简介:对智能交通系统(ITS)短时交通流量预测问题进行研究,提出了一种联合FCM与群集蜘蛛优化SVR交通流量预测算法。首先采用FCM聚类方法对交通流量数据预处理,得到基于时间节点分割的时序数据模块,有效降低了数据差异性带来的误差影响;然后构建基于群集蜘蛛优化SVR模型,针对SVR参数选择难题,在群集蜘蛛优化算法中引入社会等级制度,动态的将蜘蛛种群划分为上中下三个阶层,并根据不同阶层个体适应度大小,分别设计自适应竞争、"快搜"以及逆向学习机制,提高了算法寻优精度;最后,运用群集蜘蛛优化SVR对各个交通流量数据时序模块进行预测评估。仿真结果表明,同其它预测算法相比,该算法预测平均绝对误差降低了38.4-53.8%。
简介:为科学预测空域扇区空中交通管制员工作负荷,准确把握管制员行为特征,研究了空中交通管制员工作负荷分布规律以及工作负荷与管制复杂度间关联性。在对管制员工作负荷进行分类计算基础上,分析了单架航空器管制员工作负荷的概率分布情况;从空域复杂度和交通流复杂度2个层面构建了航路扇区管制复杂性评价指标体系,借助熵权法和灰色关联度分析法计算管制复杂性系数,进而分析了管制员工作负荷与管制复杂性间关联性。实例分析表明,管制员工作负荷分布具有较强规律性,即单架航空器管制员工作负荷服从对数正态分布,且管制员工作负荷与扇区管制复杂性间具有较强关联性,管制复杂性系数超过0.84时工作负荷将急剧上升。