基于混沌和改進(jìn)LSSVM的短時(shí)交通流預(yù)測(cè).pdf

1、交通系統(tǒng)的信息化和智能化建設(shè)是加快城市現(xiàn)代化進(jìn)程的重要舉措，也是滿(mǎn)足城市居民日益增加的出行需求的基本途徑。交通控制與誘導(dǎo)既是城市交通規(guī)劃的研究?jī)?nèi)容，也是智能交通領(lǐng)域的一項(xiàng)重要課題，其實(shí)現(xiàn)依賴(lài)于實(shí)時(shí)準(zhǔn)確的短時(shí)交通流預(yù)測(cè)。交通流具有不確定性、隨機(jī)性、時(shí)變性的特點(diǎn)，短時(shí)交通流時(shí)間序列也存在混沌特性，因而如何建立準(zhǔn)確的短時(shí)交通流預(yù)測(cè)模型是當(dāng)前的研究熱點(diǎn)。
　　本文以青島市某路段采集的交通流數(shù)據(jù)為基礎(chǔ)，利用混沌理論分析短時(shí)交通流的混沌特性，

2、為下一步的預(yù)測(cè)打下基礎(chǔ)。首先采用C-C法對(duì)交通流時(shí)間序列進(jìn)行分析處理，獲得相空間重構(gòu)所需的嵌入維數(shù)和延遲時(shí)間，然后對(duì)該時(shí)間序列重構(gòu)相空間，最后利用小數(shù)據(jù)量法計(jì)算相空間的最大李雅普諾夫指數(shù)來(lái)判定系統(tǒng)混沌特性的存在。
　　最小二乘支持向量機(jī)(LSSVM)具有強(qiáng)大的學(xué)習(xí)和泛化能力，而且能較好處理小樣本和非線(xiàn)性問(wèn)題。為了提高短時(shí)交通流預(yù)測(cè)的精度，本文提出基于改進(jìn)LSSVM的預(yù)測(cè)方法。采用粒子群(PSO)算法優(yōu)化LSSVM，通過(guò)PSO的全局