原文传递
基于支持向量机模型的快速公交行程时间算法对比研究
| 题名： | 基于支持向量机模型的快速公交行程时间算法对比研究 |
| 正文语种： | 中文 |
| 作者： | 熊浩 |
| 作者单位： | 上海电科智能系统股份有限公司公共交通事业部,上海200063 |
| 关键词： | 遗传算法 快速公交 行程时间 支持向量机 |
| 摘要： | 为提高快速公交到站时间预测的准确性,分别以遗传算法、网格搜索法和粒子群算法进行参数寻优的支持向量机方法对比.将公交行程时间分为站间行驶时间和站台驻站时间,选定径向基核作为核函数,分别用网格搜索法、粒子群算法和遗传算法训练参数c、g,用支持向量机(SVM)进行学习和预测.利用上海某中运量公交线路11 月的一周调查数据训练支持向量机模型,用另外3 天的数据进行验证.通过比对不同范围参数优化的GS-SVM,得出小范围时精度较小,大范围精度较高但耗时严重.通过网格搜索优化参数(GS-SVM)的预测值、粒子群参数优化(PSO-SVM)的预测值、遗传算法参数优化(GA-SVM)的预测值、真实值和平均值等对比.实验表明,支持向量机的算法能较为准确地预测出快速公交的行程时间,相比平均值,准确率提高了 6.89％；GA-SVM 在本次实验中最为准确,总行程时间的平均绝对误差在3.72 s. |
| 会议日期： | 202011 |
| 会议举办地点： | 深圳 |
| 会议名称： | 第十五届中国智能交通年会 |
| 出版日期： | 2020-10-31 |
| 母体文献： | 第十五届中国智能交通年会论文集 |
检索历史
应用推荐
