公路隧道交通量预测的粒子群高斯过程耦合模型.pdfVIP

第 39卷 第 1期 北 京 交 通 大 学 学 报 V01．39No．1 2015年 2月 J0 0FBEHINGJIA0T0NGUNIVERSITY F_eb．2015 文章编号：1673—02912【015)01—0033—07 IJOl：10．11860~．issn．1673—0291—2015．01．006 公路隧道交通量预测的粒子群高斯过程耦合模型 万 良勇1,2，刘开云 (1．北京交通大学 土木建筑工程学院，北京 100044；2．石家庄市轨道交通有限责任公司，石家庄 050011) 摘 要：交通量的预测对公路隧道运营期通风系统的节能降耗具有重大意义，将新型小样本学习机器高 斯过程引入隧道交通量预测，提出了一种组合核函数，用以改善单一核函数高斯过程的泛化性能，在网 络训练过程中采用粒子群优化算法，自动搜寻泛化性能最好的高斯过程超参数，形成粒子群高斯过程耦 合算法，并编写了相应的计算程序．对某公路隧道交通量进行了预测，结果表明：组合核函数高斯过程最 大预测相对误差仅为4．41％，平均相对误差为 1．96％；两种单一核函数高斯过程最大预测相对误差均 为6．68％，平均相对误差分别为2．7％和2．67％；粒子群高斯过程耦合模型可以高精度地用于隧道交通 量预测，且组合核函数可以提高单一核函数的泛化性能，并为其他类似工程提供借鉴． 关键词：隧道；交通量预测；粒子群高斯过程耦合模型；通风系统；人工智能 中图分类号 ：U457．3；TP182 文献标志码 ：A Trafficflow predictionmodelofhighwaytunnelbasedon PSO-Gaussianprocesscoupledalgorithm WAN Liangyong 一．LJU Kaiyun (1．SchoolofCivilEngineering，BeijingJiaotongUniversity，Beijing100044，China； 2．Sh~iazhuangMetroCo．，Ltd．，Sh~iazhuang050019，China) Abstract：Trafficflow predictionofhighwaytunnelinoperationperiodisofgreatsignificancetoenergy conservationand costreduction fortunnelventilation system．A new smallsamplelearningmachine— Gaussianprocess(GP)wasintroducedintothetunneltrafficflow forecastingandonecombinedkerne1 functionwasproposedtoimprovethegeneralizationperformanceofsinglekernelfunctionofGaussian process．Theparticleswarmoptimization(PSO)algorithmwasappliedtoautomaticallysearchsuperpa— rametersofGaussianprocessmodelwhichpossessthebestgeneralizationperfomr anceduringGPnetwork trainingcourse．thusfomr edthePSO—GPocupledalgorithm．Theocrrespondingcomputercodewaspro— grarnmedinMatlab．Seenfrom thetrafficflow predictionresultofonehighwaytunnel，themaximalrel— ativeerrorofcombinedkernelG