基于遗传算法优化和KD树的交通流非参数回归预测方法  

Non-parameter-regression traffic flow forecast method based on KD-tree and genetic optimization

作　　者：贾宁[1] 马寿峰[1] 钟石泉[1] 

机构地区：[1]天津大学管理与经济学部,天津300072

出　　处：《控制与决策》2012年第7期991-996,共6页Control and Decision

基　　金：国家自然科学基金项目(70971094);天津市科技支撑计划重点项目(08ZCKFSF01000)

摘　　要：非参数回归预测方法在交通流短时预测中得到了广泛应用.针对提高搜索速度和关键参数的优化设置两个问题,提出使用KD树作为模式库的存储结构,能够有效提高搜索速度,并且能够在实际运行中不断将新发现的交通流模式实时地加入模式库.提出使用遗传算法对非参数回归中的重要参数进行优化,实验表明能够得到相对较优的参数设置.所得研究结果为实时的交通流短时预测系统提供了一种较好的预测方法.Non-parametric regression forecasting method is widely used in short-term traffic flow forecasting. To improve its searching speed and parameters optimization, the K-dimension（KD） tree is used as the structure of the pattern database, which can effectively increase the searching efficiency and allow newly-recognized traffic flow pattern to insert into the pattern database dynamically. Then, the genetic algorithm is used to optimize parameters setting. Experiment results show that better parameters are found by using the algorithm. These results are valuable for the short-term traffic flow forecasting system.

关 键 词：交通流预测 非参数回归 近邻搜索 KD树 遗传算法 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]