基于浮动公交车的SVM实时交通状态识别研究

被引：1

作者：

王锐

杨宏业

张海鹏

机构：

[1] 内蒙古工业大学信息工程学院

来源：

内蒙古工业大学学报(自然科学版) | 2016年 / 35卷 / 01期

关键词：

智能交通; 交通拥堵识别; SVM支持向量机;

D O I：

10.13785/j.cnki.nmggydxxbzrkxb.2016.01.004

中图分类号：

U495 [电子计算机在公路运输和公路工程中的应用]; TP18 [人工智能理论];

学科分类号：

0838 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了通过公交车车速来实时识别交通状态,针对呼和浩特市某路段的公交车速度进行持续的采集,得到单一路段的行程速度数据和与之相对应的当前交通状态标签,然后通过SVM分类器进行训练,再用得到的模型进行分类,最终达到交通状态识别的目的。通过MATLAB仿真结果得知,采用这种分类识别方法准确率高、模型简单可靠。

引用

页码：18 / 23

页数：6

共 11 条

[1] 浮动车交通信息采集与处理关键技术及其应用研究 [J].

秦玲 ;

张剑飞 ;

郭鹏 ;

齐彤岩 .

交通运输系统工程与信息, 2007, (01) :39-42

[2]

大规模浮动车数据处理的研究与实现[D]. 杨喆.中国科学技术大学 2010

[3]

MATLAB神经网络30个案例分析[M]. 北京航空航天大学出版社 , MATLAB中文论坛, 2010

[4]

MATLAB神经网络30个案例分析[M]. 北京航空航天大学出版社 , MATLAB中文论坛, 2010

[5]

Analysis of network-level traffic states using lo-cality preservative non-negative matrix factorization. Han Y F,Moutarde F. 14th IEEE Intelli-gent Transport Systems Conference . 2011

[6]

Illumination invariant and occlusion robust vehicle tracking by spatio-temporal MRF model. Kamijo, S,Sakauchi, M. Proe.9th World Congress on ITS . 2002

[7]

Fast vehicle detection probabilistic feature grouping and its application to vehicle tracking. Kim, Z,Malik, J. Proe. IEEE Int. Conf. on Computer Vision . 2003

[8]

基于浮动车数据的城市快速路短时交通状态预测的研究[D]. 张菁菁.北京交通大学 2012

[9] 基于GPS浮动车的交通信息采集方法 [J].

姜桂艳 ;

常安德 ;

吴超腾 .

吉林大学学报(工学版) , 2010, (04) :971-975

[10] 分类器组合在心电图分类中的应用 [J].

童佳斐 ;

董军 .

计算机应用, 2010, 30 (04) :1125-1128

← 1 2 →