文献类型：期刊文章

作　　者：万芳[1] 黎光宇[2,3] 贾宁[2] 朱宁[2]

WAN Fang;LI Guang-yu;JIA Ning;ZHU Ning(Department of Urban Rail Transit and Information Engineering, Anhui Communications Vocational and Technical College, Hefei 230051, China;School of Management, Tianjin University, Tianjin 300072, China;Tianjin Medical University Cancer Institute and Hospital, Tianjin 300060, China)

机构地区：[1]安徽交通职业技术学院城市轨道交通与信息工程系,合肥230051 [2]天津大学管理与经济学部,天津300072 [3]天津市肿瘤医院,天津300060

出　　处：《交通运输系统工程与信息》

基　　金：安徽省教育厅大规模在线开放课程(MOOC)示范项目(2016mooc124)~~

年　　份：2019

卷　　号：19

期　　号：2

起止页码：216-222

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：短时交通流预测是智能交通系统的重要基础,其精度直接影响到交通控制和诱导的效果.对于交通流预测中的非参数回归方法,其中一个重要的问题是状态向量的选取.本文提出基于ReliefF和Delta Test的特征选择算法来对特征向量进行选择.首先使用ReliefF算法根据特征和类别的相关性对状态向量进行快速初步筛选,加快算法的执行效率.接下来以Delta Test为性能指标,使用遗传算法对状态分量的权重进行进一步优选.最后通过基于实际数据的算例,对本文方法优选的状态向量与时间序列状态向量,简单时空关联向量进行了对比.结果表明,本文的方法在一般交通状态条件下和突变交通状态下都具有较好的性能.

关 键 词：智能交通 短时交通流预测 状态向量选择  道路交通系统 ReliefF方法  

分 类 号：U491[物流管理与工程类]