[发明专利]一种基于SVM算法对短时交通路况预测的方法

权利要求书

1.一种基于SVM算法对短时交通路况预测的方法，其特征在于，所述方法通过SVM的非线性回归进行预测路况值，根据邻近时段的路况值去训练SVM模型，进而预测下个时段的路况值，并根据路况值转化为拥堵等级完成短时各道路交通拥堵状况的预测。

2.根据权利要求1所述的方法，其特征在于，所述方法包括：

S1：选择核函数，确定SVM参数，在得到邻近时段的路况值的数据集后，选择高斯核函数作为核函数，所述SVM参数包含宽度参数δ、二次规划的优化参数ε和C；

S2:输入邻近时段的路况值数据集作为样本，生成预测函数；

S3:根据预测结果进行评价分析后输出结果；

S4:根据输出结果所代表的的路况信息，进行短时交通路况预测。

3.根据权利要求2所述的方法，其特征在于，所述S1中选择核函数，确定SVM参数的具体方法如下：

1)假定训练数据集记为T＝{(x_i,y_i)}^l_i＝1，首先用非线性映射ψ(x)＝[ψ₁(x),ψ₂(x),…,ψ_N(x)]^T把输入数据从原空间映射到N维特征空间，在特征空间中构造逼近函数，其中N为整数；

2)在高维空间的线性回归对应着低维空间的非线性回归，定义ε为不敏感损失函数L_ε(x,y,f)＝|y-f(x)|_ε＝max(0,|y-f(x)|-ε)；

3)最小化目标函数

12||ω||2+CΣi=1lLϵ(xi,yi,f)]]>

其中，x_i∈Rⁿ是第i个输入，y_i∈R是对应的期望输出；ω＝[ω₁，ω₂，…，ω_n]^T是线性权值变量，b为偏置；ε和C是两个由使用者决定的自由参数；

4)按下式对测试样本x进行预测，并对应输出，

f(x)=Σi=1lαiK(x,xi)+b]]>

其中，K为满足Mercer条件的核函数，所述核函数包括多项式核函数，Sigmoid核函数和高斯径向基核函数。

4.根据权利要求3所述的方法，其特征在于，所述S1中采取动态调整SVM参数方法，用先验知识确定第一个SVM参数，来优化第二个SVM参数，在第二个SVM参数确定后在优化第一个SVM参数，最后再根据不同参数下的评价指标结果各自验证其最优性。