适于城市交通时序空间数据预测的层叠泛化模型

发布时间：2017-09-03 01:24

  本文关键词：适于城市交通时序空间数据预测的层叠泛化模型

  更多相关文章： 时序数据分析 城市交通 集成学习 层叠泛化 鲁棒性

【摘要】：受地理过程的动态随机性影响,时序空间数据建模普遍存在先验知识缺乏与模型参数设置问题,导致单一模型难以有效地反映地理系统的整体运行状态。本文提出了一个普适性的集成学习框架,设计了基于异态集成学习的层叠泛化模型,按照组合模型最大化减小原始预测误差原则改进了层叠泛化模型平均输出的混合策略,并基于error-ambiguity decomposition对提出的层叠泛化模型的有效性进行了数学证明。基于北京市交通路网通行状态数据的实验结果表明,层叠泛化模型的均方根误差与平均绝对误差均小于单一模型;平均绝对误差方差均小于基于数理统计的混合模型,验证了层叠泛化模型在时序空间数据预测方面的优越性。
【作者单位】： 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室;
【关键词】： 时序数据分析 城市交通 集成学习 层叠泛化 鲁棒性
【基金】：国家自然科学基金项目(41271408、41401460)
【分类号】：U491;P208
【正文快照】： 1引言当前,随着ICT(Information Communication Tech-nology,ICT)技术的发展,越来越多的传感器被布置与应用到城市交通状态的数据搜集过程中,如浮动车、手机信令、红外探测仪、公交车辆及可穿戴设备,极大地丰富了智能交通系统(Intelligent TransportSystem,ITS)与城市GIS研究

