基于改進(jìn)的SVM交通信息融合算法及應(yīng)用研究.pdf

1、近年來(lái)，我國(guó)在智能交通系統(tǒng)（ITS）領(lǐng)域已開(kāi)展了大量的研究工作，交通管理系統(tǒng)已獲取了豐富的交通基礎(chǔ)數(shù)據(jù)，但是這些數(shù)據(jù)并沒(méi)有發(fā)揮應(yīng)有的效用，利用率較低。如何充分利用已獲取的交通監(jiān)測(cè)信息，滿足日益增長(zhǎng)的交通需要，用于提高交通控制與管理力度、優(yōu)化路網(wǎng)結(jié)構(gòu)，是目前需亟待解決的關(guān)鍵問(wèn)題之一。 本文依托于國(guó)家高技術(shù)研究發(fā)展計(jì)劃（863計(jì)劃）“分布式交通系統(tǒng)信息互操作技術(shù)”課題（2007AA11E226），在對(duì)交通數(shù)據(jù)特性分析的基礎(chǔ)上，提出基

2、于改進(jìn)的SVM交通信息融合算法。主要從事了以下幾個(gè)方面的研究： 1）圍繞依托課題，在對(duì)我國(guó)江西省、陜西省以及北京市等省市的高速公路管理信息系統(tǒng)信息應(yīng)用現(xiàn)狀深入調(diào)研基礎(chǔ)上，對(duì)系統(tǒng)現(xiàn)場(chǎng)采集數(shù)據(jù)進(jìn)行研究，分析了交通監(jiān)測(cè)信息的內(nèi)在特性。 2）針對(duì)實(shí)際研究課題和傳統(tǒng)SVM的不足，提出了基于改進(jìn)的SVM的信息融合算法，即決策樹(shù)-支持向量機(jī)算法（Decision Tree Method-Support Vector Mechines，

3、DTM-SVM）。該算法以“一對(duì)多”的方式有效克服了常規(guī)SVM僅適用于二分類(lèi)問(wèn)題的局限性，解決了多分類(lèi)問(wèn)題，滿足了更廣泛的應(yīng)用需求。 3）圍繞DTM-SVM算法，建立了DTM-SVM的分層結(jié)構(gòu)模型，并詳細(xì)描述了融合流程中支持向量機(jī)訓(xùn)練、訓(xùn)練結(jié)果評(píng)價(jià)以及支持向量機(jī)測(cè)試的三個(gè)重要環(huán)節(jié)。 4）依托課題研究背景，在建立了高速公路交通狀態(tài)識(shí)別評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，將DTM-SVM模型應(yīng)用于解決高速公路交通狀態(tài)識(shí)別問(wèn)題。應(yīng)用結(jié)果表明