城市交通擁堵狀態(tài)自動(dòng)判別方法研究.pdf

1、通過對(duì)城市道路交通擁堵特性的分析，運(yùn)用分類理論設(shè)計(jì)了一種用于城市道路的交通擁堵狀態(tài)自動(dòng)識(shí)別(ACI)算法，該法把交通擁堵是否發(fā)生看作一個(gè)特殊的分類問題，在不考慮路段受信號(hào)燈影響的情況下，把交通狀態(tài)分成擁堵和暢通兩種狀態(tài)，將交通量、速度、占有率作為交通參數(shù)，通過學(xué)習(xí)在擁堵和暢通兩種狀態(tài)下的歷史數(shù)據(jù)，生成貝葉斯分類器，然后用分類器對(duì)實(shí)時(shí)檢測(cè)到的交通數(shù)據(jù)進(jìn)行分類，從而判別路段交通狀態(tài)。微觀交通仿真數(shù)據(jù)的實(shí)驗(yàn)表明了該方法的可行性和有效性。

2、 針對(duì)訓(xùn)練集含有噪音樣本的問題，若這些樣本參與訓(xùn)練學(xué)習(xí)往往會(huì)弱化分類性能，本文提出了訓(xùn)練集增量優(yōu)化算法，算法將原始訓(xùn)練集分成兩個(gè)部分，首先以第一部分為基礎(chǔ)，增量獲取另一部分的較優(yōu)子集，再以該子集為基礎(chǔ)，增量獲取第一部分的較優(yōu)子集，此過程交替迭代、交互驗(yàn)證，最后得到原始訓(xùn)練集的最優(yōu)子集。該方法不需要設(shè)定閾值，優(yōu)化過程充分利用了樣本信息。實(shí)驗(yàn)表明經(jīng)優(yōu)化訓(xùn)練集學(xué)習(xí)得到的分類器可以有效提高分類精度。 本文最后對(duì)城市道路交通擁堵自動(dòng)判別