激光测距仪/GPS下城市道路SVM-AID算法研究

发布时间：2022-02-21 19:30

　　为减少交通事件引起的交通延误,有效预防偶发性交通事件导致二次事故的发生,提出一种基于支持向量机（SVM）和数据融合技术的城市道路交通事件自动检测（AID）算法。利用车载激光测距仪采集本车与前车的距离,利用搭载全球定位系统（GPS）的浮动车采集本车瞬时速度。将这2种交通数据按一定的规则进行数据级融合,然后运用线性、多项式和径向基（RBF）3种核函数的SVM模型分别进行事件检测。最后,用实测数据对其进行验证。结果表明:核函数为RBF的非线性SVM模型检测率（DR）值最大,误判率（FAR）值最小,检测指标均优于经典算法,说明算法检测性能良好。 

【文章来源】：中国安全科学学报. 2015,25(04)北大核心CSCD

【文章页数】：6 页

【文章目录】：
0 引言
1 车载激光测距仪与GPS的AID系统
2 基于数据融合模型及SVM-AID算法设计
    2.1 数据融合模型及SVM分类原理
    2.2 SVM-AID算法设计
        2.2.1 特征向量的选择
        2.2.2 SVM-AID算法步骤
3 算法验证
    3.1 试验条件
    3.2 试验结果
4 结论


【参考文献】：
期刊论文
[1]数据融合技术在交通事件检测中的应用综述[J]. 姜桂艳,李琦,常安德.  交通信息与安全. 2011(03)
[2]基于支持向量机的高速公路事件检测[J]. 覃频频.  中国安全科学学报. 2007(01)
[3]高速公路交通事件自动检测系统与算法设计[J]. 姜桂艳,温慧敏,杨兆升.  交通运输工程学报. 2001(01)
[4]关于统计学习理论与支持向量机[J]. 张学工.  自动化学报. 2000(01)



本文编号：3637907