1.1.3　基于知识发现的智能模型

在基于知识发现的智能模型中，已经成熟的模型主要包括基于神经网络的模型、基于支持向量机（Support Vector Machine, SVM）的模型等。

1994年，Smith和Demetsky对高速公路交通流预测方法进行了研究，设计了4种实验，分别是历史数据模型、时间数据模型、神经网络模型和非线性回归模型，实验证明了神经网络模型的优越性。1997年，Dollghetry和Cobbett分析了BP（Back Propagation）神经网络的基本原理，并以此为基础构建了交通流预测模型。2004年，Lelitha Vanajakshi和Laurence R. Rilett在已有研究成果的基础上，深入研究SVM的基本原理，提出了基于SVM的城市道路短期交通流预测模型。

在国内，基于知识发现的交通流短时预测模型的研究要比国外稍微晚几年，最早研究神经网络预测模型的是吉林大学的杨兆升教授，随后他又研究了支持向量机的预测模型，其在智能交通研究领域取得的成果，大大地推进了我国智能交通系统的建设。一直以来，短时交通流预测都是智能交通领域研究的热点，并有继续上升的趋势。2010年，夏英、梁中军等基于统计学分析区域交通流量的时空相关性，利用SVM对区域交通流量进行了预测，提高了预测精度。2011年，刘晓玲、贾鹏等对交通流的时空特性进行了分析，以支持向量机模型为基础预测模型，对提交通流量进行了预测。