本文關(guān)鍵詞：基于時(shí)空特征分析的短時(shí)交通流預(yù)測(cè)模型

  更多相關(guān)文章： 交通運(yùn)輸工程 交通量預(yù)測(cè) 時(shí)空特征分析 云模型 遺傳算法 支持向量機(jī)

【摘要】：交通流預(yù)測(cè)的實(shí)時(shí)性和準(zhǔn)確性直接影響到交通流誘導(dǎo)系統(tǒng)的高效性,是智能交通領(lǐng)域研究的熱點(diǎn)。為了進(jìn)一步提高短時(shí)交通流預(yù)測(cè)的精度,提出一種基于時(shí)空特征分析的短時(shí)交通流預(yù)測(cè)模型。在分析路段時(shí)空相關(guān)性的基礎(chǔ)上,利用云模型改進(jìn)的遺傳算法對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化,得到最優(yōu)的支持向量機(jī)模型,并實(shí)現(xiàn)短時(shí)交通流預(yù)測(cè)。以長(zhǎng)春市局部路網(wǎng)的實(shí)測(cè)數(shù)據(jù)為基礎(chǔ),驗(yàn)證了所提出模型的有效性和可行性。
【作者單位】： 河南交通職業(yè)技術(shù)學(xué)院交通信息工程系;
【關(guān)鍵詞】： 交通運(yùn)輸工程 交通量預(yù)測(cè) 時(shí)空特征分析 云模型 遺傳算法 支持向量機(jī)
【基金】：河南省交通運(yùn)輸廳科技計(jì)劃項(xiàng)目(2014G21)
【分類(lèi)號(hào)】：U491.14
【正文快照】： 0引言交通流預(yù)測(cè)在智能交通研究領(lǐng)域一直占據(jù)著舉足輕重的地位,通過(guò)國(guó)內(nèi)外研究學(xué)者的不斷努力,形成了多種方法,如Kalman濾波法[1]、時(shí)間序列法[2]、神經(jīng)網(wǎng)絡(luò)法[3]、支持向量機(jī)[4]等。由于基于單一模型的預(yù)測(cè)方法都存在缺陷,國(guó)內(nèi)外學(xué)者研究了很多基于組合理論的預(yù)測(cè)方法,如灰色

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 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(zhuān)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(lèi)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

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3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

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 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 尹振興;“機(jī)理+辨識(shí)”策略在短時(shí)交通流預(yù)測(cè)中多種結(jié)果合成[D];天津大學(xué);2008年

3 姜敏華;基于車(chē)行轉(zhuǎn)彎比例穩(wěn)定假設(shè)的短時(shí)交通流預(yù)測(cè)[D];上海交通大學(xué);2008年

4 張蕊;城市道路短時(shí)交通流預(yù)測(cè)[D];五邑大學(xué);2008年

5 韓超;短時(shí)交通流預(yù)測(cè)的研究[D];北方工業(yè)大學(xué);2012年

6 張麗;基于云平臺(tái)的短時(shí)交通流預(yù)測(cè)算法設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2013年

7 胡潔;基于混沌和神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)研究[D];武漢理工大學(xué);2007年

8 凌帥;基于非參數(shù)回歸的短時(shí)交通流預(yù)測(cè)系統(tǒng)設(shè)計(jì)[D];天津大學(xué);2010年

9 王瀝;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)研究[D];電子科技大學(xué);2012年

10 胡楓;基于馬爾科夫模型的短時(shí)交通流預(yù)測(cè)研究[D];南京郵電大學(xué);2013年

，

本文編號(hào)：553530