基于粒子群优化投影寻踪回归模型的短时交通流预测

邴其春，龚勃文，林赐云，杨兆升，曲鑫



基于粒子群优化投影寻踪回归模型的短时交通流预测

邴其春1, 2，龚勃文1，林赐云1，杨兆升1，曲鑫1

(1. 吉林大学交通学院，吉林长春，130022；2. 青岛理工大学汽车与交通学院，山东青岛，266520)

针对短时交通流数据的高度复杂性、随机性和非稳定性，为了进一步提高短时交通流预测的精度，提出一种基于粒子群优化投影寻踪回归模型的短时交通流预测方法。通过灰色关联度分析确定交通流预测影响因子，然后采用粒子群优化算法构建非参数投影寻踪回归模型，并利用上海市南北高架快速路的感应线圈实测数据进行实验验证和对比分析。实验结果表明：PSO-PPR模型的短时交通流预测效果明显提高，其平均预测精度分别比ARIMA模型和BPNN模型提高37.8%和27.2%。

智能交通系统；短时交通流预测；投影寻踪回归模型；粒子群优化；灰色关联度分析

准确、可靠的交通流预测信息是智能交通系统(intelligent transportation systems，ITS)的基础和关键，其预测精度直接影响着自适应交通控制系统以及动态交通诱导系统等多项ITS核心功能的应用效果。由于交通流预测信息的重要性，短时交通流预测一直是智能交通领域的研究热点，并已研究多种预测方法与模型。VOORT等[1]将ARIMA模型应用于短时交通流预测领域；WILLIAMS等[2]考虑交通流的周期性，全面而系统地阐述了季节性ARIMA模型在短时交通流预测中的应用；聂佩林等[3]为了克服单一预测模型性能不稳定的问题，提出了基于约束卡尔曼滤波的短时交通流量组合预测模型；……