資源描述：
《基于優(yōu)化參數(shù)的短時交通流預(yù)測仿真研究-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第32卷第O6期計算機仿真2015年06月文章編號：1006—9348(2015)06—0167—05基于優(yōu)化參數(shù)的短時交通流預(yù)測仿真研究王少華，楊慧慧(河南理工大學電氣工程與自動化學院，河南焦作454000)摘要：由于交通流數(shù)據(jù)具有很強的不確定性、時變性和非線性，交通流存在不確定性，傳統(tǒng)的短時交通流預(yù)測方法具有預(yù)測精度低、參數(shù)不易確定和適應(yīng)能力差等缺點。針對上述問題，為提高短時交通流的預(yù)測精度，提出了一種小波去噪蟻群算法(ACO)優(yōu)化支持向量機(SVM)的短時交通流預(yù)測算法。首先，為提高數(shù)據(jù)的真實性，利用改進的小波閾值去噪法對采
2、集到的數(shù)據(jù)進行去噪處理；其次，利用ACO算法優(yōu)化SVM參數(shù)，并將優(yōu)化后的SVM對交通流數(shù)據(jù)進行建模；最后，將所提出的小波去噪ACO優(yōu)化SVM模型利用某交叉口的實測數(shù)據(jù)與其他模型進行仿真對比實驗。結(jié)果表明，所提出的方法改善了傳統(tǒng)方法存在的缺陷，提高了預(yù)測精度，為實際交通干線上車輛的協(xié)調(diào)控制提供了依據(jù)。關(guān)鍵詞：小波去噪；支持向量機；蟻群優(yōu)化；短時交通流預(yù)測中圖分類號：TP391．9文獻標識碼：BShort—．TermTraficFlowPredictionSimulationResearchBasedonOptimizedParame
3、tersMethodWANGShao—hua．YANGHui—hui(DeptofElectricalEngineeringandAutomation，HenanPolytecnicUniversity，JiaozuoHenan454000，China)ABSTRACT：Thetrafficflowdatahavestronguncertainty，time—varyingandnonlinear，thetraditionalshort—termtraficflowpredictionmethodhaslowaccuracy，po
4、oradaptabilityanditisdificulttodeterminetheparameters．Fortheseproblems，toincreasethepredictionaccuracyofsh0rt—termtrafficflow，amethodcombinedwaveletdenoisingwithACO—SVMwasproposedinthispaper．Firstly，inordertoimprovetheauthenticityofthedata，theimprovedwaveletthresholdd
5、enoisingmethodwasusedtodealwiththenoiseofthecollecteddata．Secondly，theACOalgo—rithmwasusedtooptimizetheSVMparameters，andthentheoptimizedSVMmodeloftrafficflowdatawasestab—lished．Finally，thesimulationwasmadebyusingthemeasureddatesofacertaincrossroads．Theresultsshowthat，
6、comparedwithsometraditionalmethods，theproposedapproachcanimprovethepredictionaccuracy，whichprovidessomebasisfortheeoordinatedcontrolofactualtraficarteries．KEYWORDS：Waveletdenoising；Supportvectormachine(SVM)；Antcolonyoptimization(ACO)；Short—termtrafficflowprediction測成為
7、ITS系統(tǒng)的研究熱點。一般城市短時交通流的預(yù)1引言測時間是5—15分鐘，短時間內(nèi)進行預(yù)測決定了交通流的時目前城市交通系統(tǒng)發(fā)展的越來越復(fù)雜，其動態(tài)性也不易變性、復(fù)雜性以及非線性，目前看來短時交通流沒有特定的控制，特別是隨著觀測時間的縮短，交通流的預(yù)測難度也隨預(yù)測模型。之增加。而準確及時的短時交通流預(yù)測方便人們的出行，可近年來，國內(nèi)外應(yīng)用于短時交通流模型有時間序列模以緩解或解決交通擁堵問題_1．2J。國內(nèi)外學者針對短時交型、卡爾曼濾波模型、神經(jīng)網(wǎng)絡(luò)模型、組合模型以及交通仿真通流預(yù)測這一熱門問題早已做出了深入研究，短時交通流預(yù)模型J。文
8、獻[5，6]提出的時間序列模型，該方法簡單容易實現(xiàn)，但需要依據(jù)的歷史數(shù)據(jù)存在明顯的數(shù)據(jù)移植，只適應(yīng)基金項目：河南省高?？萍紕?chuàng)新人才支持計劃(13HASTIT044)；河南于穩(wěn)定的交通流，在實際中預(yù)測精度不夠。文獻[7]提出的省高等學校青年骨干教師資
