不良交通流状态实时监测支持向量机模型算法研究

被引：16

作者：

游锦明

方守恩

唐棠

张兰芳

机构：

[1] 同济大学道路与交通工程教育部重点实验室

来源：

交通运输系统工程与信息 | 2018年 / 18卷 / 04期

基金：

国家重点研发计划;

关键词：

交通工程; 不良交通流状态; 实时监测; 支持向量机;

D O I：

10.16097/j.cnki.1009-6744.2018.04.013

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];

学科分类号：

082301 [道路与铁道工程];

摘要：

交通流安全实时预警是交通主动安全防控的重要前提.采用实际事故发生前的交通流状态作为不良交通流状态判别标准,通过对车道级交通流数据进行参数提取,结合主成分分析法进行参数降维后得到9个主要参数.建立以径向基为核函数的交通流安全实时预警支持向量机模型,采用网格遍历法确定最优的支持向量机模型的惩罚参数C和核函数参数γ,最终构建的支持向量机模型能够成功地识别79.55%事故对应的不良交通流状态,能够有效地对高速公路上的不良交通流状态进行实时监测预警.

引用

页码：83 / 87+95 +95

页数：6

共 5 条

[1]

Multi-level Bayesian safety analysis with unprocessed Automatic Vehicle Identification data for an urban expressway.[J].Qi Shi;Mohamed Abdel-Aty;Rongjie Yu.Accident Analysis and Prevention.2016,

[2]

Predicting crash risk and identifying crash precursors on Korean expressways using loop detector data.[J].Ho-Chan Kwak;Seungyoung Kho.Accident Analysis and Prevention.2016,

[3]

Multi-level Bayesian analyses for single- and multi-vehicle freeway crashes.[J].Rongjie Yu;Mohamed Abdel-Aty.Accident Analysis and Prevention.2013,

[4]

Predicting reduced visibility related crashes on freeways using real-time traffic flow data.[J].Hany M. Hassan;Mohamed A. Abdel-Aty.Journal of Safety Research.2013,

[5]

城市快速路实时交通流运行安全主动风险评估 [J].

孙剑 ;

孙杰 .

同济大学学报(自然科学版), 2014, 42 (06) :873-879

← 1 →