發(fā)布時間：2018-09-11 13:33

【摘要】：為有效提高短時交通流預測的精度,提出一種基于組合核相關向量機模型的短時交通流局域預測方法.首先利用C-C方法實現(xiàn)相空間重構(gòu),然后根據(jù)Hannan-Quinn準則確定鄰近點個數(shù),進而構(gòu)建基于粒子群優(yōu)化的組合核相關向量機模型,最后采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:基于組合核相關向量機模型的短時交通流局域預測方法的預測誤差和均等系數(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)一階局域預測模型分別降低了29.2%、47.5%和59.5%,能夠進一步提高短時交通流預測的精度.
[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】： 吉林大學交通學院;青島理工大學汽車與交通學院;
【基金】：“十二五”國家科技支撐計劃(2014BAG03B03) 國家自然科學基金青年基金(51308248,51408257)
【分類號】：U491.14

【相似文獻】

相關期刊論文 前10條

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

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

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

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

5 蔣海峰;王鼎媛;張仲義;;短時交通流的非線性動力學特性[J];中國公路學報;2008年03期

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

7 許倫輝;唐德華;鄒娜;夏新海;;基于非線性時間序列分析的短時交通流特性分析[J];重慶交通大學學報(自然科學版);2010年01期

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

9 承向軍;劉軍;馬敏書;;基于分形理論的短時交通流預測算法[J];交通運輸系統(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交通流局域預測模型[J];黑龍江工程學院學報(自然科學版);2011年02期

相關會議論文 前2條

1 翁小雄;翦俊;;短時交通流頻譜分析與預測[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模型的短時交通流量改進預測算法[A];2007第三屆中國智能交通年會論文集[C];2007年

相關重要報紙文章 前1條

1 本報記者 李嬋;交通擁堵為何預測不準[N];北京科技報;2010年

相關博士學位論文 前2條

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

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

相關碩士學位論文 前10條

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

2 謝生龍;城市道路短時交通流動態(tài)預測方法研究與應用[D];長安大學;2015年

3 胡浩然;基于Hadoop平臺的短時交通流預測算法研究[D];華南理工大學;2016年

4 符義琴;短時交通流分析及預測[D];南京信息工程大學;2016年

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

6 韋凌翔;基于RVM和ARIMA的短時交通流量預測方法研究[D];長安大學;2016年

7 武瓊;基于支持向量回歸的短時交通流預測方法研究與應用[D];長安大學;2016年

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

10 劉芳;短時交通流量預測方法及應用[D];長沙理工大學;2015年

，

本文編號：2236829