本文關(guān)鍵詞： 智能交通 交通狀態(tài)判別 強空間 混淆矩陣 學習器　出處：《計算機工程》2017年11期 　論文類型：期刊論文

【摘要】：為研究服務(wù)于交通誘導(dǎo)的路網(wǎng)宏觀交通狀態(tài)判別模型,依據(jù)集成學習理論,基于強空間集成,提出一種交通狀態(tài)判別方法。采用K-近鄰規(guī)則尋找與待判別交通流數(shù)據(jù)相似的一組訓(xùn)練樣本,構(gòu)成待判別數(shù)據(jù)的鄰域,挖掘交通狀態(tài)學習器的強空間,進而輸出交通運行狀態(tài)等級標簽。采用交通狀態(tài)混淆矩陣,查全率、查準率等進行實驗,結(jié)果表明該方法能夠較準確地判斷路網(wǎng)交通狀態(tài),滿足交通狀態(tài)判別的實際應(yīng)用。
[Abstract]:In order to study the traffic - induced road network macro - traffic state discrimination model , based on the integrated learning theory , a kind of traffic state discrimination method is put forward based on the integration learning theory . The K - nearest neighbor rule is used to find a set of training samples which are similar to the traffic flow data to be distinguished , to form the neighborhood of the data to be distinguished , to excavate the strong space of the traffic state learner , and then to output the traffic running state level label . The results show that the method can accurately judge the traffic state of the road network and meet the practical application of traffic state discrimination .

【作者單位】： 江蘇大學汽車工程研究院;
【基金】：國家自然科學基金(U1564201,61601203,61403172) 江蘇省道路載運工具新技術(shù)應(yīng)用重點實驗室開放基金(BM20082061503) 江蘇大學高級人才科研啟動基金(16JDG046)
【分類號】：U491
【正文快照】： 0概述隨著新的交通信息采集技術(shù)和通信技術(shù)的出現(xiàn)[1-3],交通管理部門可以獲得大量、實時的交通流參數(shù)數(shù)據(jù)[4-5],并能對其實現(xiàn)有效傳輸,這為新算法開發(fā)提供了更多的交通參數(shù)選擇[6-7]。新的數(shù)據(jù)分析技術(shù)(如機器學習、模式識別、知識發(fā)現(xiàn)等)的成熟也為新交通狀態(tài)判別(Automatic

【相似文獻】

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];鐵路計算機應(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];青島大學學報(工程技術(shù)版);2012年03期

5 漸猛;張俊友;;基于模糊綜合評價的道路交通狀態(tài)判別方法研究[J];山東理工大學學報(自然科學版);2013年02期

6 傅惠;趙麗紅;胡剛;許倫輝;張建棟;;適于動態(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：1447144