布谷鸟搜索算法优化支持向量机的停车位预测

作者：梁迪; 郭启航; 姜廷霖

来源：沈阳大学学报(自然科学版), 2021, 33(03): 234-266.

DOI：10.16103/j.cnki.21-1583/n.2021.03.007

• 停车位预测
• 布谷鸟搜索算法
• 支持向量机
• 惩罚系数
• 核函数宽度

针对我国汽车保有量增长迅速,停车位供需矛盾突出的问题,提出了一种布谷鸟搜索算法和支持向量机(cuckoo search-support vector machine, CS-SVM)的组合停车位预测方法.通过支持向量机对样本数据进行建模,并采用布谷鸟搜索算法优化SVM中的2个参数,惩罚系数C和核函数宽度σ.通过案例仿真对CS-SVM、支持向量机和小波神经网络3种预测模型进行对比验证.结果表明,该组合模型预测精度高、稳定性好,能够有效减少司机寻找可用停车位的时间,同时提高了停车位的利用率.

• 单位
  沈阳大学