计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2015年
6期
167-171,270
,共6页
小波去噪%支持向量机%蚁群优化%短时交通流预测
小波去譟%支持嚮量機%蟻群優化%短時交通流預測
소파거조%지지향량궤%의군우화%단시교통류예측
Wavelet denoising%Support vector machine (SVM)%Ant colony optimization (ACO)%Short-term traffic flow prediction
由于交通流数据具有很强的不确定性、时变性和非线性,交通流存在不确定性,传统的短时交通流预测方法具有预测精度低、参数不易确定和适应能力差等缺点.针对上述问题,为提高短时交通流的预测精度,提出了一种小波去噪蚁群算法(ACO)优化支持向量机(SVM)的短时交通流预测算法.首先,为提高数据的真实性,利用改进的小波阈值去噪法对采集到的数据进行去噪处理;其次,利用ACO算法优化SVM参数,并将优化后的SVM对交通流数据进行建模;最后,将所提出的小波去噪ACO优化SVM模型利用某交叉口的实测数据与其他模型进行仿真对比实验.结果表明,所提出的方法改善了传统方法存在的缺陷,提高了预测精度,为实际交通干线上车辆的协调控制提供了依据.
由于交通流數據具有很彊的不確定性、時變性和非線性,交通流存在不確定性,傳統的短時交通流預測方法具有預測精度低、參數不易確定和適應能力差等缺點.針對上述問題,為提高短時交通流的預測精度,提齣瞭一種小波去譟蟻群算法(ACO)優化支持嚮量機(SVM)的短時交通流預測算法.首先,為提高數據的真實性,利用改進的小波閾值去譟法對採集到的數據進行去譟處理;其次,利用ACO算法優化SVM參數,併將優化後的SVM對交通流數據進行建模;最後,將所提齣的小波去譟ACO優化SVM模型利用某交扠口的實測數據與其他模型進行倣真對比實驗.結果錶明,所提齣的方法改善瞭傳統方法存在的缺陷,提高瞭預測精度,為實際交通榦線上車輛的協調控製提供瞭依據.
유우교통류수거구유흔강적불학정성、시변성화비선성,교통류존재불학정성,전통적단시교통류예측방법구유예측정도저、삼수불역학정화괄응능력차등결점.침대상술문제,위제고단시교통류적예측정도,제출료일충소파거조의군산법(ACO)우화지지향량궤(SVM)적단시교통류예측산법.수선,위제고수거적진실성,이용개진적소파역치거조법대채집도적수거진행거조처리;기차,이용ACO산법우화SVM삼수,병장우화후적SVM대교통류수거진행건모;최후,장소제출적소파거조ACO우화SVM모형이용모교차구적실측수거여기타모형진행방진대비실험.결과표명,소제출적방법개선료전통방법존재적결함,제고료예측정도,위실제교통간선상차량적협조공제제공료의거.
