基于优化参数的短时交通流预测仿真研究
本文关键词:基于优化参数的短时交通流预测仿真研究
更多相关文章: 小波去噪 支持向量机 蚁群优化 短时交通流预测
【摘要】:由于交通流数据具有很强的不确定性、时变性和非线性,交通流存在不确定性,传统的短时交通流预测方法具有预测精度低、参数不易确定和适应能力差等缺点。针对上述问题,为提高短时交通流的预测精度,提出了一种小波去噪蚁群算法(ACO)优化支持向量机(SVM)的短时交通流预测算法。首先,为提高数据的真实性,利用改进的小波阈值去噪法对采集到的数据进行去噪处理;其次,利用ACO算法优化SVM参数,并将优化后的SVM对交通流数据进行建模;最后,将所提出的小波去噪ACO优化SVM模型利用某交叉口的实测数据与其他模型进行仿真对比实验。结果表明,所提出的方法改善了传统方法存在的缺陷,提高了预测精度,为实际交通干线上车辆的协调控制提供了依据。
【作者单位】: 河南理工大学电气工程与自动化学院;
【关键词】: 小波去噪 支持向量机 蚁群优化 短时交通流预测
【分类号】:TP391.9
【正文快照】: 1引言目前城市交通系统发展的越来越复杂,其动态性也不易控制,特别是随着观测时间的缩短,交通流的预测难度也随之增加。而准确及时的短时交通流预测方便人们的出行,可以缓解或解决交通拥堵问题[1,2]。国内外学者针对短时交通流预测这一热门问题早已做出了深入研究,短时交通流
【相似文献】
中国重要会议论文全文数据库 前4条
1 郑德署;何世伟;许旺土;;分形理论在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年
2 唐丽娜;张卫华;;短时交通流预测方法的比较研究[A];2007第三届中国智能交通年会论文集[C];2007年
3 于建玲;商朋见;关积珍;;改进的相空间重构方法在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年
4 杨锦伟;肖新平;郭金海;;基于灰关联与少数据云推理的短时交通流预测[A];第25届全国灰色系统会议论文集[C];2014年
中国博士学位论文全文数据库 前1条
1 姚智胜;基于实时数据的道路网短时交通流预测理论与方法研究[D];北京交通大学;2007年
中国硕士学位论文全文数据库 前10条
1 高为;基于数据挖掘和数据融合的短时交通流预测研究[D];重庆交通大学;2011年
2 尹振兴;“机理+辨识”策略在短时交通流预测中多种结果合成[D];天津大学;2008年
3 姜敏华;基于车行转弯比例稳定假设的短时交通流预测[D];上海交通大学;2008年
4 张蕊;城市道路短时交通流预测[D];五邑大学;2008年
5 韩超;短时交通流预测的研究[D];北方工业大学;2012年
6 张丽;基于云平台的短时交通流预测算法设计与实现[D];大连理工大学;2013年
7 胡洁;基于混沌和神经网络的短时交通流预测研究[D];武汉理工大学;2007年
8 凌帅;基于非参数回归的短时交通流预测系统设计[D];天津大学;2010年
9 王沥;基于改进神经网络的短时交通流预测研究[D];电子科技大学;2012年
10 胡枫;基于马尔科夫模型的短时交通流预测研究[D];南京邮电大学;2013年
,本文编号:766058
本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/766058.html