基于SVM与自适应时空数据融合的短时交通流量预测模型
针对短时交通流变化周期性与随机性特点，选取时间和空间序列流量观测值作为支持向量机训练样本进行训练，使用空间序列预测值对交通流时间序列预测结果进行修正，并通过对历史时间空间序列预测结果的分析，动态调整其对未来预测的影响，建立基于SVM与自适应时空数据融合的短时交通流量预测模型。最后，将提出的预测模型与支持向量机时间序列预测模型、指数平滑法、多元回归法预测结果进行对比，结果表明：自适应时空数据融合预测模型可将预测平均相对误差控制在4%，明显高于其他模型预测精度。
短时交通流预测、支持向量机、自适应、数据融合、相关分析
U491(交通工程与公路运输技术管理)
河北省人力资源与社会保障厅留学人员科技活动项目D2011001
2015-04-13（万方平台首次上网日期，不代表论文的发表时间）
共6页
597-602
