武汉理工大学学报（交通科学与工程版）
武漢理工大學學報（交通科學與工程版）
무한리공대학학보（교통과학여공정판）
JOURNAL OF WUHAN UNIVERSITY OF TECHNOLOGY(TRANSPORTATION SCIENCE & ENGINEERING)
2013年
2期
225-229
,共5页
支持向量机%遗传算法%云自适应%混沌映射%交通量预测
支持嚮量機%遺傳算法%雲自適應%混沌映射%交通量預測
지지향량궤%유전산법%운자괄응%혼돈영사%교통량예측
support vector machine%genetic algorithm%cloud-based adaptive%chaos mapping%traffic flow forecasting
针对城市主干道交通流量的实时变化和波动性特点,利用支持向量回归机(support vector regression,SVR)进行城市主干道短时交通流量预测.为了优选SVR模型参数,基于混沌logistic 映射和云自适应机制对标准遗传算法进行改进,建立了基于混沌云自适应遗传算法(chaos clouds adaptive genetic algorithm,CCLGA)进行SVR参数优选的CCLGA-SVR城市主干道短时交通流量预测模型.综合考虑了短时交通量各个影响因素,结合实测数据进行了实证预测分析,仿真结果表明文中提出的预测模型精度较高,寻优速度较快,可有效应用于城市主干道短时交通流量预测.
針對城市主榦道交通流量的實時變化和波動性特點,利用支持嚮量迴歸機(support vector regression,SVR)進行城市主榦道短時交通流量預測.為瞭優選SVR模型參數,基于混沌logistic 映射和雲自適應機製對標準遺傳算法進行改進,建立瞭基于混沌雲自適應遺傳算法(chaos clouds adaptive genetic algorithm,CCLGA)進行SVR參數優選的CCLGA-SVR城市主榦道短時交通流量預測模型.綜閤攷慮瞭短時交通量各箇影響因素,結閤實測數據進行瞭實證預測分析,倣真結果錶明文中提齣的預測模型精度較高,尋優速度較快,可有效應用于城市主榦道短時交通流量預測.
침대성시주간도교통류량적실시변화화파동성특점,이용지지향량회귀궤(support vector regression,SVR)진행성시주간도단시교통류량예측.위료우선SVR모형삼수,기우혼돈logistic 영사화운자괄응궤제대표준유전산법진행개진,건립료기우혼돈운자괄응유전산법(chaos clouds adaptive genetic algorithm,CCLGA)진행SVR삼수우선적CCLGA-SVR성시주간도단시교통류량예측모형.종합고필료단시교통량각개영향인소,결합실측수거진행료실증예측분석,방진결과표명문중제출적예측모형정도교고,심우속도교쾌,가유효응용우성시주간도단시교통류량예측.
