Print

基于改进SVM的城市道路短时交通状态预测

论文摘要

为提高短时交通状态预测的精度,使交通管理者更有效地进行交通规划和管理,本文把基于L1范数距离度量的最小二乘孪生有界支持向量机（twin bounded support vector machine,TBSVM）扩展成多分类算法用于短时交通状态预测,简称MLSTBSVML1.在实验数据上对MLSTBSVML1算法的有效性进行验证,实验结果表明,相比于其他预测算法,提出的MLSTBSVML1算法在预测精度上有较大提升.

论文目录

  • 1 相关工作
  •   1.1 基于广义特征值的最接近支持向量机（GEPSVM）
  •   1.2 孪生有界支持向量机（TBSVM）
  • 2 多分类的交通状态预测模型
  • 3 交通状态预测实例及结果分析
  •   3.1 实验数据及预测流程
  •   3.2 数据预处理
  •   3.3 实验方案
  •   3.4 实验结果分析
  • 4 结束语

    • 文章来源

    类型: 期刊论文

    作者: 闫贺,朱丽,戚湧

    关键词: 短时交通状态预测,机器学习,算法

    来源: 南京师大学报(自然科学版) 2019年03期

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,信息科技

    专业: 公路与水路运输,自动化技术

    单位: 南京理工大学计算机科学与工程学院,东南大学交通学院,苏交科集团股份有限公司规划研究所

    基金: 国家重点研究计划政府间国际科技创新合作重点专项(2016YFE0108000),国家重点自然科学基金项目(51238008),国家自然科学基金(61272419,61772273),江苏省自然科学基金(BK20141403),2018江苏省普通高校学术学位研究生科研创新计划项目(KYCX18_0424)

    分类号: TP181;U491.1

    页码: 129-137

    总页数: 9

    文件大小: 1320K

    下载量: 169

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/2f22c391ff7dd7fcaec0a5f5.html