基于CS算法优化的SVM短时交通流预测模型

摘要

为了提高短时交通流预测模型的准确度，提出一种基于布谷鸟搜索算法(Cuckoo Search, CS)优化的支持向量机(Support Vector Machine, SVM)短时交通流预测模型(CS-SVM)。选取青岛市内的多组典型城市路段作为研究对象，将观测收集的车流量数据作为学习样本。利用CS算法对SVM模型的主要参数进行优化，建立以SVM为基础的短时交通流预测模型。最后将CS-SVM模型与多种现有模型进行仿真分析。结果表明，CS-SVM模型相比其他传统模型具有更低的预测误差和更好的稳定性，CS-SVM模型相比SVM模型的MAE值下降了6.56%,RMSE值下降了7.36%。因此该模型能够为城市交通出行和交通流理论研究提供有效帮助。

关键词

短时交通流预测 / 城市道路交通 / 布谷鸟搜索算法 / 支持向量机