[发明专利]一种基于CS-SVR算法的短时道路交通拥堵预测方法

权利要求书

1.一种基于CS-SVR算法的短时道路交通拥堵预测方法，包括以下步骤：

步骤S01，收集原始数据并处理；

步骤S02，采用布谷鸟搜索算法(CS,Cuckoo Search)对各参数初始化；

步骤S03，建立目标函数，计算初始适应度；

步骤S04，进行随机走动，计算新鸟巢位置；

步骤S05，更新最优目标函数值；

步骤S06，判断宿主鸟是否发现外来鸟蛋，改变或保留鸟巢位置；判断最优适应度值是否达到预测精度acc；如满足，则停止迭代进入步骤S07；否则需返回步骤S03重新迭代更新；

步骤S07，输出最优(C,g)值，并进行SVR交通拥堵预测；

步骤S08，判断得出的值是否符合设定精度，如符合输出结果；否则，返回步骤S03。

2.根据权利要求1所述的一种基于CS-SVR算法的短时道路交通拥堵预测方法，其特征在于，所述步骤S01中，数据处理的方法包括归一化法。

3.根据权利要求1所述的一种基于CS-SVR算法的短时道路交通拥堵预测方法，其特征在于，所述步骤S02中，布谷鸟搜索算法各参数初始化，所述参数包括：鸟巢数量n、最大迭代iter、预测精度acc、最大鸟蛋识别率p_a、搜索的步长α₀；鸟巢位置信息即是需要寻优的参数(C,g)，其中设定p_a为0.25。

4.根据权利要求1所述的一种基于CS-SVR算法的短时道路交通拥堵预测方法，其特征在于，所述步骤S03中，目标函数建立，初始适应度计算，包括：

利用SVR工具箱对训练样本进行训练，产生初步的预测精度值，此时的预测精度值为初始适应度值f⁽⁰⁾(i),i＝1,…,N；其中适应度值设定为利用SVR工具箱预测出的误差最小值。

5.根据权利要求1所述的一种基于CS-SVR算法的短时道路交通拥堵预测方法，其特征在于，所述步骤S04中，进行随机走动，计算新鸟巢位置，包括：

步骤1：保留上代最优鸟巢位置p^(j-1)(i),其中i表示第i个鸟巢，j表示当前迭代代数；

步骤2：使用模仿鸟类飞行的莱维(Lévy)飞行模式作为寻巢路径方式，进行鸟巢位置更新；位置更新公式如下：

p^(j+1)(i)＝p^(j)(i)+α·L(λ),i＝1,2,…,N

其中L(λ)为满足Lévy概率分布的随机搜索路径，s为随机步长，有：

L(s,λ)～s^-λ,(1＜λ≤3)

采用Mantegna提出的Lévy飞行搜索路径公式：

L(λ)＝μ/|v|^1/β,0＜β≤2

其中β＝λ-1，这里取β＝1.5；μ和v满足：

6.根据权利要求1所述的一种基于CS-SVR算法的短时道路交通拥堵预测方法，其特征在于，所述步骤S05中，更新最优目标函数值，包括：

利用SVR工具箱计算目前迭代代数的鸟巢适应值，并与上代鸟巢的适应值对比；设新适应值为fnew，第j代的适应值为f^(j)(i)，i＝1,2,…,N；假设存在fnew＜f^(j)(i)，则更新鸟巢位置，鸟巢位置变为假设存在fnew≥f^(j)(i)，则保留鸟巢位置，鸟巢位置不变还是f^(j)(i)，其中f^(j)(i)表示第j代第i个鸟巢的位置。

7.根据权利要求1所述的一种基于CS-SVR算法的短时道路交通拥堵预测方法，其特征在于，所述步骤S07，利用SVR对交通拥堵流量测试样本进行预测，包括：

输出结果：圆圈表示原始数据，即训练样本；星形表示预测结果，即用SVR预测后的回归预测数据；

判断标准：如果星形在圆圈正中间，表明数据完全一样，预测完全一致；如果星形在圆圈周围，表示预测结果有一定误差；如果完全在圈外，说明误差率太大，预测失败。