Logo 知识与财富的链接
基于SVM短时交通流量预测
Short-term Traffic Flow Prediction Based on SVM

基于SVM短时交通流量预测

ISSN:1001-6600
2012年第30卷第4期
蒋晓峰[1]    许伦辉[1]    朱悦[2] JIANG Xiao-feng[1] , XU Lun-hui[1] , ZHU Yue[2]
1. 华南理工大学土木与交通学院,广东广州,510461
2. 华南理工大学生物科学与工程学院,广东广州,510006

交通流量预测是智能交通系统中非常重要的研究领域,传统的预测方法在交通流量预测中有着非常广泛的应用.但是,在短时交通流量预测中,由于其影响因素错综复杂,传统的预测方法对于短时交通流量不能很好地进行预测.随着机器学习和数据挖掘各种理论的不断提出及完善,机器学习和数据挖掘与交通流量预测的结合是智能交通系统未来发展的一个重要方向.本文利用SVM (support vector machine)构建了短时交通流量预测模型,并利用遗传算法(genetic algorithm)对SVM的惩罚参数C和核参数σ进行优化,同时比较SVM中不同核函数,包括多项式核函数(polynomial kernel)和径向基核函数(RBF kernel)的预测效果.径向基SVM (RBF SVM)训练时间要比多项式SVM (polynomial SVM)短,预测准确率和精度也要比多项式SVM要好.从仿真结果上看,SVM非常适合应用于短时交通流量预测,能够取得很好的预测效果与精度.


关键词: SVM交通流量短时预测遗传算法
Key words:
认领
收 藏
点 赞
认领进度
0 %

发表评论

ISSN:1001-6600
2012年第30卷第4期

用户信息设置