原文传递
基于支持向量机的高速公路事件检测算法
| 论文题名： | 基于支持向量机的高速公路事件检测算法 |
| 关键词： | 高速公路;事件检测;支持向量机;参数优化 |
| 摘要： | 高速公路事件的发生是不可预测的，为快速准确的感知公路是否有事件发生，事件发生的地点及险害程度等，以便及时救助，减少损失，排除事件对公路通行能力的影响，高速公路事件检测算法的研究已成为智能交通系统领域的研究热点，它对提高高速公路的交通管理效率、改善交通管理效果具有重要的意义。 从高速公路交通流的特点出发，根据事件检测的基本原理，在分析经典高速公路事件检测算法优缺点的基础上，对基于支持向量机(Support Vector Machine，SVM)的高速公路事件检测算法进行研究。 在介绍支持向量机基本原理的同时，重点讨论最优分类面、线性可分SVM、线性不可分SVM、非线性可分SVM以及分类常用的核函数。给出基于SVM的事件检测算法的工作步骤，设计算法的输入向量。并采用加州I-880数据库，设计4个实验，在每个实验中分别设计了基于线性不可分SVM、高斯径向基核函数、双曲线正切核函数的事件检测算法，验证了算法的有效性和可移植性。 不同的SVM模型、不同的核函数及其参数都影响着算法的性能指标，本文利用林智仁副教授的Libsvm工具箱参数优化模块对各算法的惩罚参数C和核参数进行优化选择。求得每个模型和核函数的最优参数后，对上述4个实验进行仿真，并与California算法进行对比，结果表明：针对不同的实验，选择合适的SVM模型和核函数，可获得比California算法更好的性能指标。 该算法对于提高高速公路事件检测算法的性能指标具有参考意义。 |
| 作者： | 周林英 |
| 专业： | 交通信息工程及控制 |
| 导师： | 赵忠杰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2009 |
| 正文语种： | 中文 |
检索历史
应用推荐