【参考文献】

中国期刊全文数据库 前1条

1 于滨;杨忠振;林剑艺;;应用支持向量机预测公交车运行时间[J];系统工程理论与实践;2007年04期

【共引文献】

中国期刊全文数据库 前10条

1 姚宝珍;于滨;杨忠振;;基于公交车到站时间预测的动态滞站调度模型[J];北京工业大学学报;2011年06期

2 封云;马军海;;供应链需求预测的非线性方法研究[J];北京理工大学学报(社会科学版);2008年05期

3 陈圣兵;李正茂;王晓峰;;智能公交中基于条件映射的到站时间预测算法[J];计算机工程;2012年11期

4 向红艳;彭学文;;公交到站时间预测研究现状与发展趋势[J];交通信息与安全;2014年04期

5 谢玲;李培峰;朱巧明;;一种动态和自适应公交到站时间预测方法[J];计算机科学;2015年01期

6 姚宝珍;杨成永;于滨;;动态公交车辆运行时间预测模型[J];系统工程学报;2010年03期

7 李大铭;于滨;;公交运营的协控准点滞站调度模型[J];系统工程学报;2012年02期

8 吴奇;武书彦;刘静;;基于F_υ-SVM的机械故障诊断方法[J];系统工程理论与实践;2010年07期

9 孙涵;杨普容;成金华;;基于Matlab支持向量回归机的能源需求预测模型[J];系统工程理论与实践;2011年10期

10 于俊梅;杨毅;;基于支持向量回归机的公交站点客流量预测研究[J];烟台职业学院学报;2008年01期

中国博士学位论文全文数据库 前3条

1 姚宝珍;城市公交枢纽布局与运营调度方法研究[D];北京交通大学;2011年

2 封云;复杂供应链系统牛鞭效应的若干问题研究[D];天津大学;2008年

3 刘明君;基于混合交通流的信号交叉口机动车车头时距研究[D];北京交通大学;2010年

中国硕士学位论文全文数据库 前10条

1 赵明月;实时公交信息服务关键技术研究[D];上海交通大学;2012年

2 龙佳;公交车到站时间分布规律及其运行可靠性分析[D];中南大学;2012年

3 吴杨;通勤日活动—出行时间预测模型研究[D];吉林大学;2013年

4 杜雨威;城市公共交通服务可靠性评价方法研究[D];大连海事大学;2013年

5 李瑶;基于GPS的公交车辆到站预测模型设计与应用[D];大连海事大学;2013年

6 陈浩;基于车辆旅行时间分布规律的公交站点能力优化研究[D];中南大学;2013年

7 俞彬;基于无线互联网的嘉善城乡公交信息系统研究[D];华东理工大学;2014年

8 郑静;沪宁铁路沿线城市产业转移预测模型构建及应用问题研究[D];南京航空航天大学;2013年

9 史四虎;基于改进灰色系统-BP神经网络—支持向量机的需求预测模型研究[D];东北大学;2012年

10 谢玲;公交到站时间预测及换乘机制的研究[D];苏州大学;2014年

【二级参考文献】

中国期刊全文数据库 前1条

1 王定成,方廷健,高理富,马永军;支持向量机回归在线建模及应用[J];控制与决策;2003年01期

【相似文献】

中国期刊全文数据库 前10条

1 张沧生;崔丽娟;杨刚;倪志宏;;集成学习算法的比较研究[J];河北大学学报(自然科学版);2007年05期

2 朱敏;张永清;李梦龙;周大威;黄俊;;基于集成学习方法的蛋白质相互作用预测[J];四川大学学报(工程科学版);2011年03期

3 ;勘误[J];国土资源遥感;2014年01期

4 李凯;常圣领;高悦;;基于聚类技术的集成学习方法研究[J];河北大学学报(自然科学版);2009年02期

5 虞凡;杨利英;覃征;;异构集成学习中的观察学习机制研究(英文)[J];广西师范大学学报(自然科学版);2006年04期

6 李国正;李丹;;集成学习中特征选择技术[J];上海大学学报(自然科学版);2007年05期

7 杜培军;阿里木·赛买提;;高分辨率遥感影像分类的多示例集成学习[J];遥感学报;2013年01期

8 时雷;虎晓红;席磊;;基于集成学习的网页分类算法[J];郑州大学学报(理学版);2009年03期

9 王功孝;吴渝;李伟生;;基于粗糙集和集成学习的聊天知识抽取算法[J];广西师范大学学报(自然科学版);2008年03期

10 丁爽;白晨希;申石磊;;一种基于小波变换特征提取的集成学习算法[J];鲁东大学学报(自然科学版);2010年02期

中国重要会议论文全文数据库 前4条

1 关菁华;刘大有;贾海洋;;自适应多分类器集成学习算法[A];第二十五届中国数据库学术会议论文集（二）[C];2008年

2 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

3 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年

4 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

中国博士学位论文全文数据库 前10条

1 阿里木·赛买提(Alim.Samat);基于集成学习的全极化SAR图像分类研究[D];南京大学;2015年

2 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年

3 刘天羽;基于特征选择技术的集成学习方法及其应用研究[D];上海大学;2007年

4 尹华;面向高维和不平衡数据分类的集成学习研究[D];武汉大学;2012年

5 王清;集成学习中若干关键问题的研究[D];复旦大学;2011年

6 方育柯;集成学习理论研究及其在个性化推荐中的应用[D];电子科技大学;2011年

7 侯勇;特征提取与集成学习算法的研究及应用[D];北京科技大学;2015年

8 李烨;基于支持向量机的集成学习研究[D];上海交通大学;2007年

9 程丽丽;支持向量机集成学习算法研究[D];哈尔滨工程大学;2009年

10 林智勇;基于核方法的不平衡数据学习[D];华南理工大学;2009年

中国硕士学位论文全文数据库 前10条

1 高伟;基于半监督集成学习的情感分类方法研究[D];苏州大学;2015年

2 宋文展;基于抽样的集成进化算法研究[D];广西大学;2015年

3 张妤;支持向量机集成学习方法研究[D];山西大学;2008年

4 李涛;基于条件互信息的集成学习的研究与应用[D];中国海洋大学;2009年

5 杨长盛;基于成对差异性度量的选择性集成学习方法研究[D];安徽大学;2010年

6 曹振田;基于Q统计量的选择性集成学习研究[D];安徽大学;2010年

7 王丽丽;集成学习算法研究[D];广西大学;2006年

8 马冉冉;集成学习算法研究[D];山东科技大学;2010年

9 张新东;集成学习及其应用研究[D];石家庄经济学院;2010年

10 吴科主;基于多任务的多层次选择性集成学习的研究[D];安徽工业大学;2010年

，

本文编号：782042