基于变量选择和核极限学习机的交通事件检测

发布时间：2018-04-09 15:21

  本文选题：交通工程　切入点：交通事件检测　出处：《浙江大学学报(工学版)》2017年07期

【摘要】：为了进一步提高交通事件检测的效果,提出基于变量选择和核极限学习机(KELM)的自动事件检测(AID)算法.根据交通事件上、下游交通流参数的变化特点,构建较全面的交通事件检测初始变量集.采用随机森林—递归特征消除(RF-RFE)算法,从中选择重要变量.以重要变量作为输入,训练KELM并通过万有引力搜索算法(GSA)优化参数.使用美国I-880数据库,对AID算法的效果进行验证和对比分析.因为数据库中的事件样本数远少于非事件样本数,采用SMOTE平衡两类样本.结果表明,使用重要变量能够提高交通事件的检测效果,KELM的检测效果优于反向传播神经网络(BPNN)和支持向量机(SVM).
[Abstract]:In order to improve the effect of traffic event detection, an automatic event detection (AIDD) algorithm based on variable selection and kernel limit learning machine (KELM) is proposed.According to the characteristics of traffic flow parameters in the downstream of traffic events, a more comprehensive set of initial variables for traffic incident detection is constructed.The RF-RFE (Random Forest Recursive feature Elimination) algorithm is used to select important variables.Using important variables as input, KELM is trained and optimized by gravitational search algorithm.I-880 database is used to verify and compare the effect of AID algorithm.Because the number of event samples in the database is much less than that of non-event samples, SMOTE is used to balance the two kinds of samples.The results show that using important variables can improve the detection effect of traffic events. The detection effect of KELM is better than that of BPNN (back propagation neural network) and support vector machine (SVM).
【作者单位】： 吉林大学交通学院;吉林大学吉林省道路交通重点实验室;青岛理工大学汽车与交通学院;
【基金】：国家“十二五”科技支撑计划资助项目(2014BAG03B03) 国家自然科学基金资助项目(51408257,51308248)
【分类号】：TP181;U491

【相似文献】

相关期刊论文 前10条

1 童剑军;;设计是关键——高速公路交通事件检测技术的设计、使用与评测[J];中国交通信息产业;2007年09期

2 童剑军;;能干啥 想干啥——高速公路交通事件检测技术的设计、使用与评测之二[J];中国交通信息产业;2007年12期

3 童剑军;;好不好 值不值——交通事件检测技术的设计、使用与评测之三[J];中国交通信息产业;2008年02期

4 罗鹃;何彦辉;;秦岭终南山公路隧道火灾和交通事件检测研究[J];中国交通信息化;2011年05期

5 张云伟,刘跃明;交通事件检测的一种滤波算法[J];云南工业大学学报;1998年04期

6 姜紫峰,刘小坤;基于神经网络的交通事件检测算法[J];西安公路交通大学学报;2000年03期

7 吕琪,王慧;基于动态神经网络模型的交通事件检测算法[J];公路交通科技;2003年06期

8 温慧敏,杨兆升;交通事件检测技术的进展研究[J];交通运输系统工程与信息;2005年01期

9 李传志;胡如夫;;公路交通事件检测技术的研究与展望[J];交通科技与经济;2008年05期

10 郑玉兴;;交通事件检测系统在高速公路中的应用[J];北方交通;2009年07期

相关会议论文 前6条

1 温慧敏;杨兆升;姜桂艳;邵长丰;;基于多层感知器神经网络的高速公路交通事件检测方法[A];第七届北京青年科技论文评选获奖论文集[C];2003年

2 姚智胜;邵春福;;基于v-支持向量分类机的交通事件检测方法研究[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（上册）[C];2005年

3 温慧敏;;交通事件检测数据融合技术研究[A];第一届中国智能交通年会论文集[C];2005年

4 高颖;;快速路交通事件检测算法研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 覃频频;牙韩高;黄大明;;基于Logit模型的城市道路交通事件检测仿真[A];第一届中国智能交通年会论文集[C];2005年

6 刘小明;蒋新春;张杰;吴家宇;;基于视频检测的高速公路车辆交通行为安全状态分析[A];2008第四届中国智能交通年会论文集[C];2008年

相关重要报纸文章 前1条

1 王国忠 李岸;我省高速公路信息监控中心二期工程将重点建五大系统[N];山西日报;2008年

相关博士学位论文 前1条

1 蔡志理;高速公路交通事件检测及交通疏导技术研究[D];吉林大学;2007年

相关硕士学位论文 前10条

1 张凯;高速公路交通事件检测与仿真研究[D];长安大学;2009年

2 沈舒;高速路网运行状态评估模型、仿真及技术实现[D];南京大学;2013年

3 谢聪;基于CGA-PNN的高速公路交通事件检测算法研究[D];西南交通大学;2016年

4 李桂林;基于视频图像的逆行交通事件检测方法的研究[D];安徽工程大学;2016年

5 周林;基于ER算法的公路交通事件检测研究[D];合肥工业大学;2016年

6 张文明;蓝牙交通流量检测系统及交通事件检测算法研究[D];江苏科技大学;2016年

7 丁俊杰;交通事件检测算法研究及其DSP实现[D];东北大学;2013年

8 刘清泉;基于混合支持向量机多分类器的交通事件检测方法研究[D];长沙理工大学;2009年

9 曾钢;高速公路交通事件检测建模及应用研究[D];中南大学;2009年

10 邵士雨;基于视频的交通事件检测算法研究[D];山东大学;2013年

，

本文编号：1727003