文献类型：期刊文章

作　　者：邹宗民[1] 郝龙[2] 李全杰[1] 陈宏俊[2] 康乐[3]

ZOU Zong-min;HAO Long;LI Quan-jie;CHEN Hong-jun;KANG Le(Shandong Hi-Speed Construction Management Group Co.,Ltd.,Jinan 250014,China;CCCC First Highway Consultants Co.,Ltd,Xi'an 710075,China;Xi'an University of Science and Technology,Xi'an 710054,China)

机构地区：[1]山东高速建设管理集团有限公司,济南250014 [2]中交第一公路勘察设计研究院有限公司,西安710075 [3]西安科技大学材料学院,西安710054

出　　处：《科学技术与工程》

基　　金：山东省交通科技项目(2019B32)。

年　　份：2021

卷　　号：21

期　　号：12

起止页码：5118-5123

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：为实现高速公路短时非线性交通流的精准预测,依托高速公路运营积累的大量数据资源,构建了基于粒子群优化(particle swarm optimization,PSO)的支持向量回归(support vector regression,SVR)预测模型。首先,对获取的高速公路交通流数据进行异常值剔除、缺失值填充以及归一化等预处理;其次,基于SVR算法采用滑动窗口的方式建立预测模型,并基于具有较强寻优能力的PSO优化算法获取SVR模型的最优参数组合;最后,通过京台高速济南西收费站断面交通流数据进行实例验证。模型的预测结果表明,所提出的高速公路短时交通流预测模型能够满足实际需求,且相较反向传播(back propagation,BP)、差分整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)模型具有较高的准确性,可为日后高速公路运营决策提供理论支持。

关 键 词：高速公路 交通流预测 粒子群优化 支持向量回归

分 类 号：U491.112[物流管理与工程类]