基于支持向量機的流量預測和狀態(tài)判別研究.pdf

1、交通流誘導是目前公認的提高交通效率和機動性的最佳途徑，其目的是在交通網(wǎng)絡中為出行者提供最佳旅行途徑。交通流量預測和交通狀態(tài)判別問題是交通誘導系統(tǒng)中的兩個關鍵問題，提供實時準確的交通流量信息和交通狀態(tài)信息能為出行者做出合理的路徑選擇提供參考。因此，需要對路網(wǎng)中的交通流量信息和交通狀態(tài)信息做出準確預測。本文重點討論這兩個問題。
　　 首先，對于單路段交通流的預測，針對以往的基于經(jīng)驗風險最小化的神經(jīng)網(wǎng)絡等學習方法存在的網(wǎng)絡結構難以確定

2、、過學習、欠學習以及局部最小等問題，本文研究了基于統(tǒng)計學習理論的支持向量機方法在交通流量預測中的應用。同時，將支持向量機方法與數(shù)據(jù)挖掘技術相融合，通過引入天氣狀況以及工作日模式因素來提高流量預測的速度和精度。
　　 然后，對于交通狀態(tài)判別問題，考慮到傳統(tǒng)的交通狀態(tài)劃分方法是根據(jù)國家交通部門給定的交通狀態(tài)指標來進行劃分。這種方法對于不同道路的適應性不是很強，在實際應用中很難滿足準確性要求。因此，本文采用模糊聚類的方法來劃分交通狀態(tài)

3、，對不同路段做出不同的狀態(tài)劃分。在此基礎上，采用多類支持向量機方法對未來時刻的交通狀況進行分類。多類支持向量機是傳統(tǒng)兩類支持向量機的改進，能夠對具有多種劃分指標的問題進行很好的劃分，適合我們的交通狀態(tài)判別。
　　 最后，綜合交通流量預測和交通狀態(tài)判別方法，本文提出了實時的交通狀態(tài)判別系統(tǒng)模型。系統(tǒng)根據(jù)實時采集的交通參數(shù)信息準確的判斷未來時刻的交通狀態(tài)信息，并及時地將交通狀態(tài)信息進行發(fā)布，很好地實現(xiàn)了交通誘導，提高了交通系統(tǒng)的服務