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(shí)交通流預(yù)測(cè)　出處：《中南大學(xué)學(xué)報(bào)(自然科學(xué)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(shí)交通流預(yù)測(cè) 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(duì)短時(shí)交通流數(shù)據(jù)的高度復(fù)雜性、隨機(jī)性和非穩(wěn)定性,為了進(jìn)一步提高短時(shí)交通流預(yù)測(cè)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(shí)交通流預(yù)測(cè)方法。通過(guò)灰色關(guān)聯(lián)度分析確定交通流預(yù)測(cè)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(yīng)線圈實(shí)測(cè)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證和對(duì)比分析。實(shí)驗(yàn)結(jié)果表明:PSO-PPR模型的短時(shí)交通流預(yù)測(cè)效果明顯提高,其平均預(yù)測(cè)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(xué)交通學(xué)院;青島理工大學(xué)汽車與交通學(xué)院;
【基金】：國(guó)家高技術(shù)研究發(fā)展計(jì)劃項(xiàng)目(2012AA112307) 國(guó)家科技支撐計(jì)劃項(xiàng)目(2014BAG03B03) 國(guó)家自然科學(xué)基金資助項(xiàng)目(51308248,51408257) 吉林省科技發(fā)展計(jì)劃青年科研基金資助項(xiàng)目(20140520134JH)~~
【分類號(hào)】：U491.112
【正文快照】： 準(zhǔn)確、可靠的交通流預(yù)測(cè)信息是智能交通系統(tǒng)(intelligent transportation systems,ITS)的基礎(chǔ)和關(guān)鍵,其預(yù)測(cè)精度直接影響著自適應(yīng)交通控制系統(tǒng)以及動(dòng)態(tài)交通誘導(dǎo)系統(tǒng)等多項(xiàng)ITS核心功能的應(yīng)用效果。由于交通流預(yù)測(cè)信息的重要性,短時(shí)交通流預(yù)測(cè)一直是智能交通領(lǐng)域的研究熱點(diǎn),并已

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 偶昌寶,俞亞南;短時(shí)交通流預(yù)測(cè)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(shí)交通流預(yù)測(cè)中的應(yīng)用[J];交通科技;2010年S1期

3 唐世星;;改進(jìn)的支持向量機(jī)算法在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[J];承德石油高等專科學(xué)校學(xué)報(bào);2012年01期

4 王嬌;李軍;;最小最大概率回歸機(jī)在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[J];公路交通科技;2014年02期

5 賀國(guó)光,李宇,馬壽峰;基于數(shù)學(xué)模型的短時(shí)交通流預(yù)測(cè)方法探討[J];系統(tǒng)工程理論與實(shí)踐;2000年12期

6 宗春光,宋靖雁,任江濤,胡堅(jiān)明;基于相空間重構(gòu)的短時(shí)交通流預(yù)測(cè)研究[J];公路交通科技;2003年04期

7 楊世堅(jiān),賀國(guó)光;基于模糊C均值聚類和神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)方法[J];系統(tǒng)工程;2004年08期

8 王進(jìn);史其信;;短時(shí)交通流預(yù)測(cè)模型綜述[J];中國(guó)公共安全(學(xué)術(shù)卷);2005年01期

9 楊芳明;朱順應(yīng);;基于小波的短時(shí)交通流預(yù)測(cè)[J];重慶交通學(xué)院學(xué)報(bào);2006年03期

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

相關(guān)會(huì)議論文 前4條

1 鄭德署;何世偉;許旺土;;分形理論在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

2 唐麗娜;張衛(wèi)華;;短時(shí)交通流預(yù)測(cè)方法的比較研究[A];2007第三屆中國(guó)智能交通年會(huì)論文集[C];2007年

3 于建玲;商朋見(jiàn);關(guān)積珍;;改進(jìn)的相空間重構(gòu)方法在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[A];2008第四屆中國(guó)智能交通年會(huì)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(shí)交通流預(yù)測(cè)[A];第25屆全國(guó)灰色系統(tǒng)會(huì)議論文集[C];2014年

相關(guān)博士學(xué)位論文 前1條

1 姚智勝;基于實(shí)時(shí)數(shù)據(jù)的道路網(wǎng)短時(shí)交通流預(yù)測(cè)理論與方法研究[D];北京交通大學(xué);2007年

相關(guān)碩士學(xué)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(shí)交通流預(yù)測(cè)研究[D];重慶交通大學(xué);2011年

2 齊霖;基于支持向量機(jī)回歸的短時(shí)交通流預(yù)測(cè)與系統(tǒng)實(shí)現(xiàn)[D];東北大學(xué);2013年

3 邱世崇;基于時(shí)空特性的城市道路短時(shí)交通流預(yù)測(cè)研究[D];重慶交通大學(xué);2015年

4 沈小峰;交通流量短時(shí)預(yù)測(cè)的算法研究[D];浙江工業(yè)大學(xué);2015年

5 江小燕;短時(shí)交通流預(yù)測(cè)方法研究[D];揚(yáng)州大學(xué);2015年

6 楊慧慧;城市交通流短時(shí)預(yù)測(cè)模型研究[D];河南理工大學(xué);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(xué);2016年

8 羅婷;模擬退火混沌粒子群算法在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[D];西南交通大學(xué);2016年

9 黃曉慧;基于布谷鳥(niǎo)算法的小波神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測(cè)研究[D];西南交通大學(xué);2016年

10 褚鵬宇;融合時(shí)空信息的短時(shí)交通流預(yù)測(cè)[D];西南交通大學(xué);2016年

，

本文編號(hào)：1375971