基于支持向量机的交通流组合预测模型.pdfVIP

第27卷 第2期 天 津 工 业 大 学 学 报 Vo1．27 No．2 2008年4月 JoURNAL oF TIANJIN PoLYTECHNIC UNIVERSITY April 2008 基于支持向量机的交通流组合预测模型 李 斌1,2，郗 涛 ，史明华 (1．天津工业大学 管理学院，天津 300160；2．天津市公安交通管理局，天津 300384) 摘 要：根据天津市某路口的历史数据，采用目前流行的历史平均模型、RBF神经网络、灰色预测法分别建立了天 津市某路口交通流量的单项预测模型，然后利用支持向量机模型对多个单项预测模型结果进行了组合预 测，以作为其最终的预测值．计算结果表明，采用非线性组合方法}匕采用单一预测方法的预测精度有了进 一 步的提高．}匕较适合交通流预测． 关键词：交通流预测：组合预测：支持向量机 中图分类号：U491．14 文献标识码：A 文章编号：1671～024X(2008)02—0073—04 Traffic flow combined forecast model of Support Vecorf Machine LI Bin 一，xI Tao ，SHI Ming-hua (1．School of Management，Tianjin Polytechnic University，Tianjin 300160，China；2．Tianjin Public Security Traffic Management，Tianjin 300384，China) Abstract：The single traffic flow forecasting models are established by using history average model，RBF neural network prediction model and grey prediction model based on the historical data of tra街c flow in some crossroad of Tianjin，China．Then the three individual predictions are mixed by the Support Vecoff Machine function and the results as the final prediction of the traffic flow．The test results show that the prediction on the basis of the combined forecast methods is precisive． Key words：traffic flow forecasting；combined forecast；Support Vecoff Machine 为解决交通拥挤和交通事故等诸多问题，各国都 历史数据的采集数量和精度有很大的差别，很难选择 非常重视对交通规划方法的研究．并且已研究开发了 到一个能适用于所有路段交通流预测的预测模型．因 很多有较强适用性的交通规划和控制系统．但所有这 此，为了利用全部有用信息，尽可能多地进行多路段 些系统的运行必须有一个前提条件，即能够利用所采 流量的预测，本文提出了基于支持向量机(SVM)的组 集的历史数据，对未来时段内的交通流做出连续、同 合预测模型．即先分别利用历史平均模型、灰色预测 步、准确的预测．同时这些预测数据的准确性也直接 法和径向基RBF神经网