基于GA-LSSVR 模型的路网短时交通流预测研究

来源：交通运输系统工程与信息杂志2017年第1期北京时间：

作者：陈小波，刘祥，韦中杰，梁军，蔡英凤，陈龙

单位：江苏大学a. 汽车工程研究院; b. 汽车与交通工程学院，江苏镇江212013

摘要：目前，很多短时交通流预测方法仅利用某一路段历史数据的时间相关性或者 道路上下游路段的时空相关性进行交通流预测，未充分考虑路网所有路段之间的时空相 关性.提出了一种基于稀疏混合遗传算法优化的最小二乘支持向量回归(LSSVR)模型，并 应用于路网短时交通流预测.该预测模型不仅可以自动优化LSSVR模型参数，而且可以 从高维路网交通流数据中选择有助于交通流预测的变量子集.实验结果表明，与LSSVR 模型相比，所提方法具有更好的预测能力；而且，少量时空变量被选择出来构建预测模 型，极大减少了信息冗余，改进了模型可解释性.

关键词：智能交通,变量选择,稀疏混合遗传算法,短时交通流预测,最小二乘支持向量回归

基金资助：国家自然科学基金/ National Natural Science Foundation of China（51108209，61203244，61403172，61573171）； 交通运输部信息化项目/Information Project of Ministry of Transport（2013-364-836-900）；中国博士后科学基金/ China Postdoctoral Science Foundation（2015T80511，2014M561592）；江苏大学高级人才科研