-
题名基于PSO-SVM的居民出行方式预测模型
被引量：7
- 1
-
-
作者
许铁
高林杰
景鹏
陈东清
-
机构
福建交通职业技术学院
上海交通大学交通运输工程研究所
福州大学管理学院
-
出处
《交通运输系统工程与信息》
EI
CSCD
2011年第5期155-161,共7页
-
基金
国家自然科学基金项目(50808123)
-
文摘
居民出行方式选择是一个较为复杂的非线性问题,受到的影响因素众多。提出采用支持向量机方法构建了居民出行方式选择模型,并以交叉验证意义下的分类准确率作为适应度函数,利用粒子群算法对支持向量机参数优化选择,避免参数设定的随机性,减少参数选择的工作量.通过实证研究表明,利用粒子群算法优化支持向量机的参数是可行的,支持向量机方法相对于BP神经网络,对居民出行方式预测有更高的精度.预测精度比BP神经网络提高了将近5个百分点,建模样本和测试样本的分类精度分别达到86.20%和82.31%.所构建的模型可用于居民出行方式预测,这对城市交通规划,出行需求预测具有现实指导意义.
-
关键词
城市交通
出行方式预测
支持向量机
粒子群算法
参数选择
-
Keywords
urban traffic
trip mode prediction
support vector machine（SVM）
particle swarm optimization（PSO）
parameter selection
-
分类号
U491.12
[交通运输工程—交通运输规划与管理]
-
