本文選題：交通工程 + 交通狀態(tài)判別�。� 參考：《華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年06期

【摘要】：為了提高城市快速路交通狀態(tài)判別的準(zhǔn)確性,構(gòu)建了一種基于譜聚類與隨機(jī)子空間集成K最近鄰(RS-KNN)的交通狀態(tài)判別模型.以地點(diǎn)交通參數(shù)為基礎(chǔ),根據(jù)交通流運(yùn)行特性并結(jié)合中國(guó)道路服務(wù)水平的4個(gè)等級(jí),采用譜聚類算法將交通狀態(tài)劃分為4類;然后使用已分類的交通流數(shù)據(jù)訓(xùn)練RS-KNN模型.通過(guò)上�？焖俾返膶�(shí)測(cè)數(shù)據(jù)完成模型的實(shí)驗(yàn)驗(yàn)證和對(duì)比分析.實(shí)驗(yàn)結(jié)果表明,所提出的模型不僅能夠提高交通狀態(tài)判別的精度,而且具有良好的魯棒性,其判別率比標(biāo)準(zhǔn)KNN模型、BP神經(jīng)網(wǎng)絡(luò)模型和SVM模型分別提高7.3%、4.9%和4.5%.
[Abstract]:In order to improve the accuracy of traffic state identification on urban expressway, a traffic state discriminant model based on spectral clustering and stochastic subspace integration K nearest neighbor RS-KNN was constructed. Based on the location traffic parameters, according to the traffic flow characteristics and the four levels of road service level in China, the traffic state is divided into 4 classes by spectral clustering algorithm, and then the RS-KNN model is trained with the classified traffic flow data. The experimental verification and comparative analysis of the model are completed by the measured data of Shanghai Expressway. The experimental results show that the proposed model can not only improve the accuracy of traffic condition discrimination, but also has good robustness. The discriminant rate of the proposed model is 7.3g% and 4.5% higher than that of standard KNN model / BP neural network model and SVM model, respectively.
【作者單位】： 吉林大學(xué)交通學(xué)院;吉林大學(xué)吉林省道路交通重點(diǎn)實(shí)驗(yàn)室;青島理工大學(xué)汽車與交通學(xué)院;山東高速公路股份有限公司;
【基金】：國(guó)家科技支撐計(jì)劃項(xiàng)目(2014BAG03B03) 國(guó)家自然科學(xué)基金資助項(xiàng)目(51408257,51308248) 山東省省管企業(yè)科技創(chuàng)新項(xiàng)目(20122150251-1)~~
【分類號(hào)】：U491

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 聶佩林;陳曉翔;佘錫偉;戴秀斌;;基于代價(jià)敏感神經(jīng)網(wǎng)絡(luò)的交通狀態(tài)判別[J];公路交通科技(應(yīng)用技術(shù)版);2011年03期

2 常麗君;;交通子區(qū)的狀態(tài)判別方法研究[J];價(jià)值工程;2010年26期

3 張蕓蕓;;基于模糊C均值聚類的交通狀態(tài)判別研究[J];鐵路計(jì)算機(jī)應(yīng)用;2013年04期

4 尹婧;高軍偉;王彬;冷子文;;城市交通狀態(tài)判別方法的研究[J];青島大學(xué)學(xué)報(bào)(工程技術(shù)版);2012年03期

5 漸猛;張俊友;;基于模糊綜合評(píng)價(jià)的道路交通狀態(tài)判別方法研究[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

6 傅惠;趙麗紅;胡剛;許倫輝;張建棟;;適于動(dòng)態(tài)導(dǎo)航系統(tǒng)的城市道路交通狀態(tài)判別[J];交通信息與安全;2009年02期

7 陳力;胡剛;;基于自適應(yīng)神經(jīng)模糊推理的交通狀態(tài)判別方法[J];西部交通科技;2010年05期

8 錢U，

本文編號(hào)：1906187