短时交通流预测FSMSVR模型.pdfVIP

第34卷第 6期 系统工程理论与实践 Vo1．34．NO．6 2014年 6月 SystemsEngineering Theory＆ Practice June．2014 文章编号：1000—6788(2014)06—1607—07 中图分类号：U491 文献标志码：A 短时交通流预测 FSM SVR 模型 袁 健 ，一，李茂同 ，范炳全 。 (1．上海理工大学光电信息与计算机工程学院，上海200093；2．上海理工大学 管理学院，上海200093) 摘 要 针对城市道路短时交通流的复杂非线性特点和以往的预测仅考虑典型交通条件 (无交通事 故等突发事件)的现状，结合交通流的特征，提出了一种有限状态机支持向量回归模型 (finitestate machineofsupportvectorregressionmodel，FSMSVR)的短时交通流预测机制．通过线性回归算 法和指数平滑算法划分交通流状态，根据各状态特点结合支持向量回归算法建立有限状态机工作 机制，实现涵盖典型和非典型交通条件的短时交通流预测．通过实验例证，对比了FSMSVR模型 和传统 SVR模型对城市道路 6min交通流的预测，研究结果表 明，该预测机制能够提高预测精确 度，在非典型条件下有着较好的预测表现． 关键词 交通流预测；交通状态；有限状态机；线性回归；指数平滑 A FSM SVR modelofshort—term trafficforecasting YUAN Jian ．LIMao—tong．FAN Bing—quan。 (1．SchoolofOptical—ElectricalandComputerEngineering，UniversityofShanghaiforScienceandTechnology，Shanghai 200093，China；2．CollegeofManagement，UniversityofShanghaiofrScienceandTechnology,Shanghai200093，China) Abstract Short—term trafficflow ofurbanroadsiscomplexandnonlinear，whilemostexistingliterature aboutshort—term trafficflow forecastingonly considertrafficflow undernormalconditionswhich donot includeincident．Soanew forecasting algorithm ，finitestatemachineofsupportvectorregressionmodel， is putforward．W e dividetraffic flow stateby linearregression and exponentialsmoothing．establish finitestatemachinebaseon SVR andtra币Cflow state．and makethemethod iSabletoadaptto both normalandtheatypicalconditions．Anempiricalstudy，contrastingtheFSM SVR modelto traditional SVR modelabouttramCflow prediction in 6min，showsthattheforecastmechanism can increasethe predictionaccuracy andhasagoodperformanceontheprediction ofatypicalconditions． Keywords trafficflow forecasting；trafficcondition；finite—statemachine；linearregression；exponential smoothing 1 引