基于BP神经网络与SVM的快速路行程时间组合预测研究

作者：丁宏飞李演洪刘博秦政

来源：计算机应用研究, 2015, (10): 1-6.

• 快速路行程时间
• 车牌识别数据
• BP神经网络
• 支持向量机
• 组合预测 expressway's travel time
• license plate recognition data
• BP neural network
• support vector machine(SVM)
• combined prediction

随着视频车牌采集系统的发展与完善,快速路行程时间的动态预测成为了可能。为了提高基于车牌识别数据的快速路行程时间预测精度及有效性,根据快速路车牌识别数据的特征和所能提取的信息,结合BP神经网络和支持向量机的预测优点,通过蜂群优化算法对BP神经网络和支持向量机模型的参数进行优化,提出了一种基于多模型融合预测算法(multi-model fusion algorithm,MMFA)的BP神经网络和支持向量机相结合的组合预测方法。最后选取成都市三环路某段上的视频车牌数据进行实例验证,结果表明该组合预测方法比单一的BP神经网络或者支持向量机具有更好的预测效果。

• 单位
  四川省交通运输厅公路规划勘察设计研究院; 西南交通大学