發(fā)布時間：2018-05-24 05:04

  本文選題：交通狀態(tài)判別 + 支持向量機��； 參考：《青島科技大學》2014年碩士論文

【摘要】：道路交通狀態(tài)判別是智能交通管理系統(tǒng)進行路況信息發(fā)布和交通誘導的基礎，目前我國各大城市的交通基礎信息采集系統(tǒng)和交通誘導信息發(fā)布系統(tǒng)建設均已初具規(guī)模。然而在數據處理和實時道路交通狀態(tài)判別中卻還存在一些問題，亟待改進。交通狀態(tài)判別是交通誘導中一個很重要的問題，提供實時準確的交通狀態(tài)信息能為出行者做出合理的路徑選擇提供參考。因此，需要對路網中的交通狀態(tài)信息做出準確判別預測。本文重點研究交通狀態(tài)判別問題。 對于交通狀態(tài)判別問題，考慮到傳統(tǒng)的交通狀態(tài)劃分方法是根據國家交通部門給定的交通狀態(tài)指標來進行劃分，這種方法對于不同道路的適應性不是很強，在實際應用中很難滿足準確性要求。因此，本文采用模糊聚類的方法來劃分交通狀態(tài)，，對不同路段做出不同的狀態(tài)劃分。在此基礎上，采用多類支持向量機方法對未來時刻的交通狀況進行分類。多類支持向量機是傳統(tǒng)兩類支持向量機的改進，能夠對具有多種劃分指標的問題進行很好的劃分，適合進行交通狀態(tài)判別。 本文提出了實時的交通狀態(tài)判別系統(tǒng)模型。系統(tǒng)根據實時采集的交通參數信息準確的判斷未來時刻的交通狀態(tài)信息，并及時地將交通狀態(tài)信息進行發(fā)布，很好地實現(xiàn)了交通誘導，提高了交通系統(tǒng)的服務質量。
[Abstract]:Road traffic condition identification is the basis of traffic information release and traffic guidance in intelligent traffic management system. At present, the construction of traffic basic information collection system and traffic guidance information publishing system in major cities in China has begun to take shape. However, there are still some problems in data processing and real-time traffic condition discrimination, which need to be improved. Traffic condition discrimination is an important problem in traffic guidance. Providing real-time and accurate traffic state information can provide a reference for travelers to make reasonable path selection. Therefore, it is necessary to make accurate discrimination and prediction of traffic state information in road network. This paper focuses on the problem of traffic state discrimination. For the problem of traffic condition discrimination, considering that the traditional traffic state classification method is based on the traffic state index given by the national transportation department, the adaptability of this method to different roads is not very strong. It is difficult to meet the requirement of accuracy in practical application. Therefore, this paper uses fuzzy clustering method to divide traffic state and make different state partition for different road sections. On this basis, multi-class support vector machine (SVM) method is used to classify traffic conditions in the future. Multi-class support vector machine (SVM) is an improvement of traditional two kinds of SVM. It can well divide the problems with multiple partitioning indexes and is suitable for traffic condition discrimination. In this paper, a real-time traffic condition discriminant system model is proposed. The system can accurately judge the traffic state information of the future time according to the traffic parameter information collected in real time, and publish the traffic state information in time, which realizes the traffic guidance and improves the service quality of the traffic system.
【學位授予單位】：青島科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：U491;TP181

【參考文獻】

相關期刊論文 前10條

1 張赫,王煒,顧懷中;聚類分析和逐步回歸法在車道流量預測中的綜合應用(英文)[J];Journal of Southeast University(English Edition);2005年03期

2 馬世勇;鄭應文;柯棟忠;;城市交通擁堵自動判別方法研究[J];福建電腦;2007年01期

3 田林;韓存玉;;對城市交通擁擠問題的分析[J];黑龍江交通科技;2006年06期

4 李林波,萬燕花,張勇平;城市交通擁擠發(fā)生的一般規(guī)律[J];山東交通學院學報;2004年01期

5 譚德榮,曲金玉;我國城市交通擁擠原因及緩解對策分析[J];山東工程學院學報;2001年03期

6 郭恒明,張鵬飛;基于環(huán)形線圈的城市道路段交通異常自動檢測方法研究[J];上海公路;2001年04期

7 趙風波;孫敏;;基于模糊聚類分析的交通狀態(tài)識別方法[J];微型電腦應用;2006年02期

8 張相斌,楊德禮;基于多屬性的系統(tǒng)結構建模與分析方法[J];系統(tǒng)工程理論方法應用;2002年02期

9 張秀媛,達慶東,張國伍;公路自動事件檢測技術[J];系統(tǒng)工程理論與實踐;2001年06期

10 彭春露,彭國雄;城市道路交通異常事件管理系統(tǒng)設計[J];交通運輸系統(tǒng)工程與信息;2002年03期

本文編號：1927788