共查询到10条相似文献,搜索用时 203 毫秒
1.
根据交通流量、速度和占有率,构造不同交通流状态的隶属函数,根据最大隶属度原则进行交通流状态的识别;利用支持向量机的全局优化、适应性强、泛化性能好等优点,针对实时交通流数据的随机性、高维、非线性和时变等特性,将模糊支持向量机(FSVM)应用于高速公路交通事件检测问题中。在识别阶段利用60组实测数据训练模糊支持向量机,利用60组实测数据进行测试,测试结果表明,利用FSVM进行交通事件检测,识别率达到96.7%,从而验证本文的方法是切实可行的。 相似文献
2.
基于自适应模糊神经网络的交通流状态预测 总被引:3,自引:0,他引:3
研究交通流状态的分类、识别与预测,建立了基于模糊聚类及模式识别的交通流状态自适应模糊神经推理系统.对大量交通流历史特征数据采用模糊聚类法进行状态分类并进行模式识别,得到系统的原始输入输出数据集.建立交通流状态预测的自适应模糊神经系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围内,并进行系统检测和复核.仿真及其检测和复核结果表明系统预测的准确率在 95%以上. 相似文献
3.
提出一种基于ART2伸经网络的高速公路交通事件自动检测的新算法。该算法利用高速公路交通流模型和ART2神经网络分别作观测器和分类器。观测器估计的数据和实际交通数据进行比较,得到残差序列;利用ART2神经网络对残差序列进行分类,以区分不同交通状态下的交通信息,达到检测交通事件的目的。本算法不但可以识别已知的交通事件类型。还可以识别未知的或从未出现过的交通事件类型,是一个可以边工作、边学习的检测系统。 相似文献
4.
5.
针对城市快速路网中交通事故频发的现象,为及时准确地对事故进行识别,提出一种基于宏观交通流模型的状态观测器估计算法.根据利用交通仿真软件Paramics的实验数据,并结合元胞传输模型(CTM)理论分析事故发生前后,事故路段及其上下游路段的交通流密度分布特征.同时基于路网的交通流模型构建了城市快速路事故的状态观测器估计模型,模型通过估计密度的变化规律,并结合交通状态分布特征来对事故进行识别.以京通快速路为例,通过对观测器估计误差进行计算,得出了实验路段平均百分比误差(MPE)的均值为11.56%,模型估计精度为88.44%.该方法能较为准确的对事故进行识别,为快速路中的交通事故识别提供有效的参考. 相似文献
6.
选取了一段长为1km的双向6车道高速公路为仿真对象,设定仿真模型的全局参数和相关参数后,得到了具体的仿真环境。将模糊规则划分为发生交通事件的规则和不发生交通事件的规则两大类,采用隶属函数来判断交通事件是否发生,推断得到了交通流是否正常的判别公式。选择检测率、误报率和平均检测时间三个最重要的评价指标对仿真结果进行分析,并与几种常用经典算法的性能指标进行对比,发现笔者所建的基于模糊逻辑的高速公路交通事件检测算法是一种综合性能优良的检测算法。 相似文献
7.
8.
为了估计高速公路交通流状态,针对中国当前高速公路交通流监测技术和检测数据细度不足的情况,利用高速公路主线断面交通量数据,提出基于出入量法的交通状态估计方法。采集湖南省长益(长沙—益阳)高速公路8个主线交通流检测站实时数据,以5 min为统计间隔,得到5周的交通流量数据;采用出入量法计算各路段区间实时密度,考虑出入口匝道的影响,引入驶入、驶出率β、α修正密度计算方程,绘制流量-密度散点图,得到流量-密度方程。研究结果表明,在中国目前高速公路交通流检测设备安装密度较低、检测数据不完备、检测频率低的情况下,结合采用饱和度和密度两个指标,能较好地对高速公路交通状态进行估计。 相似文献
9.