基于多维时空参数的道路短期交通状态预测

被引：32

作者：

刘晓玲

贾鹏

邬珊华

于滨

机构：

[1] 大连海事大学交通运输管理学院

来源：

交通运输系统工程与信息 | 2011年 / 11卷 / 04期

关键词：

智能交通; 多维时空参数; 支持向量机(SVM); 短期交通流; 预测;

D O I：

10.16097/j.cnki.1009-6744.2011.04.017

中图分类号：

U491 [交通工程与交通管理];

学科分类号：

082301 [道路与铁道工程];

摘要：

城市道路交通状态会同时受到时间、空间多维因素的影响.为对城市道路短期交通状态进行比较准确的预测,本文在分析多维时空参数的基础上,构造了基于支持向量机(SVM)的不同维数的道路短期交通状态预测模型,并通过贵阳市中心城区的出租车GPS数据对各种模型的预测精度进行了检验,分析各时空参数对道路交通状态的影响程度.结果表明,基于目标路段先前流量数据及下游路段交通状况的SVM模型具有较高的预测精度.为了进一步分析该模型的性能,将其与线性回归模型和ARMA模型进行了比较,实验结果显示,本文提出的SVM模型具有较好的预测效果,表明该方法是进行道路短期交通状态预测的有效手段.

引用

页码：140 / 146

页数：7

共 12 条

[1]

交通流量VNNTF神经网络模型及其预测研究 [J].