[發(fā)明專利]可優(yōu)化的自適應(yīng)多核支持向量機的短時交通流預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201710352326.4
• 申請日: 2017-05-18
• 公開（公告）號: CN106971548B
• 公開（公告）日: 2019-06-07
• 發(fā)明（設(shè)計）人: 馮心欣;凌獻堯;林燁婷;陳忠輝
• 申請（專利權(quán)）人: 福州大學(xué)
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/065
• 代理公司: 福州元創(chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 蔡學(xué)俊

本發(fā)明涉及一種可優(yōu)化的自適應(yīng)多核支持向量機的短時交通流預(yù)測方法。組合高斯核函數(shù)和多項式核函數(shù)以構(gòu)建自適應(yīng)多核支持向量機（AMSVM）；利用自適應(yīng)粒子群算法（APSO）對AMSVM進行參數(shù)優(yōu)化；同時考慮歷史數(shù)據(jù)和實時數(shù)據(jù)，提出基于AMSVM的短時交通流預(yù)測模型；輸入交通流數(shù)據(jù)集，利用預(yù)測模型生成短時交通流的預(yù)測結(jié)果；根據(jù)交通流的預(yù)測結(jié)果和實際交通數(shù)據(jù)，對預(yù)測誤差進行評價分析。本發(fā)明方法可改善現(xiàn)有支持向量機（SVM）方法僅采用單個核函數(shù)進行預(yù)測的不足，能充分適應(yīng)交通流非線性和隨機性的變化特征，實現(xiàn)對短時交通流的實時、自適應(yīng)預(yù)測，同時提高預(yù)測結(jié)果的速度和精度，具有一定的理論參考和現(xiàn)實意義。

技術(shù)領(lǐng)域

本發(fā)明涉及機器學(xué)習(xí)和智能交通領(lǐng)域，特別是一種可優(yōu)化的自適應(yīng)多核支持向量機的短時交通流預(yù)測方法。

背景技術(shù)

交通流誘導(dǎo)與控制是智能交通系統(tǒng)(ITS)的基本功能，通過發(fā)布實時有效的交通出行信息，誘導(dǎo)出行者選擇最佳出行路徑，避免向擁堵區(qū)域的進一步集聚，引導(dǎo)和均衡交通流在時間與空間上的分布，實現(xiàn)對交通擁堵的主動式控制，可有效提高路網(wǎng)通行效率、緩解城市交通擁堵，同時減輕由此產(chǎn)生的環(huán)境污染和資源浪費問題。而交通流誘導(dǎo)與控制系統(tǒng)的正常運行，核心基礎(chǔ)就在于短時交通流的實時、動態(tài)和精準(zhǔn)預(yù)測。

目前為止，國內(nèi)外業(yè)已提出的交通流預(yù)測方法主要有時間序列法、卡爾曼濾波、混沌理論、神經(jīng)網(wǎng)絡(luò)和支持向量機(SVM)等。影響交通流變化的因素多種多樣，而且彼此之間具有非線性和隨機性的特點。SVM具有良好的自學(xué)習(xí)和非線性預(yù)測能力，并且能在小訓(xùn)練樣本的情況下獲得較好的預(yù)測精度，因此在短時交通流預(yù)測領(lǐng)域擁有舉足輕重的地位。SVM是一種針對分類和回歸問題的統(tǒng)計學(xué)習(xí)方法，其建立在VC維理論和結(jié)構(gòu)風(fēng)險最小化原則之上，用于解決小樣本和過度學(xué)習(xí)問題，能夠保證所求極值是全局最優(yōu)解。然而，現(xiàn)有基于SVM的方法在實際預(yù)測時本質(zhì)上只采用了一種核函數(shù)，不足以充分適應(yīng)交通流的變化特征。為提高預(yù)測結(jié)果的準(zhǔn)確率，有必要對算法做進一步的改進并提出更好的預(yù)測模型。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種可優(yōu)化的自適應(yīng)多核支持向量機的短時交通流預(yù)測方法，該方法可改善現(xiàn)有支持向量機(SVM)方法僅采用單個核函數(shù)進行預(yù)測的不足，能充分適應(yīng)交通流非線性和隨機性的變化特征，實現(xiàn)對短時交通流的實時、自適應(yīng)預(yù)測，同時提高預(yù)測結(jié)果的速度和精度，具有一定的理論參考和現(xiàn)實意義。

為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種可優(yōu)化的自適應(yīng)多核支持向量機的短時交通流預(yù)測方法，包括如下步驟，

步驟S1：組合高斯核函數(shù)和多項式核函數(shù)以構(gòu)建自適應(yīng)多核支持向量機；

步驟S2：利用自適應(yīng)粒子群算法對自適應(yīng)多核支持向量機進行參數(shù)優(yōu)化；

步驟S3：同時考慮歷史數(shù)據(jù)和實時數(shù)據(jù)，提出基于自適應(yīng)多核支持向量機的短時交通流預(yù)測模型；

步驟S4：輸入交通流數(shù)據(jù)集，利用預(yù)測模型生成短時交通流的預(yù)測結(jié)果；

步驟S5：根據(jù)交通流的預(yù)測結(jié)果和實際交通數(shù)據(jù)，對預(yù)測誤差進行評價分析。

在本發(fā)明一實施例中，在所述步驟S1中，所述自適應(yīng)多核支持向量機通過如下方式構(gòu)建：

步驟S11：構(gòu)建高斯核函數(shù)與多項式核函數(shù)組合而成的混合核函數(shù)：

K(x,x_i)＝β·exp(-γ||x-x_i||²)+(1-β)·[γ(x·x_i)+1]^q

其中，x和x_i表示樣本集中任意兩個實輸入向量，β∈[0,1]為混合核函數(shù)的權(quán)重系數(shù)，γ為核函數(shù)的固有參數(shù)，q為冪次；

步驟S12：根據(jù)交通流的實時變化趨勢即數(shù)值的斜率大小來自適應(yīng)調(diào)整權(quán)重：