[发明专利]基于集成LSSVR模型的路网中短时交通流的预测方法

摘要

本发明涉及一种基于集成LSSVR模型的路网中短时交通流的预测方法。该预测方法在传统方法的基础上，根据不同路段的交通流量对不同滞后时间的历史交通流数据的依赖程度的不同，先是利用不同的滞后时间，搭建多个不同的非线性LSSVR模型，学习到不同路段的交通流对不同滞后时间的历史数据的依赖，然后通过一个线性LSSVR模型，对多个非线性LSSVR的输出进行整合,进行最终预测。同时，针对模型中参数的调节问题，利用和声搜索算法予以解决。与传统的预测方法相比，本发明可以达到更好的预测效果。

主权项

1.一种基于集成LSSVR模型的路网中短时交通流的预测方法，其特征在于,包括如下步骤：1)采集路网中所有监测器的交通流数据，其中，路网包含多个站点，站点集合为S1，每一个站点包括多个监测器；2)通过监测器的交通流数据在站点集合S1中筛选站点，组成集合S2，并计算S2的交通流数据；3)构建路网短时交通流量值矩阵D2；4)构造LSSVR模型的训练集和验证集；5)构造单个LSSVR模型；6)构建集成LSSVR模型；7)利用智能优化算法对集成LSSVR模型参数进行优化；8)将待预测的数据集，按步骤2)到步骤4)处理成符合集成LSSVR的模型的输入形式，输入到模型中进行预测。