【摘要】：采用G60高速公路(上海段)上布設(shè)的單組線圈檢測(cè)器檢測(cè)的車道級(jí)交通流數(shù)據(jù)對(duì)該路段上發(fā)生追尾事故可能性進(jìn)行研究.通過配對(duì)案例對(duì)照的方法,分別對(duì)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(shí)時(shí)預(yù)測(cè)支持向量機(jī)模型.結(jié)論表明基于事故前5~10min的交通流數(shù)據(jù)構(gòu)建的支持向量機(jī)分類器能夠有效的對(duì)事故進(jìn)行實(shí)時(shí)預(yù)測(cè),總體事故預(yù)測(cè)精度為84.85%,誤報(bào)率為0.33%,該支持向量機(jī)分類器具有較高的實(shí)用價(jià)值,同時(shí)也表明了基于單流量檢測(cè)器的交通流數(shù)據(jù)對(duì)事故進(jìn)行實(shí)時(shí)預(yù)測(cè)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(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：“十二五”國(guó)家科技支撐計(jì)劃(2014BAG01-B04)
【分類號(hào)】：U491.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙亞鵬;諸琳;;基于粗糙-支持向量機(jī)的航運(yùn)企業(yè)客戶信用評(píng)估[J];中國(guó)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(jī)的隧道變形預(yù)測(cè)模型[J];計(jì)算機(jī)工程與應(yīng)用;2014年05期

3 崔艷;程躍華;;小波支持向量機(jī)在交通流量預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)仿真;2011年07期

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

5 陶甄;吳元;梁曉輝;;路面質(zhì)量影響因素分析——支持向量機(jī)模型[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2008年14期

6 趙秀娟,劉智勇,樊可清;基于支持向量機(jī)的車輛自動(dòng)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(jī)的車型自動(dòng)分類器設(shè)計(jì)方案[J];電子技術(shù)應(yīng)用;2005年04期

8 胡淑燕;鄭鋼鐵;;應(yīng)用支持向量機(jī)的眼瞼參數(shù)疲勞預(yù)測(cè)[J];北京航空航天大學(xué)學(xué)報(bào);2009年08期

9 高尚;梅亮;;基于支持向量機(jī)的港口吞吐量預(yù)測(cè)[J];水運(yùn)工程;2007年05期

10 沈瑞光;裴玉龍;;基于點(diǎn)積-平移支持向量機(jī)的客運(yùn)需求預(yù)測(cè)[J];大連海事大學(xué)學(xué)報(bào);2012年04期

相關(guān)碩士學(xué)位論文 前5條

1 陳樺深;基于支持向量機(jī)的隧道圍巖位移變形預(yù)測(cè)分析研究[D];重慶交通大學(xué);2015年

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

3 鄧超;基于支持向量機(jī)的流量預(yù)測(cè)和狀態(tài)判別研究[D];大連理工大學(xué);2009年

4 李玲玲;基于支持向量機(jī)的高速公路交通量預(yù)測(cè)研究[D];重慶大學(xué);2010年

5 王昕;基于支持向量機(jī)的斜拉橋拉索損傷識(shí)別技術(shù)研究[D];石家莊鐵道大學(xué);2014年

，

本文編號(hào)：2200895