时空因素影响下在线短时交通量预测

被引：13

作者：

李林超 ^{[1
,2
,3
,4
]}

何赏璐 ^{[1
,2
,3
,4
]}

张健 ^{[1
,2
,3
,4
]}

机构：

[1] 东南大学江苏省城市智能交通重点实验室

[2] 东南大学江苏省现代城市交通技术协同创新中心

[3] 东南大学江苏省物联网技术与应用协同创新中心

[4] 东南大学物联网交通应用研究中心

来源：

交通运输系统工程与信息 | 2016年 / 16卷 / 05期

关键词：

智能交通; 短时交通量预测; 支持向量回归; 时空因素; 状态向量;

D O I：

10.16097/j.cnki.1009-6744.2016.05.025

中图分类号：

U491.14 [];

学科分类号：

082302 ; 082303 ;

摘要：

考虑交通流的时空因素进行短时交通流预测,能够提高预测的精度.为此,引入径向基核函数,将复杂的预测问题转化为高维空间的回归问题;然后,基于支持向量回归机并考虑时空因素影响作用建立在线的短时交通量预测模型,通过网格搜索的方法对模型参数进行优化;最后,构造时间—空间状态向量,通过不同的状态向量对时间和空间维度的影响进行了分析.利用高速公路检测器数据,对比不同模型的精度,对在线短时交通量预测模型的有效性和可行性进行了验证.结果表明:在线模型精度优于传统的支持向量回归模型,考虑时空因素影响后交通量预测模型具有更高的精度和稳定性.

引用

页码：165 / 171

页数：7

共 9 条

[1] Combining the Statistical Model and Heuristic Model to Predict Flow Rate [J].

Dong, Chunjiao ;

Richards, Stephen H. ;

Yang, Qingfang ;

Shao, Chunfu .

JOURNAL OF TRANSPORTATION ENGINEERING, 2014, 140 (07)

[2]

Online-SVR for short-term traffic flow prediction under typical and atypical traffic conditions.[J].Manoel Castro-Neto;Young-Seon Jeong;Myong-Kee Jeong;Lee D. Han.Expert Systems With Applications.2008, 3

[3] Comparison of parametric and nonparametric models for traffic flow forecasting [J].