原文传递
基于改进麻雀算法和自适应变分模态分解的交通流预测方法研究
| 论文题名： | 基于改进麻雀算法和自适应变分模态分解的交通流预测方法研究 |
| 关键词： | 交通流预测;自适应变分模态分解;改进麻雀搜索算法;最小二乘支持向量机 |
| 摘要： | 近年来，许多城市开展了智能交通系统的建设工作，为缓解城市交通拥堵、提高城市交通安全做出了重大贡献。短时交通流预测是实现智能控制和诱导的关键，科学、准确的预测结果在提高交叉口控制水平、优化出行路线和出行时间、辅助交通管理等方面起着重要作用。以提高短时交通流预测准确性为目标，构建性能更佳的预测模型，对支持智能交通系统发展，缓解城市交通拥堵具有重要意义。文章以提高预测准确性为目标，结合数据预处理技术、机器学习方法、群体智能优化算法、数据分解方法以及多指标综合评价方法等，深入研究高速公路和城市交叉口的交通流预测方法。 首先根据数据来源情况，介绍了数据的采集方法和生成方式。其次，利用交通流数据，分析了交通流的时空特性，给出了异常值筛选和预处理方法。随后，对比交通流基本预测方法的优缺点，选择了计算复杂度低、学习速度快、适应性强的最小二乘支持向量机（LSSVM）作为本文的基本预测方法。为了克服网格搜索和传统智能算法寻优速度慢的问题，提出了寻优速度和寻优能力更佳的改进麻雀搜索算法（ISSA）优化LSSVM。为了克服当前数据分解方法容易出现模态混叠、过度分解以及无法确定分解层数的现象，以能量剩余系数、包络熵、相关系数和峭度值为指标，以并行贝叶斯优化为方法，提出了能够自动确定分解层数和罚因子的自适应变分模态分解（AVMD）方法，并验证了模态分解用于构建预测模型的可行性。最后，基于数据预处理方法、ISSA优化的LSSVM模型、AVMD方法，构建了AVMD-ISSA-LSSVM组合模型。单一评价指标受评价作用和评价值差距过小的影响，有时难以凸显模型的相对优势，因此文章利用离差最大化和优劣解距离法（TOPSIS）构建了预测模型的综合性能评价方法，并以相关文献得到的结果数据验证了模型的可行性。 在上述理论的基础上，以高速公路和城市交叉口的交通流为研究对象，对比说明了模型的预测性能。根据两次实验结果，只有文中所提模型的均等系数超过了0.99，表明所提模型的预测准确性更好。根据综合评价值排序情况，ISSA优化的组合模型更靠前，表明ISSA相比网格搜索和交叉验证法更适合组合模型的参数优化。另外，所提模型的综合评价值和单一评价值均优于其他模型，表明所提模型的预测准确性和综合性能均更佳，AVMD也比EMD更有利于提高预测的准确性。 |
| 作者： | 曹志富 |
| 专业： | 交通运输工程;交通运输规划与管理 |
| 导师： | 姚红云 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
