基于奇异谱分析和CKF-LSSVM的短时交通流量预测

被引：16

作者：

商强 ^{[1
]}

杨兆升 ^{[1
,2
,3
]}

张伟 ^{[1
,2
,4
]}

邴其春 ^{[1
]}

周熙阳 ^{[1
]}

机构：

[1] 吉林大学交通学院

[2] 吉林大学汽车仿真与控制国家重点实验室

[3] 吉林大学吉林省道路交通重点实验室

[4] 山东高速公路股份有限公司

来源：

吉林大学学报(工学版) | 2016年 / 46卷 / 06期

关键词：

交通运输系统工程; 短时交通流预测; 奇异谱分析; 支持向量机; 组合核函数;

D O I：

10.13229/j.cnki.jdxbgxb2015-1339

中图分类号：

U491.14 []; TP18 [人工智能理论];

学科分类号：

082302 ; 082303 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了提高短时交通流预测的精度,提出了基于奇异谱分析和组合核函数最小二乘支持向量机(CKF-LSSVM)的短时交通流预测模型。首先,采用奇异谱分析方法,滤除交通流序列的噪声成分。然后,使用降噪后的交通流数据训练CKF-LSSVM,并通过粒子群优化算法确定模型参数。最后,以厦门市的实测数据为基础,对预测模型进行实验验证和对比分析。结果表明:本文所构建模型具有较好的预测效果,能够有效提高短时交通流预测精度。

引用

页码：1792 / 1798

页数：7

共 10 条

[1] 基于向量误差修正模型的短时交通参数预测 [J].

邴其春 ;

杨兆升 ;

周熙阳 ;

马明辉 .

吉林大学学报(工学版), 2015, 45 (04) :1076-1081

[2] 基于SSA的GPS坐标序列去噪及季节信号提取 [J].

罗勇 ;

匡翠林 ;

卢辰龙 ;

曾凡河 .

大地测量与地球动力学, 2015, 35 (03) :391-395

[3] 基于核自组织映射-前馈神经网络的交通流短时预测 [J].

龚勃文 ;

林赐云 ;

李静 ;

杨兆升 .

吉林大学学报(工学版) , 2011, (04) :938-943

[4]

A neuro-fuzzy combination model based on singular spectrum analysis for air transport demand forecasting[J] . Yi Xiao,John J. Liu,Yi Hu,Yingfeng Wang,Kin Keung Lai,Shouyang Wang.Journal of Air Transport Management . 2014

[5]

Forecasting urban traffic flow by SVR with continuous ACO[J] . Wei-Chiang Hong,Yucheng Dong,Feifeng Zheng,Chien-Yuan Lai.Applied Mathematical Modelling . 2010 (3)

[6] Predictions of Freeway Traffic Speeds and Volumes Using Vector Autoregressive Models [J].

Chandra, Srinivasa Ravi ;

Al-Deek, Haitham .

JOURNAL OF INTELLIGENT TRANSPORTATION SYSTEMS, 2009, 13 (02) :53-72

[7]

Accurate freeway travel time prediction with state-space neural networks under missing data[J] . J.W.C. van Lint,S.P. Hoogendoorn,H.J. van Zuylen.Transportation Research Part C . 2005 (5)

[8]

Real-time freeway traffic state estimation based on extended Kalman filter: a general approach[J] . Yibing Wang,Markos Papageorgiou.Transportation Research Part B . 2004 (2)

[9] A multivariate state space approach for urban traffic flow modeling and prediction [J].

Stathopoulos, A ;

Karlaftis, MG .

TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES, 2003, 11 (02) :121-135

[10]

Improved SVM regression using mixtures of kernels. Smits G F, Jordaan E M. Proceedings of the 2002 International Joint Conference on Neural Networks . 2002

← 1 →