基于改进LSSVM的节假日高速公路行程时间预测 |
| |
引用本文: | 李松江,宋军芬,王鹏,杨迪.基于改进LSSVM的节假日高速公路行程时间预测[J].长春理工大学学报,2018(5). |
| |
作者姓名: | 李松江 宋军芬 王鹏 杨迪 |
| |
作者单位: | 长春理工大学计算机科学技术学院 |
| |
摘 要: | 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。
|
本文献已被 CNKI 等数据库收录! |
|