GA-SVM在高速公路交通事件檢測中的應用研究.pdf

1、近年來，頻繁發(fā)生的交通事件，嚴重損壞了高速公路“安全、快速、高效、舒適、環(huán)保”的形象。如何快速地檢測、判斷事件的發(fā)生并及時采取措施，以有效的減少交通延誤、保障道路安全、減少環(huán)境污染已成為備受關注的問題。隨著計算機網(wǎng)絡技術、通信技術、自動控制技術等不斷發(fā)展，智能事件自動檢測系統(tǒng)為解決上述問題提供了有效的途徑，而事件檢測算法是自動檢測系統(tǒng)的核心內(nèi)容，其性能好壞直接影響事件檢測系統(tǒng)的效率，對其研究具有非常重要的意義。 本文通過對常用事

2、件檢測方法的分析與總結(jié)發(fā)現(xiàn)，雖然這些方法能夠獲得良好的檢測效果，但因交通數(shù)據(jù)樣本有限、輸入特征過于簡單或冗余、參數(shù)設置無法達到最優(yōu)等問題的影響而無法獲得更優(yōu)的性能。針對以上問題，在分析支持向量機分類原理及其優(yōu)勢的基礎上，論文綜合運用針對有限樣本的支持向量機技術和遺傳算法優(yōu)化技術，詳細設計了基于遺傳算法的不同類型支持向量機模型參數(shù)及特征同步選取方法，以優(yōu)化每種支持向量機的模型參數(shù)的同時選取模型對應的最優(yōu)特征組合。鑒于上述方法理論上針對有限

3、樣本仍有較好的可推廣性，并具有對特征進行選取和參數(shù)進行優(yōu)化的能力，論文采用I-880實測數(shù)據(jù)集，構(gòu)建了各種遺傳支持向量機事件檢測模型。將得到的數(shù)據(jù)結(jié)果從檢測性能、推廣能力和判定速度三個方面進行評比分析，得出最優(yōu)模型。并與構(gòu)建的基于網(wǎng)格搜索法的支持向量機模型和神經(jīng)網(wǎng)絡模型進行對比分析，驗證了選取最優(yōu)特征組合的必要性、遺傳選取方法的有效性和支持向量機的優(yōu)越性。 遺傳支持向量機利用有限的交通數(shù)據(jù)樣本，合適的交通輸入特征，優(yōu)化的模型參數(shù)