首页|基于最小二乘支持向量机的车辆跟驰行为模型

基于最小二乘支持向量机的车辆跟驰行为模型

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
基于最小二乘支持向量机（ Least squares support vector machine ，LS－SVM）算法建立符合我国道路交通流特征的车辆跟驰模型，并用该模型模拟单车道道路上车辆的跟驰行为。采用NGSIM提供的数据对LS－SVM模型进行仿真验证，将测试结果与传统的Gipps模型进行对比。结果表明：与Gipps模型相比，LS－SVM模型对应的各项误差指标精度均有明显改善，能够挖掘变量之间的潜在关系，弥补传统车辆跟驰模型的不足。
Car-Following Behavior Model Based on Least Squares Support Vector Machine
The least squares support vector machine ( LS-SVM) algorithm describes and fits the car following behaviors on roads with Chinese traffic flow characteristics .The study uses the LS-SVM model to simulate the car-following behaviors on single-lane road.It uses NGSIM data to verify LS-SVM model and also tests the model against traditional Gipps model .The results show that the accuracy of error indicators of the LS-SVM model is improved more significantly than the Gipps model .The LS-SVM model is able to display the potential relationships between variables and compensate the shortage of traditional car-following model .

car-followingmachine learningleast squares support vector machineregression forecast

邱小平、李娜

展开 >

西南交通大学 交通运输与物流学院，四川 成都 610031

综合交通运输智能化国家地方联合工程实验室，四川 成都 610031

综合运输四川省重点实验室，四川 成都 610031

车辆跟驰 机器学习 最小二乘支持向量机 回归预测

国家自然科学基金国家自然科学基金四川省科技厅项目四川省科技厅项目中央高校基本业务经费成都市科技局项目

51278429514085092013GZX01672014ZR0091SWJTU11CX0802014－RK00－00056－ZF

2016

10.3969/j.issn.1672-0032.2016.04.008

山东交通学院学报
山东交通学院

山东交通学院学报

影响因子：0.299
ISSN：1672-0032
年,卷(期)：2016.24(4)
  • 2
  • 8