交通运输系统工程与信息
交通運輸繫統工程與信息
교통운수계통공정여신식
JOURNAL OF COMMUNICATION AND TRANSPORTATION SYSTEMS ENGINEERING AND INFORMATION
2013年
3期
121-125
,共5页
智能交通%拥挤判别%抽样%k均值聚类
智能交通%擁擠判彆%抽樣%k均值聚類
지능교통%옹제판별%추양%k균치취류
intelligent transportation system%traffic congestion identification%sampling%k-means clustering
随着交通信息化的快速发展,可供分析的交通流数据量越来越大,如何利用大规模交通流数据进行交通预测分析是智能交通的重要研究内容.为解决大规模交通流数据预测问题,本文提出了一种基于分层抽样与k均值聚类相结合的抽样方法,并与基于序贯最小优化方法的支持向量机结合,进行大规模交通流预测.实例分析结果表明,本文提出的聚类方法比现有抽样方法的抽样质量有所提高,基于序贯最小优化方法的支持向量机可有效提高交通流预测的精度.因此,本文提出的方法对于大规模交通流预测是有效的.
隨著交通信息化的快速髮展,可供分析的交通流數據量越來越大,如何利用大規模交通流數據進行交通預測分析是智能交通的重要研究內容.為解決大規模交通流數據預測問題,本文提齣瞭一種基于分層抽樣與k均值聚類相結閤的抽樣方法,併與基于序貫最小優化方法的支持嚮量機結閤,進行大規模交通流預測.實例分析結果錶明,本文提齣的聚類方法比現有抽樣方法的抽樣質量有所提高,基于序貫最小優化方法的支持嚮量機可有效提高交通流預測的精度.因此,本文提齣的方法對于大規模交通流預測是有效的.
수착교통신식화적쾌속발전,가공분석적교통류수거량월래월대,여하이용대규모교통류수거진행교통예측분석시지능교통적중요연구내용.위해결대규모교통류수거예측문제,본문제출료일충기우분층추양여k균치취류상결합적추양방법,병여기우서관최소우화방법적지지향량궤결합,진행대규모교통류예측.실례분석결과표명,본문제출적취류방법비현유추양방법적추양질량유소제고,기우서관최소우화방법적지지향량궤가유효제고교통류예측적정도.인차,본문제출적방법대우대규모교통류예측시유효적.
