城市交通流量预测模型的研究

作者：李劲松; 易明俊

来源：微型电脑应用, 2020, 36(09): 92-96.

• 交通流量预测
• 支持向量回归
• 连续蚁群优化算法

城市交通流量预测是具有社会价值的重要课题之一。由于城市交通流量预测涉及到一个复杂的非线性数据模式,因此精确预测的难度较大。为此,提出将支持向量回归模型(SVR)和连续蚁群优化算法(ACO)相结合对城市短期交通流量进行预测的思路。仿真结果表明,与常见的季节自回归滑动平均时间序列模型的预测方法相比,该模型能得到更准确的预测结果。