基于支持向量机的高速公路实时事故风险研判

发布时间：2018-08-24 13:01

【摘要】：采用G60高速公路(上海段)上布设的单组线圈检测器检测的车道级交通流数据对该路段上发生追尾事故可能性进行研究.通过配对案例对照的方法,分别对事故前5~10min,10~15min和15~20min的交通流数据建立了追尾事故实时预测支持向量机模型.结论表明基于事故前5~10min的交通流数据构建的支持向量机分类器能够有效的对事故进行实时预测,总体事故预测精度为84.85%,误报率为0.33%,该支持向量机分类器具有较高的实用价值,同时也表明了基于单流量检测器的交通流数据对事故进行实时预测的可靠性.
[Abstract]:The possibility of rear-end accidents on G60 freeway (Shanghai section) was studied by using the traffic flow data of driveway level detected by a single group of coil detectors. In this paper, the real-time prediction support vector machine (SVM) model for the traffic flow data of 5 minutes before the accident and 10 minutes before the accident and 15~20min is established by the method of matched case comparison, and the real time prediction support vector machine model of the rear-end accident is established. The conclusion shows that the SVM classifier based on the traffic flow data of 5~10min before the accident can effectively predict the accident in real time. The overall accident prediction accuracy is 84.85 and the false alarm rate is 0.33. The SVM classifier has high practical value. It also shows the reliability of traffic flow data based on single flow detector for real-time accident prediction.
【作者单位】： 同济大学道路与交通工程教育部重点实验室;
【基金】：“十二五”国家科技支撑计划(2014BAG01-B04)
【分类号】：U491.3

【相似文献】

相关期刊论文 前10条

1 赵亚鹏;诸琳;;基于粗糙-支持向量机的航运企业客户信用评估[J];中国航海;2011年03期

2 范思遐;周奇才;熊肖磊;赵炯;;基于粒子群与支持向量机的隧道变形预测模型[J];计算机工程与应用;2014年05期

3 崔艳;程跃华;;小波支持向量机在交通流量预测中的应用[J];计算机仿真;2011年07期

4 陈铁冰;;基于支持向量机的桁架桥可靠度评估[J];交通科技与经济;2014年01期

5 陶甄;吴元;梁晓辉;;路面质量影响因素分析——支持向量机模型[J];数学的实践与认识;2008年14期

6 赵秀娟,刘智勇,樊可清;基于支持向量机的车辆自动分类方法[J];公路交通科技;2003年05期

7 武宏伟,马钺;一种基于支持向量机的车型自动分类器设计方案[J];电子技术应用;2005年04期

8 胡淑燕;郑钢铁;;应用支持向量机的眼睑参数疲劳预测[J];北京航空航天大学学报;2009年08期

9 高尚;梅亮;;基于支持向量机的港口吞吐量预测[J];水运工程;2007年05期

10 沈瑞光;裴玉龙;;基于点积-平移支持向量机的客运需求预测[J];大连海事大学学报;2012年04期

相关硕士学位论文 前5条

1 陈桦深;基于支持向量机的隧道围岩位移变形预测分析研究[D];重庆交通大学;2015年

2 王凯凯;基于支持向量机的隧道围岩参数反演研究[D];辽宁科技大学;2016年

3 邓超;基于支持向量机的流量预测和状态判别研究[D];大连理工大学;2009年

4 李玲玲;基于支持向量机的高速公路交通量预测研究[D];重庆大学;2010年

5 王昕;基于支持向量机的斜拉桥拉索损伤识别技术研究[D];石家庄铁道大学;2014年

，

本文编号：2200895