基于混合AGO-SVM的高速公路短时交通量预测研究

交通运输系统工程与信息 ›› 2011, Vol. 11 ›› Issue (1): 157-162 .

基于混合AGO-SVM的高速公路短时交通量预测研究

张通;张骏^*;杨霄

西北工业大学自动化学院, 西安 710072

收稿日期:2010-11-02 修回日期:2010-12-09 出版日期:2011-02-25 发布日期:2012-12-20
通讯作者: 张骏
作者简介:张通（1984- ），男，陕西西安人，博士生.
基金资助:
西北工业大学创新基金（W016144）

Short-Term Highway Traffic Flow Prediction Based on Mixed AGO-SVM

ZHANG Tong;ZHANG Jun; YANG Xiao

College of Automation, Northwestern Polytechnic University, Xi’an 710072, China

Received:2010-11-02 Revised:2010-12-09 Online:2011-02-25 Published:2012-12-20
Contact: ZHANG Jun

摘要/Abstract

摘要： 提出一种混合AGO-SVM高速公路交通量预测方法，原始交通量数据通过累加操作生成有规则的数据，预处理后的规则数据使用支持向量机法进行建模并预测，预测数据进行逆累加操作，获得下一时刻高速公路交通量的预测值，数据进行更新并保持样本序列不变从而进行高速公路交通量递推预测. 应用西宝高速交通量实际观测数据验证算法的有效性. 试验结果表明，在几种指标下该方法的预测精度比灰色模型法和支持向量机法的预测结果有所提高，是一种有效的高速公路交通流量预测方法.

关键词: 智能交通, AGO-SVM, 混合, 交通量预测, 高速公路

Abstract: Our goal is to present a mixed AGO-SVM highway traffic flow prediction method. Pretreatment traffic flow data following some rule is generated by accumulated generating operation and is modeled and predicted by support vector machine algorithm. Traffic flow data of the next moment in the highway is retrieved by inverse accumulated generating operation. Predicted data is kept updating, the sample sequence is maintained and the highway traffic flow is predicted through recursive prediction. The effectiveness of the algorithm is verified by Xi-Bao highway traffic flow data. The results show that the proposed method is more effective than gray model algorithm and support vector machine algorithm in prediction accuracy.

Key words: intelligent transportation, AGO-SVM, mix, traffic flow prediction, highway

中图分类号:

U491.14

张通,张骏,杨霄. 基于混合AGO-SVM的高速公路短时交通量预测研究[J]. 交通运输系统工程与信息, 2011, 11(1): 157-162 .

ZHANG Tong,ZHANG Jun, YANG Xiao. Short-Term Highway Traffic Flow Prediction Based on Mixed AGO-SVM[J]. Journal of Transportation Systems Engineering and Information Technology, 2011, 11(1): 157-162 .

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18114.shtml

http://www.tseit.org.cn/CN/Y2011/V11/I1/157

参考文献

［1］Stathopoulos A, Karlaftis M G . A multivariate state space approach for urban traffic flow modeling and prediction［J］. Transportation Research PartC (S0968-090X), 2003 (11):121-135. ［2］ZHU Z, YANG Z S. A real-time isoparametric traffic volume prediction model based on the Kalman filtering theory［C］//Vehicle Electronics Conference，1999.(IVEC’99) Proceedings of the IEEE International,1999:102–105. ［3］姚智胜,邵春福.基于状态空间模型的道路交通状态多点时间序列预测［J］. 中国公路学报,2007,20(4):113-117.［YAO Z S, SHAO C F. Road traffic state multi-spot time series forecasting based on state space model［J］. China Journal of Highway and Transport, 2007, 20(4):113-117.］ ［4］董超俊,刘智勇.多层混沌神经网络及其在交通量预测中的应用［J］.系统仿真学报,2007,19(19):4450-4453. ［DONG C J, LIU Z Y. Multi-layer neural network involving chaos neurons and its application to traffic-flow prediction［J］. Journal of System Simulation, 2007, 19(19):4450-4453.］ ［5］YIN H B, WONG S C , XU J M, et al. Urban traffic flow prediction using a fuzzy-neural approach［J］.Transportation Research Part C(S0968-090X),2002 (10):85-98. ［6］Vlahogianni E I, Karlaftis M G, Golias J C. Optimized and meta-optimized neural networks for short-term traffic flow prediction: A genetic approach［J］. Transportation Research Part C (S0968-090X),2005 (13):211-234. ［7］XUE J N, SHI Z K, Short-time traffic flow prediction based on chaos time series theory［J］. Journal of Transportation Systems Engineering and Information Technology (S1672-4747), 2008, 8(5):68-72. ［8］孙燕，陈森发，周振国.灰色系统理论在无检测器交叉口交通流量预测中的应用［J］.东南大学学报(自然科学版),2002,32(2):256-258.［SUN Y, CHEN S F, ZHOU Z G. Application of gray models to traffic flow prediction at non-detector intersections［J］, Journal of Southeast University (Natural Science Edition), 2002, 32(2):256-258.］ ［9］庞明宝,贺国光.基于支持向量机的交通流混沌快速识别研究［J］.系统工程学报,2007,22(6):593-598.［PANG M B, HE G G. Research on rapid recognition of chaos in traffic flow based on support vector machine［J］. Journal of Systems Engineering, 2007, 22(6):593-598.］ ［10］HONG W C, PAI P F, YANG S L. Highway traffic forecasting by support vector regression model with tabu search algorithms［C］//International Joint Conference on Neural Networks, Canada,2006:1617-1621. ［11］郑为中,史其信.基于贝叶斯组合模型的短期交通量预测研究［J］.中国公路学报,2005,18(1):85-89. ［ZHENG W Z, SHI Q X. Study of short-term freeway traffic flow prediction based on BAYESIAN combined model［J］. China Journal of Highway and Transport, 2005, 18(1):85-89.］ ［12］Chen H B, Susan G M. Use of sequential learning for short term traffic flow forecasting［J］. Transportation Research Part C (S0968-090X), 2001(9):319-336. ［13］Guan W, H S Y. Statistical features and phase identification of traffic flow on urban freeway［J］. Journal of Transportation Systems Engineering and Information Technology (S1672-4747), 2007, 7(5):42-50. ［14］Burges C J C. A tutorial on support vector machines for pattern recognition［J］. Data Mining and Knowledge Discoversy, 1998(2):121-167.

