基于支持向量机的短时交通流预测方法.pdfVIP

杨 怡 (河北省邯郸市交通局．河北 邯郸 056002) 摘要 ：在介绍智能交通系统的特点和相关技术的基础上 ， SVR算法被用来处理短 时交通量预测 问题。实验证 明，支持 向量机在交通系统中的应用具有可行性、有效性和广阔的前景 。 关键词 ：支持 向量机 ；多类别分类算法；支持向量回归；智能交通系统 中图分类号 ：U491．14 文献标识码 ：B 文章编号 ：1002—4786(2009)06—0097—03 DOI：10．3869：j．1002-4786．2009．06．059 I Short—time TrafficForecastBased 0n SupportVectorMachine l № HebeiProvincial Handan Traffic Bureau，Handan 056002，China ( ， ，) 厂_] Abstract：Basedonthecharacteristicsandcorrelativetechnologiesofintelligenttransportsystem， l97l SVR arithmeticisusedtodisposetheshort-timetrafficforecast．Theexperimentprovesthattheap‘ I plicationofsupportvectormachinesintrafficsystem isoffeasibility，validityandwideforeground． I Keywords：supportvectormachine；multi—categorysortalgorithm；support vectorregression；in。 I telligenttransportsystem I II 随着通信技术、信息与电子工程以及计算机技 误地识别任意样本 的能力)之间寻求折衷 ，以期获 0 术的快速发展，智能交通系统越来越受到重视，同 得最好 的推广能力 (generalizationability)。支持 向 时人们对车型识别 、车牌识别和交通流预测等技术 量机训练得到的判别函数在形式上类似于前馈神经 提 出了更高要求 1【]。支持 向量机 (supportvector 网络 ，其输出是若干中间层节点的线性组合 ，而每 machine．SVM)t2~是根据有限的样本数据在模型复杂 个 中间层节点对应于输入样本和某个支持向量的内 性 (即对训练样本 的学习精度)和学习能力 (即无错 积运算 ，所以通常也被称为支持 向量机 网络 。本文 ●◇ ● ● ●0 ●0 ●0 ●0 ●0 ●● ● ●0 ●0 ●0 ●0 ● ● ● ●0 ●0 ●0 ●0 ●0 ● ●● ●o ●0 ●0 ●0 ● ●●0 ●0 ●◇ ● ● ● ● ● ● ● ● ● ● ● 施工工艺 ．在 国内一些城市也有较广泛的应用 。由 参考文献 于咬合桩在经济性和环境保护方面具有 比较突出的 [1]JGJ120—99，建筑基坑支护技术规程[S】． 优势 ．故其在基坑支护和桥梁基础工