發(fā)布時間：2017-07-04 06:02

  本文關(guān)鍵詞：交通流缺失數(shù)據(jù)的修補技術(shù)探究

  更多相關(guān)文章： 城市交通 交通數(shù)據(jù) LS-SVM模型 RBF神經(jīng)網(wǎng)絡(luò)模型 非線性回歸模型

【摘要】：城市道路交通中交通檢測器獲得的數(shù)據(jù)往往不完整,存在丟失現(xiàn)象,需要對其進行修補,以保證交通流預測模型的實際應(yīng)用精度。以離散和連續(xù)缺失的線圈檢測器交通流量數(shù)據(jù)為研究對象,提出一種基于最小二乘支持向量機(Least Squares Support Vector Machines,LS-SVM)的交通流時間序列數(shù)據(jù)修補模型,并將其結(jié)果與利用RBF神經(jīng)網(wǎng)絡(luò)模型和一元非線性回歸模型的結(jié)果進行比較。研究結(jié)果表明,LS-SVM模型修補精度優(yōu)于RBF(Radical Basis Function)神經(jīng)網(wǎng)絡(luò)模型和非線性回歸模型。最后,針對歷史數(shù)據(jù)缺失難以構(gòu)建LS-SVM模型的問題,提出了兩階段故障數(shù)據(jù)修補組合模型,取得了好的效果。
【作者單位】： 深圳職業(yè)技術(shù)學院汽車與交通學院;香港理工大學土木與結(jié)構(gòu)工程系;北京交通大學城市交通復雜系統(tǒng)理論與技術(shù)教育部重點實驗室;中山大學工學院廣東省智能交通系統(tǒng)重點實驗室;
【關(guān)鍵詞】： 城市交通 交通數(shù)據(jù) LS-SVM模型 RBF神經(jīng)網(wǎng)絡(luò)模型 非線性回歸模型
【基金】：國家重點基礎(chǔ)研究發(fā)展計劃資助課題(973 Program)(2012CB725403) 廣東省智能交通系統(tǒng)重點實驗室開放基金課題(201501005) 廣東省高等職業(yè)教育教學改革項目(701622J30P13) 深圳職業(yè)技術(shù)學院科技基金課題(601422K30021)~~
【分類號】：U491
【正文快照】： 3香港理工大學土木與結(jié)構(gòu)工程系,香港;4中山大學工學院廣東省智能交通系統(tǒng)重點實驗室,廣州510006)交通流信息是智能運輸系統(tǒng)(I n t e l l i g e n tTransportation Systems,ITS)研究和開發(fā)的基礎(chǔ),ITS的各種子功能都是以信息應(yīng)用為中心展開的。各種先進的交通檢測器實時采集動，

本文編號：516584