發(fā)布時間：2018-08-24 13:01

【摘要】：采用G60高速公路(上海段)上布設的單組線圈檢測器檢測的車道級交通流數(shù)據(jù)對該路段上發(fā)生追尾事故可能性進行研究.通過配對案例對照的方法,分別對事故前5~10min,10~15min和15~20min的交通流數(shù)據(jù)建立了追尾事故實時預測支持向量機模型.結論表明基于事故前5~10min的交通流數(shù)據(jù)構建的支持向量機分類器能夠有效的對事故進行實時預測,總體事故預測精度為84.85%,誤報率為0.33%,該支持向量機分類器具有較高的實用價值,同時也表明了基于單流量檢測器的交通流數(shù)據(jù)對事故進行實時預測的可靠性.
[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.
【作者單位】： 同濟大學道路與交通工程教育部重點實驗室;
【基金】：“十二五”國家科技支撐計劃(2014BAG01-B04)
【分類號】：U491.3

【相似文獻】

相關期刊論文 前10條

1 趙亞鵬;諸琳;;基于粗糙-支持向量機的航運企業(yè)客戶信用評估[J];中國航海;2011年03期

2 范思遐;周奇才;熊肖磊;趙炯;;基于粒子群與支持向量機的隧道變形預測模型[J];計算機工程與應用;2014年05期

3 崔艷;程躍華;;小波支持向量機在交通流量預測中的應用[J];計算機仿真;2011年07期

4 陳鐵冰;;基于支持向量機的桁架橋可靠度評估[J];交通科技與經(jīng)濟;2014年01期

5 陶甄;吳元;梁曉輝;;路面質量影響因素分析——支持向量機模型[J];數(shù)學的實踐與認識;2008年14期

6 趙秀娟,劉智勇,樊可清;基于支持向量機的車輛自動分類方法[J];公路交通科技;2003年05期

7 武宏偉,馬鉞;一種基于支持向量機的車型自動分類器設計方案[J];電子技術應用;2005年04期

8 胡淑燕;鄭鋼鐵;;應用支持向量機的眼瞼參數(shù)疲勞預測[J];北京航空航天大學學報;2009年08期

9 高尚;梅亮;;基于支持向量機的港口吞吐量預測[J];水運工程;2007年05期

10 沈瑞光;裴玉龍;;基于點積-平移支持向量機的客運需求預測[J];大連海事大學學報;2012年04期

相關碩士學位論文 前5條

1 陳樺深;基于支持向量機的隧道圍巖位移變形預測分析研究[D];重慶交通大學;2015年

2 王凱凱;基于支持向量機的隧道圍巖參數(shù)反演研究[D];遼寧科技大學;2016年

3 鄧超;基于支持向量機的流量預測和狀態(tài)判別研究[D];大連理工大學;2009年

4 李玲玲;基于支持向量機的高速公路交通量預測研究[D];重慶大學;2010年

5 王昕;基于支持向量機的斜拉橋拉索損傷識別技術研究[D];石家莊鐵道大學;2014年

，

本文編號：2200895