2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩73頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、截至2011年底,我國高速公路總里程達(dá)8.5萬公里。居民的出行和貨物的運(yùn)輸愈加便利,但高速公路交通事件的發(fā)生頻率隨之也越來越高。高速公路發(fā)生交通事件不僅會(huì)造成人員傷亡、貨物損失和設(shè)備損壞,還會(huì)導(dǎo)致局部車道的阻塞,使局部或者整個(gè)路段的通行能力嚴(yán)重下降,并會(huì)引起行車延誤,甚至導(dǎo)致二次事故的發(fā)生,嚴(yán)重降低了高速公路的整體通行能力和運(yùn)營效率。
   高速公路交通事件自動(dòng)檢測(AID)系統(tǒng)有利于減少二次交通事件的發(fā)生幾率,減少交通事件帶來

2、的不便,減少延誤,減少有害氣體的排放和緩解交通事件當(dāng)事人的緊張心理。迄今為止,各國已經(jīng)開發(fā)出多種高速公路交通事件檢測算法,但總體看來經(jīng)典算法的結(jié)果并不令人滿意,因此開發(fā)具有更高檢測率、更低誤檢率且具有良好可移植性的事件檢測算法是很必要的。
   目前,高速公路交通事件自動(dòng)檢測算法以神經(jīng)網(wǎng)絡(luò)算法和支持向量機(jī)(SVM)算法為主。神經(jīng)網(wǎng)絡(luò)算法比較成熟,但是仍存在著一些缺陷,例如動(dòng)態(tài)性能差,移植性差,對訓(xùn)練數(shù)據(jù)的依賴性較強(qiáng),且模型的推廣

3、能力有限等。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相比,SVM采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理,取得較小的實(shí)際風(fēng)險(xiǎn),具有更強(qiáng)的泛化能力。
   本文研究的是一種基于遺傳算法優(yōu)化的支持向量機(jī)多分類器(GA-MSVM)高速公路交通事件自動(dòng)檢測算法。傳統(tǒng)的支持向量機(jī)算法常用于解決二分類問題,即判斷有無事件兩種狀態(tài)。為了更加細(xì)致地了解高速公路交通運(yùn)行狀態(tài),為突發(fā)事件的應(yīng)急處理提供更加高效、可靠的決策支持,本文根據(jù)高速公路交通事件的發(fā)生過程,將其分為自由流狀態(tài)、交通擁堵加

4、劇狀態(tài)、交通擁堵消散狀態(tài)三個(gè)狀態(tài)。該算法將單個(gè)支持向量機(jī)模型進(jìn)行混和之后來解決多分類問題,其中SVM的核函數(shù)參數(shù)是經(jīng)過遺傳算法(GA)優(yōu)化選取而來的。
   本文運(yùn)用VISSIM仿真軟件采集高速公路交通事件各階段的原始數(shù)據(jù)仿真值,運(yùn)用歸一化處理及主成分分析法對交通輸入特征向量進(jìn)行降維預(yù)處理,構(gòu)建了支持向量機(jī)多分類器事件檢測模型,并運(yùn)用遺傳算法優(yōu)化選取混合支持向量機(jī)模型參數(shù)。此算法降低了算法的復(fù)雜度,使得分類準(zhǔn)確率更高,效果更優(yōu),

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論