基于混合人工鱼群优化SVR的交通流量预测

来源：大连理工大学学报杂志2015年第6期北京时间：

作者：姚卫红,方仁孝,张旭东

摘要：实时准确的交通流量预测是智能交通系统(ITS)中的重要内容．支持向量回归(SVR)能够用于解决交通流量预测问题，针对SVR中存在的参数选择困难，提出一种混合人工鱼群(AFS)算法．该算法利用粒子群优化(PSO)算法公式改进AFS算法，减小AFS算法中步长因子的影响，并引入混沌初始化AFS机制，选取最优SVR参数，建立了基于混沌PSO-AFS优化SVR的交通流量预测模型．仿真结果表明，该交通流量预测模型具有更优的预测性能，证明了其可行性和有效性．

关键词：交通流量预测支持向量回归(SVR)人工鱼群(AFS)算法粒子群优化(PSO)混沌机制

基金资助：“八六三”国家高技术研究发展计划资助项目(2012AA111902-2).