Indexed by：
Abstract：
居民出行方式选择是一个较为复杂的非线性问题,受到的影响因素众多.提出采用支持向量机方法构建了居民出行方式选择模型,并以交叉验证意义下的分类准确率作为适应度函数,利用粒子群算法对支持向量机参数优化选择,避免参数设定的随机性,减少参数选择的工作量.通过实证研究表明,利用粒子群算法优化支持向量机的参数是可行的,支持向量机方法相对于BP神经网络,对居民出行方式预测有更高的精度.预测精度比BP神经网络提高了将近5个百分点,建模样本和测试样本的分类精度分别达到86.20％和82.31％.所构建的模型可用于居民出行方式预测,这对城市交通规划,出行需求预测具有现实指导意义.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
交通运输系统工程与信息
ISSN： 1009-6744
CN： 11-4520/U
Year： 2011
Issue： 5
Volume： 11
Page： 155-161
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 13
Affiliated Colleges：
