基于物联网和PCA支持向量机的交通流量预测系统

发布时间：2018-11-08 18:47

【摘要】：为了解决已有交通流量监测系统存在的数据采集分散、车辆识别度低、实时性差和流量预测误差大等问题,设计了一种基于物联网技术和最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)的交通流量预测系统;首先,描述了系统原理和部署模型,然后对系统的硬件即车载传感器节点和Sink节点进行了设计,同时对系统的软件流程进行了描述,通过在监控中心执行PCA主成分分析方法实现对采集数据提取独立主成分,消除无关冗余数据,在此基础上采用LSSVM实现道路交流流量预测;最后,在十字路口布置实验环境,实验结果表明:文章方法能实时精确地实现交通流量预测,与其它方法相比,具有拟合精度高和的泛化能力强的优点,具有很强的实用性。
[Abstract]:In order to solve the problems existing in the existing traffic flow monitoring system, such as scattered data collection, low vehicle recognition, poor real-time performance and large flow prediction error, a new method based on Internet of things and least squares support vector machine (Least Squares Support Vector Machine,) is designed. The traffic flow forecasting system based on LSSVM; Firstly, the principle and deployment model of the system are described, then the hardware of the system, that is, the sensor node and the Sink node, are designed, and the software flow of the system is described. The PCA principal component analysis (PCA) method is implemented in the monitoring center to extract the independent principal components from the collected data, and the irrelevant redundant data is eliminated. On this basis, LSSVM is used to realize the traffic flow prediction. Finally, the experimental environment is arranged at the crossroads. The experimental results show that the proposed method can accurately predict the traffic flow in real time. Compared with other methods, it has the advantages of high fitting precision and strong generalization ability, and has strong practicability.
【作者单位】： 河南城建学院计算机科学与工程学院;
【基金】：河南省重点科技攻关项目(132102210478)
【分类号】：U491.1;TP274

【相似文献】

相关期刊论文 前10条

1 苏鑫;;国内交通科技成果:Google地图增加交通流量预测新功能[J];道路交通与安全;2009年02期

2 袁纶华;太原市城市干道系统交通流量预测和计算方法的探讨[J];国外城市规划;1981年02期

3 张良智,姜华平;基于遗传算法的交通流量组合预测[J];山东交通学院学报;2005年02期

4 胡丹;肖建;车畅;;提升小波支持向量机在交通流量预测中的应用[J];计算机应用研究;2007年08期

5 首艳芳;徐建闽;李红杰;;中国南部交通流量预测模型研究(英文)[J];科学技术与工程;2008年11期

6 李存军,邓红霞;用相关路段交通流逼近目标路段流量的神经网络方法[J];交通运输工程与信息学报;2004年01期

7 毛玉明;王英龙;张立东;;分段学习的双隐层BPNN对交通流量预测的研究[J];计算机工程与应用;2008年13期

8 张赫,杨兆升,李贻武;无检测器交叉口交通流量预测方法综合研究[J];公路交通科技;2002年01期

9 刘世超;基于极大似然估计的路段交通流量预测[J];西南交通大学学报;2005年02期

10 温惠英;李俊辉;;基于改进支持向量机的交通流量预测算法研究[J];交通与计算机;2008年02期

相关会议论文 前10条

1 刘智勇;徐今强;李水友;;城市交通流量的混沌时间序列预测[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年

2 庞清乐;;基于蚁群算法的交通流量预测[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

3 谷远利;余惠华;;动态交通流量预测方法研究[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（上册）[C];2005年

4 周申培;严新平;;信息融合技术在交通流量预测中的应用[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

5 于江波;陈后金;;基于分段学习的BP神经网络的交通流量预测[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

6 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

7 刘强;朱敏;王小维;邱震宇;;灰色神经模型在空中交通流量预测中的应用[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

8 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

9 高慧;赵建玉;贾磊;;基于前向型神经网络的短时交通流预测研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

10 王亚琴;覃明贵;朱建秋;朱扬勇;;智能交通中的数据挖掘技术[A];第一届中国智能交通年会论文集[C];2005年

相关重要报纸文章 前6条

1 记者 陈钧;CBD立体交通：水上桥梁 水底隧道[N];重庆日报;2006年

2 ;机场北线打开首都机场北大门[N];北京日报;2006年

3 司超慧;第三方缺失致9亿豪赌巨亏 中原高速被疑“利益输送”[N];经济视点报;2006年

4 记者 童凯　通讯员 何业;“绿波带”工程本月启动[N];泰州日报;2010年

5 记者 靳晓磊;我市将建第二条“石太高速”[N];石家庄日报;2009年

6 本报记者 郑明桥　通讯员 申志忠 陈欢;蛟龙入江穿南北 勇立潮头为人先[N];经济日报;2008年

相关硕士学位论文 前10条

1 李波;基于小波分析和遗传神经网络的短时城市交通流量预测研究[D];北京交通大学;2012年

2 易柳;无检测器路口交通流量预测方法研究[D];湘潭大学;2010年

3 屈凡;基于混沌和模糊神经网络的城市短时交通流量预测[D];长安大学;2012年

4 吴笛;基于信息融合技术的绕城高速交通流诱导系统模型研究[D];电子科技大学;2009年

5 原绍鹏;城市单交叉口的交通流量预测及信号控制[D];长安大学;2012年

6 杨国军;复杂道路情况下智能交通系统建模、控制与仿真[D];兰州交通大学;2013年

7 方良君;短时交通状态预测下的动态交通信号控制方法研究[D];浙江工业大学;2013年

8 毛小飞;基于小波包分析和支持向量回归机的交通流量预测方法研究[D];西华大学;2011年

9 何伟;模糊神经网络在交通流量预测中的应用研究[D];兰州交通大学;2012年

10 董卫斌;西安市南部区域交通组织规划研究[D];长安大学;2013年

，

本文编号：2319343