科研之友
微信
新浪微博
Facebook
分享链接
摘要
交通流的各个数据指标对应状态信息的连接关系，其不可分割的线性属性使得预测结果的准确性受到影响，为此提出基于支持向量回归(Support Vector Regression,SVR)的短时交通流预测模型。首先，在引入惩罚因子的基础上，利用径向基核函数构建交通流数据支持向量机，并在超平面内根据不同属性参量对交通流数据信息进行分类；其次，以模型的输出结果与实际交通流之间的误差达到最小值为目标函数；最后，为各个分类对应的属性设置权重参量，结合预测路段的覆盖范围构建交通流预测模型。测试结果表明，该模型的预测结果明显优于对比方法，MAE始终稳定在9.000以下，RMSE始终稳定在11.000以下，R2值始终稳定在0.995以上，可以实现对交通流信息的高精度预测。
- 单位
