一种基于朴素贝叶斯分类的车道数量探测

发布时间：2017-07-18 15:15

  本文关键词：一种基于朴素贝叶斯分类的车道数量探测

  更多相关文章： 交通工程 浮动车数据 自适应宽度探测 朴素贝叶斯分类 车道数量

【摘要】：针对浮动车数据采集成本低、采集速度快、覆盖范围广、蕴含丰富道路信息等特点,提出了一种基于浮动车数据的城市车道数量信息快速获取方法。该方法首先根据浮动车数据的空间分布特征,利用基于Delaunay三角网的密度聚类方法对数据进行优选;然后通过探测浮动车数据的覆盖宽度及其在道路横截面的分布状态,构建朴素贝叶斯分类器;最后采用朴素贝叶斯分类方法确定目标路段的车道数量。结果表明:该方法可以从低精度浮动车数据中快速获取车道数量信息,提取精度达到76.3%。
【作者单位】： 武汉大学测绘遥感信息工程国家重点实验室;深圳大学空间信息智能感知与服务深圳市重点实验室;田纳西大学地理系;
【关键词】： 交通工程 浮动车数据 自适应宽度探测 朴素贝叶斯分类 车道数量
【基金】：国家自然科学基金项目(41271442;40801155;41571430) 深圳市北斗卫星应用工程技术研究中心项目 中国航天科技集团公司卫星应用研究院创新基金项目(2014_CXJJ-DSJ_02)
【分类号】：U463.6;U495
【正文快照】： 3.田纳西大学地理系,田纳西诺克斯维尔TN 37996)0引言车道级别道路信息(车道数量、车道线位置、车道转向等)是智能辅助驾驶系统的关键[1]。目前车道信息获取方法按数据源不同主要分为3类。第1类方法从影像和视频数据中提取车道线、道路边界线、转向信息等[2-4]。第2类方法利用

【相似文献】

中国期刊全文数据库 前10条

1 范生万;王浩;;贝叶斯网络在高职英语应用能力考试中的应用研究[J];安徽工程科技学院学报(自然科学版);2007年04期

2 胡文斌;孟波;王少梅;;基于贝叶斯网络的权重自学习方法研究[J];计算机集成制造系统;2005年12期

3 张步良;;基于分类概率加权的朴素贝叶斯分类方法[J];重庆理工大学学报(自然科学);2012年07期

4 史会峰,谷根代,卢艳霞;基于贝叶斯扩张树的文本分类算法[J];华北电力大学学报;2004年05期

5 蒋艳凰,杨学军;基于搜索编码的简单贝叶斯分类方法[J];国防科技大学学报;2004年05期

6 范生万;;贝叶斯网络分类模型在教育中的应用研究[J];安徽建筑工业学院学报(自然科学版);2008年01期

7 刘凤玉,李千目,衷宜;基于贝叶斯分类的分布式网络故障诊断模型[J];南京理工大学学报(自然科学版);2003年05期

8 闭乐鹏;徐伟;宋瀚涛;;基于一类SVM的贝叶斯分类算法[J];北京理工大学学报;2006年02期

9 李永忠;赵博;杨鸽;徐静;;贝叶斯树算法在异常入侵检测中的应用[J];江苏科技大学学报(自然科学版);2008年01期

10 黄永毅;钮靖;王秋红;;基于贝叶斯的不确定数据挖掘[J];硅谷;2014年02期

中国重要会议论文全文数据库 前6条

1 袁野;胡邦辉;刘丹军;苏宏琛;;基于贝叶斯分类判别方法的雷暴预报研究[A];第26届中国气象学会年会灾害天气事件的预警、预报及防灾减灾分会场论文集[C];2009年

2 李千目;严悍;刘静;王宗月;张宏;刘凤玉;;基于贝叶斯网络的网络性能诊断系统[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

3 邓红;陈丹;周方;;基于贝叶斯网络的多主题对话管理方法研究[A];2010通信理论与技术新发展——第十五届全国青年通信学术会议论文集（下册）[C];2010年

4 马后锋;樊兴华;;一种改进的增量贝叶斯分类算法[A];2007'仪表，，自动化及先进集成技术大会论文集（一）[C];2007年

5 周德全;;离散贝叶斯分类算法及分类误差估计[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年

6 陈猛;郭华平;范明;;一种基于贝叶斯的多窗口数据流分类模型[A];第二十五届中国数据库学术会议论文集（二）[C];2008年

中国硕士学位论文全文数据库 前10条

1 李平;贝叶斯网在糖尿病辅助诊断系统中的应用[D];浙江工业大学;2013年

2 王峻;朴素贝叶斯分类模型的研究与应用[D];合肥工业大学;2006年

3 张亚萍;基于聚类的朴素贝叶斯分类模型的研究与应用[D];合肥工业大学;2006年

4 余民杰;贝叶斯网络分类器与应用[D];云南财经大学;2012年

5 张平;基于贝叶斯网络的多维分类问题研究[D];西安电子科技大学;2014年

6 李冠广;基于贝叶斯网络的入侵检测[D];大连理工大学;2010年

7 刘辉;基于贝叶斯分类技术的电信客户欺诈分析[D];西南交通大学;2005年

8 孙铭会;多模块集成式贝叶斯分类模型的研究[D];吉林大学;2007年

9 朱晓丹;朴素贝叶斯分类模型的改进研究[D];厦门大学;2014年

10 彭兴媛;朴素贝叶斯分类改进算法的研究[D];重庆大学;2012年

本文编号：558335