基于强空间集成的交通状态判别方法

发布时间：2018-01-20 06:07

  本文关键词： 智能交通 交通状态判别 强空间 混淆矩阵 学习器　出处：《计算机工程》2017年11期 　论文类型：期刊论文

【摘要】：为研究服务于交通诱导的路网宏观交通状态判别模型,依据集成学习理论,基于强空间集成,提出一种交通状态判别方法。采用K-近邻规则寻找与待判别交通流数据相似的一组训练样本,构成待判别数据的邻域,挖掘交通状态学习器的强空间,进而输出交通运行状态等级标签。采用交通状态混淆矩阵,查全率、查准率等进行实验,结果表明该方法能够较准确地判断路网交通状态,满足交通状态判别的实际应用。
[Abstract]:In order to study the traffic - induced road network macro - traffic state discrimination model , based on the integrated learning theory , a kind of traffic state discrimination method is put forward based on the integration learning theory . The K - nearest neighbor rule is used to find a set of training samples which are similar to the traffic flow data to be distinguished , to form the neighborhood of the data to be distinguished , to excavate the strong space of the traffic state learner , and then to output the traffic running state level label . The results show that the method can accurately judge the traffic state of the road network and meet the practical application of traffic state discrimination .

【作者单位】： 江苏大学汽车工程研究院;
【基金】：国家自然科学基金(U1564201,61601203,61403172) 江苏省道路载运工具新技术应用重点实验室开放基金(BM20082061503) 江苏大学高级人才科研启动基金(16JDG046)
【分类号】：U491
【正文快照】： 0概述随着新的交通信息采集技术和通信技术的出现[1-3],交通管理部门可以获得大量、实时的交通流参数数据[4-5],并能对其实现有效传输,这为新算法开发提供了更多的交通参数选择[6-7]。新的数据分析技术(如机器学习、模式识别、知识发现等)的成熟也为新交通状态判别(Automatic

【相似文献】

相关期刊论文 前10条

1 聂佩林;陈晓翔;佘锡伟;戴秀斌;;基于代价敏感神经网络的交通状态判别[J];公路交通科技(应用技术版);2011年03期

2 常丽君;;交通子区的状态判别方法研究[J];价值工程;2010年26期

3 张芸芸;;基于模糊C均值聚类的交通状态判别研究[J];铁路计算机应用;2013年04期

4 尹婧;高军伟;王彬;冷子文;;城市交通状态判别方法的研究[J];青岛大学学报(工程技术版);2012年03期

5 渐猛;张俊友;;基于模糊综合评价的道路交通状态判别方法研究[J];山东理工大学学报(自然科学版);2013年02期

6 傅惠;赵丽红;胡刚;许伦辉;张建栋;;适于动态导航系统的城市道路交通状态判别[J];交通信息与安全;2009年02期

7 陈力;胡刚;;基于自适应神经模糊推理的交通状态判别方法[J];西部交通科技;2010年05期

8 钱U，

本文编号：1447144