基于支持向量回归的行程时间预测算法
15.9km，从大关到中兴立交桥；道路2：20.9km，从国际会展中心到中兴立交桥）。采用微波传感器和浮动车所测的速度数据作为基础数据。若某路段上，浮动车与微波速度数据均存在，则取二者的均值作为最终速度。只返回一种传感器速度数据的路段以该类传感器记录的速度数据为准。两种传感器均无数据返回的情形下，以浮动车速度的插值数据为准，缺失的速度数据用相邻时间点的数据插补。测试的时间段为早7：00到10：00，该时段内，每5分钟预测一次行程时间，总共预测60次。在该时间段内，数据的总体缺失率不超过10%。3.2 评价标准设当前时刻t，待预测的时刻的行程时间为y（t+h），运用的知识是前n个时刻的行程时间，即y（t），y（t-1），…，y（t-n）。预测函数可表达为：4 结束语在统计机器学习派生的方法中，支持向量机是最成功的方法之一。本文将支持向量回归合理地应用到智能交通领域的行程时间预测中，在杭州市高架路的实验中得到了较高的测试精度，这与支持向量机的结构风险最小化
<<上一页 下一页>>
广州市越秀区图书馆版权所有。
联系电话：020-87673002
本站访问人数：