最小最大概率回归机在短时交通流预测中的应用.pdf

《最小最大概率回归机在短时交通流预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第2期2014年2月公路交通科技JournalofHighwayandTransportationResearchandDevelopmentV01．31No．2Feb．2014doi：10．3969／j．issn．1002—0268．2014．02．021最小最大概率回归机在短时交通流预测中的应用王娇，李军(兰州交通大学自动化与电气工程学院，甘肃兰州730070)摘要：为了提高短时交通流预测精度，更加精确地进行交通流规划和管理，引入一种新颖的基于最小最大概率回归机(MPMR)的短时交通流预测模型。针对北京某公路监测站实测的交通流数据集以及英国某地区实测的

2、交通流数据集．利用基于MPMR的预测模型进行短时交通流预测，并与常规的基于神经网络、基于支持向量机(SVM)以及基于自适应神经模糊推理系统(ANFIS)预测模型的预测性能进行比较。试验结果表明，基于MPMR的短时交通流预测模型可以很好地跟踪实际流量值，在同等条件下相比常规预测模型的预测精度更优，验证了所提出模型的有效性。关键词：交通工程；预测模型；最小最大概率回归机；短时交通流；混沌中图分类号：U491．1+12文献标识码：A文章编号：1002—0268(2014)02—0121—07ApplicationofMinimaxProbabilityMachineRe

3、gressioninShort．termTrafficFlowPredictionWANGJiao，LIJun(SchoolofAutomationandElectricalEngineering，LanzhouJiaotongUniversity，LanzhouGansu730070，China)Abstract：Toimprovetheprecisionofshort—termtrafficflowpredictionandmakeprogrammingandmanagementoftrafficflowmoreaccurately．anovelshort—t

4、ermtrafficflowpredictionmodelbasedonminimaxprobabilitymachineregression(MPMR)isproposed．ThepredictionmodelbasedonMPMRisappliedinthepredictionsoftheshort—termtrafficflowsusingmeasureddatasetofaBeijinghighwaymonitoringstationandtrafficflowdatasetofaregioninUK，anditspredictionperformance

5、iscomparedwiththoseofpredictionmodelsbasedonneuralnetwork，supportvectormachine(SVM)andadaptiveneuralfuzzyinferencesystem(ANFIS)．Theexperimentresultshowsthattheshort-termtrafficflowpredictionmodelhasedonMPMRcantracktheactualtrafficflowwell．andtheaccuracyofpredictionisbetterthanthoseoft

6、raditionalpredictionmodelsunderthesamecondition．Theeffectivenessoftheproposedpredictionmodelisverified．Keywords：trafficen舀neering；predictionmodel；MPMR；short-termtrafficflow；chaos0引言交通流诱导是目前公认的提高交通效率和机动性的最佳途径，而实现交通流诱导的关键是交通流时间序列预测。由于交通流运行的高度非线性、复杂性和不确定性，使得传统的交通流时间序列预测精度不能取得令人满意的效果。在交通流

7、预测中，各国学者对短时交通流预测进行了深入和长期的研收稿日期：2013-05—22基金项目：甘肃省财政厅基本业务费项目(620026)；甘肃省硕导项目(1104—09)作者简介：王娇(1989一)，女，甘肃天水人，硕士研究生．(theloveofislandl23@126．corn)公路交通科技第31卷究，提出了许多预测方法¨。2J。短时交通流预测需要构建一种能够跟踪实际流量的具有统计特性的精确模型，而传统预测模型不能够有效地表达交通流量的不确定和时变特性。近年来，模糊自适应神经网络和径向基神经网络等预测模型，可以实时跟踪流量预测值，预测性能有了进一步地提高。然而

8、，神经网络