作者：郭新智能交通系统交通流在线学习支持向量回归模型
摘要：短期交通流量预测已经成为智能交通系统的重要研究领域。为了进行流量动态分配，积极有效地运行交通管理系统，必须要准确估计交通流量。在预测短期流量时，近期流量信息显然对将来短期流量预测具有重要的预示作用，即应该考虑取决于交通流量数据时差的相对重要性。文中提出一种新的短期流量预测模型：基于在线学习的加权支持向量回归模型（OLWSVR）。OLWSVR模型与多种知名预测模型（包括人工神经网络模型、局部加权回归模型、传统的支持向量回归模型，及在线学习支持向量模型）进行比较。结果表明，文中模型的性能优于其他当前模型的性能。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
