基于粒子群优化的支持向量回归车道饱和度预测

基于粒子群优化的支持向量回归车道饱和度预测

论文摘要

针对复杂城市交通系统,建立基于粒子群优化的支持向量回归车道饱和度预测模型。首先,引入悉尼自适应交通控制系统中的交通数据,对路网的交通运行状况以及路口之间的关联关系进行分析,利用均值滤波方法对数据进行预处理,确保数据的可靠性。然后,基于支持向量回归方法建立车道饱和度预测模型,并引入粒子群优化算法对模型的参数值进行寻优,从而得到参数最优的车道饱和度预测回归模型。最后,对基于实际数据建立的模型进行验证。验证结果表明,预测数据与实测数据的拟合程度较高,所建立的预报模型能够有效预测将来车道饱和度信息,以及可能发生的道路拥堵。

论文目录

  • 0 引言
  • 1 问题描述
  • 2 饱和度预测建模
  •   2.1 数据预处理
  •   2.2 模型输入数据的主成分分析
  •   2.3 支持向量回归建模
  •   2.4 基于粒子群优化的参数寻优
  • 3 模型建立与测试
  • 4 结束语
  • 文章来源

    类型: 期刊论文

    作者: 温峻峰,李鑫,张浪文

    关键词: 交通控制系统,车道饱和度,粒子群优化,支持向量机,预测模型

    来源: 自动化仪表 2019年08期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 公路与水路运输,自动化技术

    单位: 中科天网(广东)科技有限公司,华南理工大学自动化科学与工程学院

    基金: 广东省科技计划基金资助项目(2018B010108001),广州市科技计划基金资助项目(201707010152)

    分类号: U491.54;TP18

    DOI: 10.16086/j.cnki.issn1000-0380.2018120057

    页码: 38-42

    总页数: 5

    文件大小: 769K

    下载量: 113

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于粒子群优化的支持向量回归车道饱和度预测
    下载Doc文档

    猜你喜欢