基于遗传算法优化和KD树的交通流非参数回归预测方法.PDFVIP

第27 卷 第7 期 控 制 与 决 策 2012 年 7 月 Vol. 27 No. 7 Control and Decision Jul. 2012 文章编号: 1001-0920 (2012) 07-0991-06 基于遗传算法优化和KD 树的交通流非参数回归预测方法 贾 宁, 马寿峰, 钟石泉 (天津大学管理与经济学部，天津300072) 摘 要: 非参数回归预测方法在交通流短时预测中得到了广泛应用. 针对提高搜索速度和关键参数的优化设置两个 问题, 提出使用KD 树作为模式库的存储结构, 能够有效提高搜索速度, 并且能够在实际运行中不断将新发现的交通 流模式实时地加入模式库. 提出使用遗传算法对非参数回归中的重要参数进行优化, 实验表明能够得到相对较优的 参数设置. 所得研究结果为实时的交通流短时预测系统提供了一种较好的预测方法. 关键词: 交通流预测；非参数回归；近邻搜索；KD 树；遗传算法 中图分类号: TP273 文献标识码: A Non-parameter-regression traffic flow forecast method based on KD-tree and genetic optimization JIA Ning, MA Shou-feng, ZHONG Shi-quan (College of Management and Economics，Tianjin University ，Tianjin 300072 ，China. Correspondent ：JIA Ning, E-mail ：jianing.BLGT@) Abstract: Non-parametric regression forecasting method is widely used in short-term traffic flow forecasting. To improve its searching speed and parameters optimization, the -dimension(KD) tree is used as the structure of the pattern database, which can effectively increase the searching efficiency and allow newly-recognized traffic flow pattern to insert into the pattern database dynamically. Then, the genetic algorithm is used to optimize parameters setting. Experiment results show that better parameters are found by using the algorithm. These results are valuable for the short-term traffic flow forecasting system. Key words: traffic flow forecasting ；non-parametric regression ；nearest neighbor search ；-dimension tree ；genetic algorithm 1 引引引 言言言 献[6] 提出了基于动态聚类和散列表的模式库组织方 实时准确的短时交通流预测对于交通管控有着 法, 文献[7] 提出先将历史数据进行聚类, 然后使用二 重要的意义. 由于交通流具有很强的不确定性和非线 叉树作为索引的方法, 有效提高了近邻搜索的速度. [1] 但由于交通系统的复杂性, 在实际使用中, 新的交通