tǒng)工程;2004年08期

8 王進;史其信;;短時交通流預測模型綜述[J];中國公共安全(學術(shù)卷);2005年01期

9 楊芳明;朱順應;;基于小波的短時交通流預測[J];重慶交通學院學報;2006年03期

10 鄧志龍;李全;陳茜;;基于灰色系統(tǒng)理論的短時交通流預測[J];公路交通技術(shù);2006年01期

相關(guān)會議論文 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(guān)積珍;;改進的相空間重構(gòu)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(guān)聯(lián)與少數(shù)據(jù)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

相關(guān)博士學位論文 前1條

1 姚智勝;基于實時數(shù)據(jù)的道路網(wǎng)短時交通流預測理論與方法研究[D];北京交通大學;2007年

相關(guān)碩士學位論文 前10條

1 高為;基于數(shù)據(jù)挖掘和數(shù)據(jù)融合的短時交通流預測研究[D];重慶交通大學;2011年

2 齊霖;基于支持向量機回歸的短時交通流預測與系統(tǒng)實現(xiàn)[D];東北大學;2013年

3 邱世崇;基于時空特性的城市道路短時交通流預測研究[D];重慶交通大學;2015年

4 沈小峰;交通流量短時預測的算法研究[D];浙江工業(yè)大學;2015年

5 江小燕;短時交通流預測方法研究[D];揚州大學;2015年

6 楊慧慧;城市交通流短時預測模型研究[D];河南理工大學;2015年

7 王鵬;基于嵌入式系統(tǒng)的城市智能交通控制器研究[D];遼寧科技大學;2016年

8 羅婷;模擬退火混沌粒子群算法在短時交通流預測中的應用[D];西南交通大學;2016年

9 黃曉慧;基于布谷鳥算法的小波神經(jīng)網(wǎng)絡短時交通流預測研究[D];西南交通大學;2016年

10 褚鵬宇;融合時空信息的短時交通流預測[D];西南交通大學;2016年

，

本文編號：1375971