一种LS-SVM在线式短时交通流预测方法

摘要

针对短时交通流在线预测时存在的计算复杂性问题,提出了一种最小二乘支持向量机在线式短时交通流预测方法.该方法简化了在线学习过程中Lagrange乘子的求解过程,利用训练数据集滑动时间窗口的移动来控制新样本的加入和旧样本的移除,通过线性运算完成Lagrange乘子的更新,进而完成预测模型的在线更新.测试结果表明,相对已有方法,所提方法在保证预测精度的条件下,能够将在线模型更新时间平均降低约62.64％,是一种有效的在线式短时交通流预测方法.