基于AOSVR的實(shí)時(shí)交通信息預(yù)測(cè)算法研究.pdf

1、智能交通系統(tǒng)(ITS)的成功實(shí)施依賴于在交通規(guī)劃層和管理層運(yùn)用先進(jìn)的交通分析工具去實(shí)時(shí)估計(jì)和預(yù)測(cè)網(wǎng)絡(luò)交通狀況，并分析網(wǎng)絡(luò)性能.許多ITS子系統(tǒng)，如現(xiàn)今的先進(jìn)交通管理系統(tǒng)(ATMS)、先進(jìn)的出行者信息系統(tǒng)(ATIS)、先進(jìn)的公共交通系統(tǒng)(APTS)、緊急事件管理系統(tǒng)(EMS)等，均依賴于當(dāng)前和即將出現(xiàn)的大范圍內(nèi)交通狀況實(shí)時(shí)和準(zhǔn)確的信息預(yù)測(cè).因此，需要不斷地研究、開(kāi)發(fā)更為有效的預(yù)測(cè)方法，以便建立一個(gè)實(shí)時(shí)交通信息預(yù)測(cè)系統(tǒng)來(lái)提供ITS所需要的信

2、息，并幫助評(píng)價(jià)ITS中各種交通管理方案和信息發(fā)布策略的效率與性能. 與其它的預(yù)測(cè)應(yīng)用不同，短時(shí)交通預(yù)測(cè)是在少量數(shù)據(jù)條件下在線、實(shí)時(shí)完成的，對(duì)預(yù)測(cè)的實(shí)時(shí)性要求較高.由于預(yù)測(cè)是為交通控制、誘導(dǎo)和其他管理方式提供信息，要求預(yù)測(cè)必須在規(guī)定的最短周期內(nèi)完成一系列復(fù)雜的計(jì)算工作，保證及時(shí)準(zhǔn)確地對(duì)下一時(shí)刻和周期的交通信息進(jìn)行準(zhǔn)確的估計(jì)，否則再準(zhǔn)確的預(yù)測(cè)結(jié)果也是無(wú)用的. 統(tǒng)計(jì)學(xué)習(xí)理論是一種專門(mén)研究小樣本情況下機(jī)器學(xué)習(xí)規(guī)律的理論.支持向量

3、機(jī)是在這一理論基礎(chǔ)上發(fā)展而來(lái)的一種新的通用學(xué)習(xí)方法.它通過(guò)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理來(lái)提高泛化能力，它較好地解決了小樣本、非線性、高維數(shù)、局部極小點(diǎn)等實(shí)際問(wèn)題，已在函數(shù)逼近、模式識(shí)別、信號(hào)處理、金融時(shí)間序列分析和預(yù)測(cè)等領(lǐng)域得到了廣泛應(yīng)用. 為此，本文著眼于實(shí)時(shí)預(yù)測(cè)方法研究，以簡(jiǎn)化計(jì)算、提高執(zhí)行效率為研究核心，在精確在線支持向量回歸模型(AOSVR)和在線學(xué)習(xí)方法基礎(chǔ)上，提出一種具有在線學(xué)習(xí)功能的實(shí)時(shí)交通信息預(yù)測(cè)模型.為了較好地解決實(shí)時(shí)性

4、與預(yù)測(cè)精度之間的矛盾，本文重點(diǎn)研究在不影響預(yù)測(cè)精度的同時(shí)，如何提高預(yù)測(cè)執(zhí)行效率的問(wèn)題.以精確在線支持向量回歸算法(AOSVR)為基礎(chǔ)，給出一種基于云模型的Sigmoid核函數(shù)簡(jiǎn)化計(jì)算方法，建立了基于改進(jìn)的AOSVR交通信息實(shí)時(shí)預(yù)測(cè)模型.通過(guò)實(shí)時(shí)交通信息預(yù)測(cè)檢驗(yàn)，結(jié)果表明該模型無(wú)論在計(jì)算速度還是精確度方面都優(yōu)于傳統(tǒng)的SVM以及AOSVR模型，也證明基于云模型的Sigmoid核函數(shù)和其他核函數(shù)相比，計(jì)算速度更快，更具有魯棒性，而且計(jì)算精度沒(méi)