短時(shí)交通流預(yù)測(cè)方法研究.pdf

1、隨著智能交通技術(shù)的發(fā)展，車(chē)輛誘導(dǎo)系統(tǒng)作為智能交通系統(tǒng)的重要組成部分，已成為交通管理部門(mén)疏導(dǎo)城市道路交通的有效途徑。短時(shí)交通流預(yù)測(cè)作為車(chē)輛誘導(dǎo)系統(tǒng)的關(guān)鍵技術(shù)以及智能交通領(lǐng)域非常重要的理論基礎(chǔ)，通過(guò)對(duì)道路交通流的分析和預(yù)測(cè)，給用戶提供最佳的行駛路線，優(yōu)化交通管理方案，均衡交通流。
　　本文首先分析了短時(shí)交通流預(yù)測(cè)的背景、國(guó)內(nèi)外研究現(xiàn)狀以及課題研究意義，并在研究支持向量機(jī)原理的基礎(chǔ)上，提出了采用支持向量回歸(SVR)方法建立短時(shí)交通流預(yù)

2、測(cè)模型。
　　其次，基于SVM的研究，采用訓(xùn)練誤差的平方代替松弛變量，將不等式約束改進(jìn)為等式約束的方法，進(jìn)而提出了基于最小二乘支持向量回歸(LS-SVR)的交通流短時(shí)預(yù)測(cè)模型，從而避免求解二次規(guī)劃問(wèn)題，提高了模型訓(xùn)練的速度。同時(shí)，由于預(yù)測(cè)結(jié)果的精度受模型參數(shù)影響較大，為了進(jìn)一步提高模型的預(yù)測(cè)精度，提出了利用魚(yú)群算法(AFSA)來(lái)優(yōu)化LS-SVR中的參數(shù)，得到基于AFSA-LS-SVR的預(yù)測(cè)模型。
　　最后，本文將采集到的揚(yáng)州

3、雙橋崗2014年9月4日至6日的相關(guān)交通流量數(shù)據(jù)作為研究對(duì)象，分別利用SVR、LS-SVR、AFSA-LS-SVR預(yù)測(cè)模型對(duì)其進(jìn)行短時(shí)交通流預(yù)測(cè)，并將得到的結(jié)果進(jìn)行比較分析。仿真結(jié)果表明:LS-SVR模型的預(yù)測(cè)結(jié)果優(yōu)于SVR模型，且AFSA-LS-SVR模型的預(yù)測(cè)誤差更小，這說(shuō)明利用AFSA優(yōu)化LS-SVM的模型參數(shù)有利于提高模型的預(yù)測(cè)精度，同時(shí)也說(shuō)明AFSA-LS-SVR方法在預(yù)測(cè)方面具有一定程度上的優(yōu)越性，所以基于魚(yú)群優(yōu)化算法的最小