不同核函数SVM在居民出行方式预测模型中的应用  

Application of different kernel functions with SVM in prediction model of residents' trip mode

作　　者：许铁[1] 高林杰[2] 景鹏[2] 陈东清[3] 

机构地区：[1]福建交通职业技术学院,福州350007 [2]上海交通大学交通运输工程研究所,上海200052 [3]福州大学管理学院,福州350002

出　　处：《长春工程学院学报（自然科学版）》2011年第3期131-135,共5页Journal of Changchun Institute of Technology：Natural Sciences Edition

基　　金：国家自然科学基金项目(50808123)

摘　　要：采用持向量机方法构建了居民出行方式选择模型,使用网格搜索方法选择支持向量参数,避免参数选择的随机性,分析不同核函数对模型构建的影响。研究表明,采用多项式核函数、RBF核函数构建的支持向量机模型对居民出行方式预测精度较高,所构建的模型可用于居民出行方式预测;在支持向量机核函数选择中,优先选择RBF核函数,其次为多项式核函数。This paper adopts support vector machine method to construct option model of residents＇ trip,and uses grid-search method to select parameters.This method avoids the randomness in choosing the parameters.Then it analyzes the influence of different kernel function to SVM model.The result shows that the support vector machines with polynomial kernel functions and RBF kernel functions obtain high accuracy in trip mode prediction.The constituted model can be used for residents＇ trip forecasting.In the choice of support vector machine kernel function,RBF kernel function is the privilege,polynomial kernel function is the followed.

关 键 词：城市交通 出行方式预测 支持向量机 核函数 

分 类 号：U491.12[交通运输工程—交通运输规划与管理] O224[交通运输工程—道路与铁道工程]