原文传递
基于支持向量机的高速公路交通量预测研究
| 论文题名： | 基于支持向量机的高速公路交通量预测研究 |
| 关键词： | 高速公路;交通量;支持向量机;机器学习 |
| 摘要： | 高速公路不仅是交通运输现代化的重要标志，同时也是一个国家经济发展水平的风向标。中国的高速公路自从1988年开始建设以来，发展速度很快，尤其是“十五”开始，国家大力发展高速公路建设。目前我国高速公路里程仅次于美国，预计很快就会成为世界上高速公路里程最长的国家。 在高速公路飞速发展的同时，对高速公路的管理也非常重要。就重庆市而言，根据市政府规划，2009年底以前将建成二环高速公路，届时将撤消重庆内环高速公路的所有收费站，在靠近二环的主城方向的射线高速公路上新建主线收费站，内环高速公路由政府回购，作为城市道路，内环至二环间的射线高速公路由政府租赁，实现年票化。那么在回购和租赁的过程中，准确、合理地确定高速公路的未来年交通量，便成为确定高速公路价值的关键因素。 在这个背景下，本文对高速公路的年交通量数据进行研究，以达到准确、合理地对高速公路年交通量进行预测的目的。本文首先对现有的预测理论与方法进行了综述，重点研究了这些方法的特点和适用范围；然后对我国高速公路年交通量的特点进行了研究，由于我国高速公路建设历史较短，以前信息系统的建设不够完善，因此年度交通量的数据样本较小。另外高速公路年度流量的大小还与一个地区的经济发展水平、人口数量等区域经济因素相关，论文对这些因素也进行了归纳，以便使结果更符合要求。 针对这些特点，结合现有的预测方法，本文采用支持向量机方法对高速公路年度交通量进行预测。支持向量机（SVM）是Vapnik在统计学习理论基础上提出的一类新的机器学习算法。支持向量机基于结构风险最小化原理，与传统机器学习方法相比，SVM在解决小样本、高维度以及非线性问题上具有明显的优势。就推广性能而言，SVM具有较好的推广性，在统计意义上较少的支持向量对应很好的推广能力。从支持向量机的简单特性可以看出，支持向量机比较适合年度交通量的预测，本文将对模型进行精度以及一致性的检验。在应用支持向量机方法的时候，重点研究了支持向量机核函数以及参数选择等关键问题，通过测试样本的比较，选出较优的核函数；使用粒子群算法对支持向量机的参数进行了优化。 |
| 作者： | 李玲玲 |
| 专业： | 管理科学与工程 |
| 导师： | 肖智 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
