基于PSO-SVM的短期交通流预测方法

作者：曹成涛; 徐建闽

来源：计算机工程与应用, 2007, (15): 12-14.

• 粒子群优化
• 交通流预测
• 支持向量机
• 参数优化 Particle Swarm Optimization
• traffic flow predication
• Support Vector Machine
• parameters optimization

准确的交通流量预测是智能交通系统中的关键问题。在分析支持向量机SVM回归估计方法参数性能的基础上,提出了粒子群算法PSO优化参数的PSO-SVM短期交通流预测模型。模型利用支持向量机具有结构风险最小化的特性和粒子群算法快速全局优化特点,实现了数据降维并且保持了交通流序列的特征,因此可以高效地预测交通流量。用G107国道现场采集的数据仿真表明了该模型的有效性,预测平均误差为3.4%。

• 单位
  华南理工大学