基于优化SVM的路况预测分析框架.pdfVIP

第 3卷第 l2期 黑龙江科学 Vo1．3 No．12 2012年 l2月 HEILONGJIANG SCIENCE Dec．2012 基于优化 SVM的路况预测分析框架 高凤娇，吴 冈，田晓英，杨 洋 (黑龙江省科学院自动化研究所 ，哈尔滨 150090) 摘要：城市路况分析对于城市交通安全、交通疏导有着极为重要的意义。本研究首次提 出城市路况预测模型及相应 的多路段通行分析框架，采用基于支持向量机的智能学习技术实现城市分时多路段路况建模，采用基于粒子群算法优化 预测模型，提高模型可靠性，进而利用该模型进行实时路况分析，实现通行时间的精确估计和预测。 关键词：路况分析 ；支持向量机；粒子群算法 中图分类号： TD872 文献标志码： A 文章编号： 1674—8646(2012)12—0049—0：3 ForecastingFramework ofUrbanTrafncBasedonOptimized SupportVectorM achine GAOFeng—jiao，WUGang，TIANXiao—ying，YANGYang (TheInstituteofHeilongfiangAcademyofSciences，Harbin150090，China) Abstract：AutomationUrbantrafficanalysisforcitytrafficsafety，trafficchannelhasgreatsignificance．Thepaperwasthefirst toproposecitytrafficpredictionmodeland correspondingsectionsoftrafficnaalysistechnique．Fortime—sharingmulti—roads (TSMR)modeling，intelligencelearningtechnologybasedonsuppo~vectormachine(SVM)isutilized．Particleswarmoptimiza- tion(PSO)algorithmisemployedforoptimizingthemodelsandimprovingthereliability．WithTSMRmodel，trafficsituationcould beanalyzed，andthepassagetimeisabletoaccuratelyestimateandpredict． Keywords：urbantrafficanalysis；suppo~ vectormachine；particleswamr optimization 城市 的路况与人们生产生活紧密相关，无论对于材 建模的策略，以增强对于长路线全天路况建模 的可靠性和 料、产品的运输，还是对于人们出行都有着很大影响，因此 鲁棒性 ，进而对于影响城市路况的诸多因素进行统计分 对于城市路况进行预测 的重要性不言而喻。目前国内外 析 ，侧重多时段复杂车流量环境展开。 的路况预测技术主要面向高速公路的路况研究…，缺乏对 1 多路段路况预测系统架构 于城市内部的多路段路况分析及预测技术。以往研究对 象仅集中在高速公路，包括高速公路路面形状、隔离栏宽 预测城市路况通行情况的关键是建立起不同路段的 度及路面宽度等。但高速公路显著 的特征是只有出入 口 全天路况分析模型。这里采用基于支持向量机的智能学 才可以上下车，路面行车环境相对简单，而且分析系统需 习技术 J，研究实现城市分时多路段路况建模 ，采样基于 要 GPS信息作为输人，对车载 GPS采集装置依赖严重。由 粒子群算法优化单路段模型，提高模型可靠性 ，进而利用 于影响路况的因素较多 ，除了道路和车辆本身相关的要素 该模型进行通行时间的估计和预测。预i贝系统框图如图1 外 ，天气、季节及时段等因素对其影响也是不容忽视的，因 所示。系统的关键技术支撑包括：路况分析建模、路况模 此以往的路况分析系统的泛化推广能力有限。除此之外，