城市道路交通量短时预测的GSVMR模型_任其亮

在分析现有城市道路交通量短时预测方法缺陷的基础上, 针对目前广泛采用的基于经验风险最小化的BP 网络易于陷入局部最优解等缺点, 结合遗传算法容易寻找全局最优解与支持向量机回归法具有结构风险最小化的特点, 提 出了将两种算法相结合的GSVMR 预测模型, 该模型同时具有结构风险最小和容易寻找最优解的双重特性, 并对某城 市四车道主干道路8∶00 ～ 8∶45 的交通量进行了预测, 结果表明用该模型进行城市道路交通量短时预测所得结果误差 较小, 依此验证了用GSVMR 模型进行城市道路交通量短时预测的有效性。