基于相关向量机的短时交通流量平滑处理方法

被引:1
作者
韦凌翔 [1 ,2 ]
陈红 [1 ]
王永岗 [1 ]
张敏 [1 ]
王龙飞 [1 ]
机构
[1] 长安大学公路学院
[2] 盐城工学院材料工程学院
关键词
交通工程; 短时交通参数; 时间序列; 相关向量机; 参数平滑;
D O I
10.16152/j.cnki.xdxbzr.2017-01-007
中图分类号
U491 [交通工程与交通管理];
学科分类号
082302 ; 082303 ;
摘要
提出了一种基于相关向量机建模与求解思想的短时交通时序数据平滑处理方法,对短时交通时序参数平滑处理方法的流程进行了设计,并选取均方根误差、模型训练时间等作为评价指标。以西安市南二环快速路在不同时间尺度下的短时交通量实测数据对该平滑处理方法的有效性进行了验证,结果表明,提出的数据平滑处理方法可为分析城市短时交通时序参数态势变化规律、提高其参数预测精度等方面提供科学方法和理论支撑。
引用
收藏
页码:38 / 42
页数:5
相关论文
共 11 条
[1]   中国城市机动化发展情况及政策分析 [J].
戴帅 ;
刘金广 ;
朱建安 ;
巩建国 .
城市交通, 2015, 13 (02) :42-47
[2]   短时交通流复杂动力学特性分析及预测 [J].
张洪宾 ;
孙小端 ;
贺玉龙 .
物理学报, 2014, 63 (04) :55-62
[3]   基于交通数据融合技术的行程时间预测模型 [J].
李嘉 ;
刘春华 ;
胡赛阳 ;
王芳 .
湖南大学学报(自然科学版), 2014, 41 (01) :33-38
[4]   基于局域相关向量机回归模型的小尺度网络流量的非线性预测 [J].
孟庆芳 ;
陈月辉 ;
冯志全 ;
王枫林 ;
陈珊珊 .
物理学报, 2013, 62 (15) :96-102
[5]   悉尼自适应交通控制系统线圈数据短时多步预测双层模型 [J].
李琦 ;
姜桂艳 .
吉林大学学报(工学版) , 2013, (04) :854-860
[6]   道路交通流状态的多参数融合预测方法 [J].
马庆禄 ;
刘卫宁 ;
孙棣华 .
物理学报, 2012, 61 (16) :535-542
[7]   基于BP神经网络的交通数据序列动态可预测性分析方法 [J].
姜桂艳 ;
常安德 ;
牛世峰 ;
丛玉良 ;
程德明 ;
王秋兰 .
北京工业大学学报, 2011, 37 (07) :1019-1026
[8]   基于混沌时间序列分析法的短时交通流预测研究 [J].
薛洁妮 ;
史忠科 .
交通运输系统工程与信息, 2008, (05) :68-72
[9]   数据挖掘在智能交通系统中的应用 [J].
张小利 ;
陈莉 .
西北大学学报(自然科学版), 2005, (06) :687-690
[10]   基于混沌理论的交通量实时预测 [J].
董超俊 ;
刘智勇 ;
邱祖廉 .
信息与控制, 2004, (05) :518-522