短时交通流预测中的特征选择算法研究

论文摘要

短时交通流预测是智能交通系统的重要基础,其精度直接影响到交通控制和诱导的效果.对于交通流预测中的非参数回归方法,其中一个重要的问题是状态向量的选取.本文提出基于ReliefF和Delta Test的特征选择算法来对特征向量进行选择.首先使用ReliefF算法根据特征和类别的相关性对状态向量进行快速初步筛选,加快算法的执行效率.接下来以Delta Test为性能指标,使用遗传算法对状态分量的权重进行进一步优选.最后通过基于实际数据的算例,对本文方法优选的状态向量与时间序列状态向量,简单时空关联向量进行了对比.结果表明,本文的方法在一般交通状态条件下和突变交通状态下都具有较好的性能.

论文目录

• 0 引言
• 1 交通流预测算法
•   1.1 算法框架
•   1.2 状态分量初步筛选
•   1.3状态分量优化选择
•     1.3.1 Delta Test
•     1.3.2遗传算法优化
•   1.4编码
•   1.5 适应度计算
• 2 算例实验及结果分析
•   2.1 实验设计
•   2.2 实验结果
•     2.2.1 状态向量
•     2.2.2 预测精度
•     2.2.3 流量突变时的跟随能力
• 3 结论

文章来源

类型: 期刊论文

作者: 万芳,黎光宇,贾宁,朱宁

关键词: 智能交通,短时交通流预测,状态向量选择,道路交通系统,方法

来源: 交通运输系统工程与信息 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 公路与水路运输

单位: 安徽交通职业技术学院城市轨道交通与信息工程系,天津大学管理与经济学部,天津市肿瘤医院

基金: 安徽省教育厅大规模在线开放课程(MOOC)示范项目《PHP》(2016mooc124)~~

分类号: U491.1

DOI: 10.16097/j.cnki.1009-6744.2019.02.031

页码: 216-222+254

总页数: 8

文件大小: 1758K

下载量: 431