基于改進(jìn)粒子群算法的交通流量預(yù)測(cè)研究

梁計(jì)鋒

（西安翻譯學(xué)院 陜西 西安 710105）

基于改進(jìn)粒子群算法的交通流量預(yù)測(cè)研究

梁計(jì)鋒

（西安翻譯學(xué)院 陜西 西安 710105）

為了提高交通流量控制和優(yōu)化的精度，將混沌理論引入PSO對(duì)LS-SVM的核參數(shù)和懲罰系數(shù)進(jìn)行優(yōu)化選擇，提出一種ECLS-SVM交通流量預(yù)測(cè)模型。通過(guò)基于ECLS-SVM算法的單步、3步、5步和7步預(yù)測(cè)結(jié)果和不同模型的預(yù)測(cè)時(shí)間和預(yù)測(cè)均方誤差的對(duì)比結(jié)果可知，ECLS-SVM算法可以有效提高交通流量預(yù)測(cè)的精度和效率，對(duì)指導(dǎo)交通網(wǎng)絡(luò)資源的合理分配和規(guī)劃具有重要的理論意義和實(shí)際價(jià)值。

粒子群算法；遺傳算法；交通流量控制；交叉操作；變異操作

隨著城市化規(guī)模和交通網(wǎng)絡(luò)的日益增大，導(dǎo)致交通網(wǎng)絡(luò)管理工作的繁重程度急劇上升，交通事故頻發(fā)。為了保證交通資源的合理分配，高質(zhì)量的交通流量預(yù)測(cè)對(duì)交通網(wǎng)絡(luò)的規(guī)劃、管理和設(shè)計(jì)具有重要的理論意義和實(shí)際價(jià)值。

針對(duì)交通流量數(shù)據(jù)的非平穩(wěn)和非線(xiàn)性的特點(diǎn)，文中結(jié)合EMD和CPSO算法對(duì)LS-SVM核參數(shù)和懲罰系數(shù)進(jìn)行自適應(yīng)優(yōu)化，提出一種基于ECLSSVM算法的交通流量預(yù)測(cè)模型。通過(guò)EMD提取交通流量的細(xì)節(jié)特征和趨勢(shì)特征，構(gòu)建出基于ECLSSVM的交通流量預(yù)測(cè)模型的輸入和輸出，實(shí)現(xiàn)交通流量的預(yù)測(cè)，為網(wǎng)絡(luò)資源的合理配置和可靠傳輸提供決策的依據(jù)。

1 混沌粒子群算法

1.1 粒子群優(yōu)化算法

粒子群算法最初由kennedy等人提出，用來(lái)模擬鳥(niǎo)群群體飛行覓食的行為，通過(guò)鳥(niǎo)群群體之間的協(xié)同互助和競(jìng)爭(zhēng)實(shí)現(xiàn)覓食路徑的最優(yōu)化。覓食過(guò)程中，粒子將追蹤粒子群中的兩個(gè)極值，分別為粒子本身到當(dāng)前狀態(tài)下所找到的最優(yōu)解pbest和全種群到當(dāng)前狀態(tài)下所找到的最優(yōu)解gbest。……