耦合AF-SVR的短时交通流量预测模型

发布时间：2018-02-23 01:29

  本文关键词： 短时交通流量 人工鱼群算法 支持向量回归机 BP神经网络　出处：《数学的实践与认识》2017年20期 　论文类型：期刊论文

【摘要】：交通流量预测是城市智能交通系统的重要研究内容之一,是缓解城市拥堵、实现智能交通管理和建设智慧城市的前提,基于短时交通流量的复杂性及非线性等特点,提出耦合AF-SVR的短时交通流量预测模型.模型结合了鱼群算法较好的并行搜索性能和支持向量回归机较好的非线性拟合能力,利用该模型对短时交通流量数据进行仿真实验,结果表明:模型较BP神经网络预测模型具有较高的预测精度,是短时交通流预测的一种有效方法.
[Abstract]:Traffic flow forecasting is one of the important research contents of urban intelligent transportation system. It is the premise of alleviating urban congestion, realizing intelligent traffic management and building intelligent city. It is based on the complexity and nonlinearity of short-term traffic flow. A short time traffic flow forecasting model coupled with AF-SVR is proposed. The model combines the better parallel search performance of fish swarm algorithm and the better nonlinear fitting ability of support vector regression machine. The model is used to simulate the short time traffic flow data. The results show that the prediction accuracy of the model is higher than that of the BP neural network model, and it is an effective method for short-term traffic flow prediction.
【作者单位】： 大同煤炭职业技术学院教务处;
【分类号】：TP18;U491.14

【相似文献】

相关期刊论文 前10条

1 王伟平,董佑平;短时交通流智能预测方法的研究[J];山东交通学院学报;2004年02期

2 唐明,陈宝星,柳伍生;基于相空间重构的短时交通流分形研究[J];山东交通学院学报;2004年01期

3 华冬冬,陈森发;非线性短时交通流的一种神经网络预测方法[J];现代交通技术;2004年01期

4 田晶;杨玉珍;陈阳舟;;短时交通流量两种预测方法的研究[J];公路交通科技;2006年04期

5 蒋海峰;马瑞军;魏学业;温伟刚;;一种基于小数据量的快速识别短时交通流混沌特性的方法[J];铁道学报;2006年02期

6 蒋海峰;王鼎媛;张仲义;;短时交通流的非线性动力学特性[J];中国公路学报;2008年03期

7 李松;刘力军;郭海玲;;短时交通流混沌预测方法的比较[J];系统工程;2009年09期

8 许伦辉;唐德华;邹娜;夏新海;;基于非线性时间序列分析的短时交通流特性分析[J];重庆交通大学学报(自然科学版);2010年01期

9 李雁;陆海亭;张宁;;一种短时交通流异常数据识别新算法[J];公路交通科技(应用技术版);2010年04期

10 承向军;刘军;马敏书;;基于分形理论的短时交通流预测算法[J];交通运输系统工程与信息;2010年04期

相关会议论文 前2条

1 翁小雄;翦俊;;短时交通流频谱分析与预测[A];第二十六届中国控制会议论文集[C];2007年

2 张利;李星毅;施化吉;;一种基于ARIMA模型的短时交通流量改进预测算法[A];2007第三届中国智能交通年会论文集[C];2007年

相关重要报纸文章 前1条

1 本报记者 李婵;交通拥堵为何预测不准[N];北京科技报;2010年

相关博士学位论文 前2条

1 郭欢;基于灰理论的短时交通流动力学建模预测与优化研究[D];武汉理工大学;2013年

2 张晓利;基于非参数回归的短时交通流量预测方法研究[D];天津大学;2007年

相关硕士学位论文 前10条

1 喻丹;基于小波理论的短时交通流预测方法研究[D];长沙理工大学;2008年

2 谢生龙;城市道路短时交通流动态预测方法研究与应用[D];长安大学;2015年

3 胡浩然;基于Hadoop平台的短时交通流预测算法研究[D];华南理工大学;2016年

4 符义琴;短时交通流分析及预测[D];南京信息工程大学;2016年

5 陈功;数据挖掘技术在智慧交通中的应用[D];电子科技大学;2016年

6 韦凌翔;基于RVM和ARIMA的短时交通流量预测方法研究[D];长安大学;2016年

7 武琼;基于支持向量回归的短时交通流预测方法研究与应用[D];长安大学;2016年

8 张玮玮;基于聚类分析的BP神经网络短时交通流预测方法研究[D];重庆邮电大学;2016年

9 顾敏佳;高速公路事故条件下的匝道协同控制方法研究[D];东南大学;2016年

10 刘芳;短时交通流量预测方法及应用[D];长沙理工大学;2015年

，

本文编号：1525798