基于支持向量机的高速公路事件检测

被引:7
作者
覃频频
机构
[1] 广西大学机械工程学院
关键词
事件检测; 模式识别; 支持向量机; 高速公路; 交通流;
D O I
10.16265/j.cnki.issn1003-3033.2007.01.031
中图分类号
U491.116 [];
学科分类号
082302 ; 082303 ;
摘要
针对交通领域中的事件检测(无事件模式和事件模式)模式识别问题,描述了支持向量机(SVM)支持的基本方法,建立了基于线性(linear function)、多项式(polynomial function)和径向基(radial basis function)3种核函数的事件检测SVM模型。采用高速公路路段I-880线圈数据集和事件数据集验证模型,结果发现:无论对于向北、向南或混合方向的事件检测,在3个SVM模型中,SVM(P)检测效果最好,SVM(L)最差。SVM算法具有避免局部最小,实现全局最优化,更好的泛化效果的优点,是高速公路事件检测的一种很有潜力的算法。
引用
收藏
页码:172 / 176
页数:5
相关论文
共 10 条
[1]   我国大陆强震预测的支持向量机方法 [J].
王炜 ;
刘悦 ;
李国正 ;
吴耿锋 ;
马钦忠 ;
赵利飞 ;
林命週 .
地震学报, 2006, (01) :29-36
[2]   支持向量机用于芳烃类化合物对芳烃受体亲和性QSAR研究 [J].
周鹏 ;
曾晖 ;
周原 ;
吴世仁 ;
李志良 .
环境科学学报, 2006, (01) :124-129
[3]   基于支持向量机和特征选择的超声缺陷识别方法研究 [J].
刘清坤 ;
阙沛文 ;
郭华伟 ;
宋寿鹏 .
中国机械工程, 2006, (01) :9-12
[4]   试论我国道路交通危机管理体系的构建 [J].
刘娜 ;
胡刚 .
中国安全科学学报, 2005, (12) :52-56+139
[5]   基于实测数据评估交通事件检测中神经网络应用性的研究 [J].
沈晓蓉 ;
王川久 ;
郝佳 ;
范跃祖 ;
孙先仿 .
公路交通科技, 2005, (09) :127-129+145
[6]   交通事件检测算法研究进展附视频 [J].
张敬磊 ;
王晓原 .
武汉理工大学学报(交通科学与工程版), 2005, (02) :215-218
[7]   SVM和BP算法在气体识别中的对比研究 [J].
汪丹 ;
张亚非 .
传感技术学报, 2005, (01) :201-204
[8]   交通事件检测技术的进展研究 [J].
温慧敏 ;
杨兆升 .
交通运输系统工程与信息, 2005, (01) :25-28+73
[9]   一种多源信息的最优融合方法研究 [J].
赵春玲 ;
黄 ;
陈森发 .
信息与控制, 2005, (01) :66-70
[10]   入侵检测的1类支持向量机模型 [J].
李昆仑 ;
黄厚宽 ;
田盛丰 ;
赵俊忠 .
中国安全科学学报, 2003, (06) :75-78+83