[1]	郭烈, 胥林立, 秦增科, 王旭. 自动驾驶接管影响因素分析与研究进展[J]. 交通运输系统工程与信息, 2022, 22(2): 72-90.
[2]	徐猛, 刘涛, 钟绍鹏, 姜宇. 城市智慧公交研究综述与展望[J]. 交通运输系统工程与信息, 2022, 22(2): 91-108.
[3]	程君, 张立炎, 陈启宏. 一种基于地图辅助的自动驾驶视-惯融合定位方法[J]. 交通运输系统工程与信息, 2022, 22(2): 117-126.
[4]	王国栋, 刘立, 孟宇, 马智萍, 郑淏清, 顾青, 白国星. 一体式车辆避撞轨迹规划与跟踪控制[J]. 交通运输系统工程与信息, 2022, 22(2): 127-136.
[5]	马东方, 陈曦, 吴晓东, 金盛. 基于强化学习的干线信号混合协同优化方法[J]. 交通运输系统工程与信息, 2022, 22(2): 145-153.
[6]	张小雨, 邵春福, 王博彬, 黄士琛. 新冠疫情影响下居民共享出行方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(2): 186-196.
[7]	戚建国, 周厚盛, 杨立兴, 周亚茹, 张春田. 灵活编组条件下轨道交通客货协同运输方案优化[J]. 交通运输系统工程与信息, 2022, 22(2): 197-205.
[8]	张英贵, 姚璎华, 高全, 雷定猷. 铁路集装箱混合货物平衡装载布局优化模型与算法[J]. 交通运输系统工程与信息, 2022, 22(2): 214-222.
[9]	许波桅, 王玲玲, 李军军. 自动化码头多级作业超网络延误传导特性研究[J]. 交通运输系统工程与信息, 2022, 22(2): 280-289.
[10]	张建波, 孙建平, 徐春玲, 郭镜霞, 温慧敏, 宋国华. 考虑交通运行条件影响的驾驶员特征聚类[J]. 交通运输系统工程与信息, 2022, 22(2): 330-336.
[11]	田会娟, 刘嘉伟, 翟佳豪, 邓琳琳. 基于多入侵线的视频车速检测方法[J]. 交通运输系统工程与信息, 2022, 22(1): 49-56.
[12]	贾彦峰, 曲大义, 赵梓旭, 王韬, 宋慧. 基于安全势场的网联自主车辆跟驰行为决策及模型[J]. 交通运输系统工程与信息, 2022, 22(1): 85-97.
[13]	刘文, 汪文博. 基于秩最小化矩阵去噪的船舶轨迹重构方法[J]. 交通运输系统工程与信息, 2022, 22(1): 106-114.
[14]	戴庆, 林正奎, 曲毅, 张佳佳. 并列瓶颈路网下个人与家庭混合通勤行为研究[J]. 交通运输系统工程与信息, 2022, 22(1): 182-194.
[15]	宋浪, 王健, 杨滨毓, 安实. 连续流交叉口左转非机动车交通组织创新设计[J]. 交通运输系统工程与信息, 2022, 22(1): 225-233.