TY -的A2赵Wenbing盟兴,翳明非盟-禁令,小娟盟——郭Chong PY - 2017 DA - 2017/03/16 TI -概率预测交通流使用基于Multikernel极端学习机SP - 2073680六世- 2017 AB -实时和准确的交通流预测是智能交通系统(ITS)的关键。然而,由于非平稳的交通流数据,传统的观点很难准确预测,因此概率预测方法至关重要的量化为交通管理潜在的风险和不确定性。交通流的概率预测模型基于multikernel极端学习机(MKELM)提出。此外,输出最优权重MKELM得到利用研究粒子群优化(QPSO)算法。为了验证其有效性,交通流概率预测使用QPSO-MKELM与其他学习方法。实验结果表明,QPSO-MKELM是实际应用更有效。和它将帮助交通管理者做出正确的决策。SN - 1058 - 9244 UR - https://doi.org/10.1155/2017/2073680 - 10.1155 / 2017/2073680摩根富林明科学编程PB - Hindawi KW - ER