大规模交通流预测方法研究

《大规模交通流预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据第13卷第3期2013年6月交通运输系统工程与信息JoumaIofTransponationSystemsEn西neeringandI山mationTechnologyV01．13No．3June2013文章编号：1009．6744(2013)03_0121m5大规模交通流预测方法研究孙占全8，刘威，朱效民(山东省计算中心山东省计算机网络重点实验室，济南250014)摘要：随着交通信息化的快速发展，可供分析的交通流数据量越来越大，如何利用大规模交通流数据进行交通预测分析是智能交通的重要研究内容．为解决大规模交通流数据预测问题，本文提出了一种基于分层抽样与k均值聚类相结合的抽样方法，并

2、与基于序贯最小优化方法的支持向量机结合，进行大规模交通流预测．实例分析结果表明，本文提出的聚类方法比现有抽样方法的抽样质量有所提高，基于序贯最小优化方法的支持向量机可有效提高交通流预测的精度．因此，本文提出的方法对于大规模交通流预测是有效的．关键词：智能交通；拥挤判别；抽样；k均值聚类中图分类号：U268．6文献标识码：ATrafncFlowForecastingBasedonLargeScaleTrafncFlowDataSUNZhan-quan，UUWei，ZHUXiao—min(ShandongComputerScienceCenter，ShandongPmVincialKeyL．ab

3、oratoryofComputerNetwork，Jinan250014，China)Abs位驰t：Winlthedevelopmentoftramcinfo珊atization，increasingamountoftrafEicdatacanbecollected．Howtomakemostofthem瓶cdatatoforecasttramcnowisac11JcialworkoftheinteUigenttmnsponationsystems(ITs)．Toresolvethispmblem，thispaperpmposesasamplingmethodbasedonthecombin

4、ationofstrati6edsamplingmethodandk—meansclustering．ThesupportVectorIfIachine(SVM)basedonsequenceoptilnizationmethodisusedtoforecaLsttmmcnowp啪meters．Theanalysisresultsshowthatthesamplingqualitybasedontheproposedsamplingmethodisref0册ed．ThefbrecastingprecisionbasedontheSVMalsogetsimproved．Itprovesthat

5、themethodisemcienttosolvelarge—scaletramcforecastingpmblems．Key、阳rds：inteUigemtranspomti伽system；t珀mccon窘estionidentification；saIIlpling；k—rr呦11scIustedngCLCn岫ber：U268．6Doc岫entcode：A收稿日期：2013-ol驷修回日期：2013_02-26录用日期：2013m3艄基金项目：国家自然科学青年基金项目(61004115)；国家科技支持计划项目(2012BAH09803)作者简介：孙占全(1977一)，男，黑龙江哈尔滨人，

6、副研究员，博士．+通讯作者：sunzhq@keylab．net．万方数据122交通运输系统工程与信息2013年6月1引言交通流预测是智能交通系统的实时交通信号控制、交通分配、路径诱导、自动导航、事故检测等的前提，因此，交通流预测是智能交通领域的研究热点¨J．许多专家和学者致力于交通流预测的研究，大量的预测模型已被研究，常用的预测方法有平均值法、ARMA、线性回归、非参数回归、神经网络、支持向量机等心J，支持向量机建立在统计学习的VC维理论和结构风险最小原理基础上，较好地解决了非线性、高维数和局部极小点等实际问题，被认为是最有效的交通流预测模型之一．随着智能交通基础设施的不断完善，积累了越来越

7、多的交通流数据，支持向量机的计算量随数据量呈指数增长，如何在充分利用大量交通流数据的同时保证交通流分析的实时性是目前的研究难点．提高大规模数据挖掘速度主要有两种方法：一是抽样方法，从大规模数据中抽样，在抽样数据基础上，构建数据挖掘模型，这样构建模型迅速有效，然而，如何提高抽样样本的质量仍待解决；二是算法并行化，通过分布式计算或并行计算实现算法并行化，从而提高算法的计算速度口J．抽样是从大量的数据中抽取与探索问