基于粒子群优化投影寻踪回归模型的短时交通流预测

发布时间：2018-01-03 23:06

本文关键词：基于粒子群优化投影寻踪回归模型的短时交通流预测　出处：《中南大学学报(自然科学版)》2016年12期 　论文类型：期刊论文

【摘要】：针对短时交通流数据的高度复杂性、随机性和非稳定性,为了进一步提高短时交通流预测的精度,提出一种基于粒子群优化投影寻踪回归模型的短时交通流预测方法。通过灰色关联度分析确定交通流预测影响因子,然后采用粒子群优化算法构建非参数投影寻踪回归模型,并利用上海市南北高架快速路的感应线圈实测数据进行实验验证和对比分析。实验结果表明:PSO-PPR模型的短时交通流预测效果明显提高,其平均预测精度分别比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.
【作者单位】：吉林大学交通学院;青岛理工大学汽车与交通学院;
【基金】：国家高技术研究发展计划项目(2012AA112307) 国家科技支撑计划项目(2014BAG03B03) 国家自然科学基金资助项目(51308248,51408257) 吉林省科技发展计划青年科研基金资助项目(20140520134JH)~~
【分类号】：U491.112
【正文快照】： 准确、可靠的交通流预测信息是智能交通系统(intelligent transportation systems,ITS)的基础和关键,其预测精度直接影响着自适应交通控制系统以及动态交通诱导系统等多项ITS核心功能的应用效果。由于交通流预测信息的重要性,短时交通流预测一直是智能交通领域的研究热点,并已

【相似文献】