توضیحات
ABSTRACT
Forecasting of inter-urban traffic flow has been one of the most important issues globally in the research on road traffic congestion. Due to traffic flow forecasting involves a rather complex nonlinear data pattern; there are lots of novel forecasting approaches to improve the forecasting accuracy. This investigation presents a short-term traffic forecasting model which combines the support vector regression (SVR) model with Genetic Optimization algorithms (SVRGA) to forecast inter-urban traffic flow. Additionally, a numerical example is employed to elucidate the forecasting performance of the proposed SVRGA model. Finally the results compare and their performance with time series models.
INTRODUCTION
Accurate short-term traffic flow forecasting has become a crucial step in the overall goal of better road network management. A wide variety of forecasting approaches has been applied to forecast the traffic flow of inter-urban motorway networks. Those employed approaches could be classified according to the type of data, forecast horizon, and potential end-use including Kalman state space filtering models. This paper discusses the application of support vector machine (SVM) to predict the traffic flows in an urban street network, which one of streets of Shiraz city, location on The Cinema Saadi junction. Support vector machine (SVM) were purposed Vapnik originally developed to solve pattern
recognition and classification problems. Recently, SVM generalized to regression (SVR) and time series prediction, such as financial time series (stocks index and exchange rate) forecasting . The selection of three positive parameters i.e. , C and of a SVR model is important to the accuracy of forecasting. Therefore, Genetic optimization algorithm (GA) is used in the proposed SVR model to optimize parameter selection. The remainder of this paper is organized as follows. The SVR model, Genetic optimization algorithm and Time series forecasting models are introduced in Sections 2, 3 and 4. A numerical example is presented in Section 5. Conclusions are discussed in Section 6.
چکیده
پیش بینی جریان ترافیکی بین شهری یکی از مهمترین مسائل در سطح جهان در تحقیق در مورد تراکم جاده ای است. با توجه به پیش بینی جریان ترافیک شامل یک الگوی داده ای نسبتا پیچیده غیر خطی است؛ روشهای پیش بینی جدیدی برای بهبود دقت پیش بینی وجود دارد. این تحقیق یک مدل پیش بینی ترافیکی کوتاه مدت ارائه می دهد که مدل رگرسیون بردار پشتیبانی (SVR) با الگوریتم های بهینه سازی ژنتیکی (SVRGA) را برای پیش بینی جریان ترافیکی بین شهری ترکیب می کند. علاوه بر این، یک مثال عددی برای توضیح عملکرد پیش بینی مدل SVRGA پیشنهاد شده است. در نهایت نتایج مقایسه و عملکرد آنها با مدل های سری زمانی.
مقدمه
پیش بینی دقیق جریان ترافیکی کوتاه مدت، یک گام مهم در هدف کلی مدیریت بهتر شبکه جاده ای است. طیف گسترده ای از رویکردهای پیش بینی شده برای پیش بینی جریان ترافیک شبکه های بزرگراه های بین شهری مورد استفاده قرار گرفته است. آن دسته از روشهای شاغل میتوانند براساس نوع داده ها، افق پیش بینی شده و امکان استفاده بالقوه از جمله الگوهای فیلترینگ حالت دولتی کالمن طبقهبندی شوند. این مقاله در مورد استفاده از دستگاه بردار پشتیبانی (SVM) برای پیش بینی جریانهای ترافیکی در شبکه خیابان شهری، که یکی از خیابان های شهر شیراز، محل اتصال سینما سعدی است، مورد بحث قرار می گیرد. Vapnik در ابتدا برای حل مشکلات تشخیص و تشخیص الگو طراحی شده بود. به تازگی، SVM به رگرسیون (SVR) و پیش بینی سری زمانی، مانند سری زمانی مالی (شاخص سهام و نرخ ارز) را پیش بینی کرد. انتخاب سه پارامتر مثبت یعنی C و یک مدل SVR برای دقت پیش بینی اهمیت دارد. بنابراین، الگوریتم بهینه سازی ژنتیک (GA) در مدل پیشنهاد شده SVR برای بهینه سازی انتخاب پارامتر استفاده می شود. باقی مانده از این مقاله به شرح زیر است. مدل SVR، الگوریتم بهینه سازی ژنتیکی و مدل های پیش بینی سری در بخش های 2، 3 و 4 معرفی شده است. مثال های عددی در بخش 5 ارائه شده است. نتیجه گیری ها در بخش 6 بحث شده است.
Year: 2013
Publisher : Third Conference on Mathematical Finance and Applications
By : Saifollah Saadatpishe , Hamidreza Maleki
File Information: English Language/ 5 Page / size: 261 KB
Only site members can download free of charge after registering and adding to the cart
سال : 1392
ناشر : سومین کنفرانس ریاضیات مالی و کاربردها
کاری از : سیف الله سعادت پیشه، حمیدرضا ملکی
اطلاعات فایل : زبان انگلیسی / 5 صفحه / حجم : KB 261
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.