基于支持向量机回归的短时交通流预测模型.pdf

华 南 理 工 大 学 学 报 （自然科 学版） 第４１卷 第９期 ＪｏｕｒｎａｌｏｆＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ Ｖｏｌ．４１　Ｎｏ．９ ２０１３年９月 （ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ｓｅｐｔｅｍｂｅｒ　２０１３ 文章编号：１０００５６５Ｘ（２０１３）０９００７１０６ 　 基于支持向量机回归的短时交通流预测模型 １ １ ２ １ 傅贵　韩国强　逯峰　许子鑫 （１．华南理工大学 计算机科学与工程学院，广东 广州５１０６４０；２．广州市交通管理科学技术研究所，广东 广州５１０６４０） 摘　要：将交通流预测的理论和方法引入交通控制系统，可提高交通控制系统对交通流 变化的自适应能力．为此，文中通过引入核函数把短时交通流预测问题转化为高维空间中 的线性回归问题，提出了基于支持向量机回归的短时交通流预测模型，并利用广州市交通 流检测系统的数据进行实验．结果表明，文中模型的预测结果与实际数据相吻合，预测误 差小于基于卡尔曼滤波的预测方法，从而验证了该模型的可行性和有效性． 关键词：交通控制；短时交通流；预测模型；机器学习；支持向量机回归 中图分类号：ＴＰ３９１　　 ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００５６５Ｘ．２０１３．０９．０１２ 　　城市道路交通是一个动态的复杂系统，随着观 模型，并应用于驾驶员信息服务系统中．对于非线性 ［３］ 测时间范围的缩小，交通特征由确定性向随机性过 预测模型，Ｄｅｎｄｒｉｎｏｓ 将突变理论应用于交通数据 渡转化，交通流的预测难度也随之提高．近年来，有 ［４］ 分析中；Ｈｕａｎｇ等 基于相空间重构理论提出了城 关短时交通流预测理论的研究得到国内外众多学者 市交通流的非线性混沌预测模型．对于神经网络模 的高度关注，已成为当前智能交通的研究热点之一． ［５］ 型，Ｃｏｒｉｎｎｅ 利用神经网络建立了每个路段及整个 通常，将未来５ｍｉｎ至１ｈ的交通流预测称为短时交 路网的交通流预测模型，并利用模拟数据对模型进 通流预测．短时交通流预测在智能交通控制和诱导 行验证，取得了较好的预测效果 ［６］ ．Ｊｉａｎｇ等 提出了 方面具有广泛的应用前景，可以缓解或解决城市交 一种用以预测实际交通流的动态小波神经网络模 通拥堵问题．短时交通流具有非线性、随机性和不确 ［７］ 型．邵春福等 提出了基于支持向量机回归的交通 定性等特征．目前，城市交通控制和诱导普遍采用预 状态短时预测方法． 设方案，少数城市采用基于交通流检测的自适应控 为提高交通控制系统对交通流变化的自适应能 制模式，基于短时交通流预测的智能交通控制和诱 力，文中提出了基于支持向量机回归（ＳＶＭＲ）的短 导的应用仍然较少． 时交通