学术探索
学术期刊
新闻热点
数据分析
智能评审

基于SVM与自适应时空数据融合的短时交通流量预测模型

被引：26
作者：
李巧茹 [1 ,2 ]
赵蓉 [1 ]
陈亮 [1 ,2 ]
机构：
[1] 河北工业大学土木工程学院
[2] 河北省土木工程技术研究中心
来源：
北京工业大学学报 | 2015年 / 41卷 / 04期
关键词：
短时交通流预测; 支持向量机; 自适应; 数据融合; 相关分析;
D O I：
暂无
中图分类号：
U491.112 [];
学科分类号：
摘要：
针对短时交通流变化周期性与随机性特点,选取时间和空间序列流量观测值作为支持向量机训练样本进行训练,使用空间序列预测值对交通流时间序列预测结果进行修正,并通过对历史时间空间序列预测结果的分析,动态调整其对未来预测的影响,建立基于SVM与自适应时空数据融合的短时交通流量预测模型.最后,将提出的预测模型与支持向量机时间序列预测模型、指数平滑法、多元回归法预测结果进行对比,结果表明:自适应时空数据融合预测模型可将预测平均相对误差控制在4%,明显高于其他模型预测精度.
引用
收藏
页码：597 / 602
页数：6
相关论文
共 14 条
12