-
题名基于改进LSSVM的节假日高速公路行程时间预测
- 1
-
-
作者
李松江
宋军芬
王鹏
杨迪
-
机构
长春理工大学计算机科学技术学院
-
出处
《长春理工大学学报（自然科学版）》
2018年第5期116-121,共6页
-
基金
吉林省省级产业创新专项资金项目(2016C090)
-
文摘
节假日高速公路交通量突增,导致路段行程时间不确定增加,严重扰乱人们的出行安排,因此有效的行程时间预测至为关键。首先对历史数据集按照节假日行程时间的分布规律进行分类,使得子数据集和特征向量之间的关系,与预测时段行程时间和特征向量之间的关系更加相似。然后对LSSVM (Least Squares Support Vector Machines)模型进行改进,通过构造混合核函数,降低了模型计算复杂度;对PSO优化算法进行改进,解决了标准PSO算法搜索精度低,容易陷入局部极值的缺点。最后使用改进LSSVM模型对不同数据集进行训练,完成行程时间的预测。研究表明:(1)对历史数据集的分类,提高了模型预测的准确性;(2)与传统模型相比,改进后的模型训练速度更快,预测精度更高。
-
关键词
行程时间预测
历史数据集分类
改进lssvm模型
混合核函数
PSO算法
-
Keywords
travel time prediction
classification of historical data sets
improved lssvm model
mixture kernel
PSO algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
