基于粒子群优化-支持向量回归的高速公路短时交通流预测

摘要：

为实现高速公路短时非线性交通流的精准预测,依托高速公路运营积累的大量数据资源,构建了基于粒子群优化(par-ticle swarm optimization,PSO)的支持向量回归(support vector regression,SVR)预测模型.首先,对获取的高速公路交通流数据进行异常值剔除、缺失值填充以及归一化等预处理;其次,基于SVR算法采用滑动窗口的方式建立预测模型,并基于具有较强寻优能力的PSO优化算法获取SVR模型的最优参数组合;最后,通过京台高速济南西收费站断面交通流数据进行实例验证.模型的预测结果表明,所提出的高速公路短时交通流预测模型能够满足实际需求,且相较反向传播(back propagation,BP)、差分整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)模型具有较高的准确性,可为日后高速公路运营决策提供理论支持.

关键词：高速公路、交通流预测、粒子群优化、支持向量回归

所属期刊栏目：21

分类号：U491.112(交通工程与公路运输技术管理)

资助基金：山东省交通科技项目2019B32

在线出版日期：2021-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：5118-5123