基于模糊支持向量机的城市道路交通状态分类

吉林大学学报(工学版) ›› 2009, Vol. 39 ›› Issue (增刊2): 131-0134.

基于模糊支持向量机的城市道路交通状态分类

李清泉^1,2,高德荃^1,2,杨必胜^1,2

1.武汉大学测绘遥感信息工程国家重点实验室,武汉 430079;2.武汉大学交通研究中心,武汉 430079

收稿日期:2009-03-13 出版日期:2009-09-30 发布日期:2009-09-30
通讯作者: 李清泉（1965-）男，教授，博士生导师.研究方向:交通地理信息系统.E-mail:qqli@whu.edu.cn E-mail:qqli@whu.edu.cn
作者简介:李清泉（1965-）,男,教授,博士生导师.研究方向:交通地理信息系统.E-mail:qqli@whu.edu.cn
基金资助:
“973”国家重点基础研究发展规划项目（2006CB705500）；国家自然科学基金项目（60872132）；高等学校博士学科点专项科研基金项目（20070486001）

Urban road traffic status classification based on fuzzy support vector machines

LI Qing-quan ^{1, 2}, GAO De-quan ^{1, 2}, YANG Bi-sheng ^{1, 2}

1.State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China|2.Transportation Research Center, Wuhan University, Wuhan 430079, China

Received:2009-03-13 Online:2009-09-30 Published:2009-09-30
Contact: LI Qing-quan E-mail:qqli@whu.edu.cn

摘要/Abstract

摘要：

运用模糊支持向量机方法进行城市道路交通状态分类，应用模糊隶属度处理了评价者的主观偏好表达和交通状态评价指标范围的不确定性问题；同时，通过集成支持向量机分类学习的能力修正了单纯模糊分类方法无法进行样本训练的局限，采用“一对一”方法进行交通状态多类分类。最后基于微观交通仿真数据，验证了模糊支持向量机方法在交通状态分类中能够减少样本数据噪声影响，提高分类训练学习的质量。

关键词: 交通运输工程, 交通状态, 分类, 模糊集, 支持向量机

Abstract:

This paper uses fuzzy support vector machines (FSVM) algorithm to classify urban road traffic status. Fuzzy membership handles linguistic expression bias of human perception and uncertainty in status parameter partition scale. Meanwhile, integrated SVM learning ability can solve the limitation that pure fuzzy classification method can′t train sample data. The one against one approach in FSVM is applied for multiclass classification. Finally, a microcosmic simulation work is performed for an experiment data example, and the results indicates that FSVM method can reduce influence of noise sample data and provide better classification accuracy.

Key words: engineering of communication and transportation, traffic status, classification, fuzzy sets, fuzzy support vector machines

中图分类号:

U491

李清泉,高德荃,杨必胜. 基于模糊支持向量机的城市道路交通状态分类[J]. 吉林大学学报(工学版), 2009, 39(增刊2): 131-0134.

LI Qing-quan, GAO De-quan, YANG Bi-sheng. Urban road traffic status classification based on fuzzy support vector machines[J]. 吉林大学学报(工学版), 2009, 39(增刊2): 131-0134.

参考文献

相关文章 15

[1]	隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[2]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[3]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[4]	耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[5]	蔡振闹, 吕信恩, 陈慧灵. 基于反向细菌优化支持向量机的躯体化障碍预测模型[J]. 吉林大学学报(工学版), 2018, 48(3): 936-942.
[6]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[7]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[8]	徐洪峰, 高霜霜, 郑启明, 章琨. 信号控制交叉口的复合动态车道管理方法[J]. 吉林大学学报(工学版), 2018, 48(2): 430-439.
[9]	杨宏宇, 徐晋. Android恶意软件静态检测模型[J]. 吉林大学学报(工学版), 2018, 48(2): 564-570.
[10]	范敏, 韩琪, 王芬, 宿晓岚, 徐浩, 吴松麟. 基于多层次特征表示的场景图像分类算法[J]. 吉林大学学报(工学版), 2017, 47(6): 1909-1917.
[11]	王海玮, 温惠英, 刘敏. 夜间环境驾驶员精神负荷的生理特性评估与实验[J]. 吉林大学学报(工学版), 2017, 47(2): 420-428.
[12]	袁哲明, 张弘杨, 陈渊. 基于特征选择和支持向量机的HIV-1型蛋白酶剪切位点预测[J]. 吉林大学学报(工学版), 2017, 47(2): 639-646.
[13]	贾洪飞, 李永行, 杨丽丽. 基于交通状态估计的快速路交通联合控制[J]. 吉林大学学报(工学版), 2017, 47(1): 76-81.
[14]	才华, 陈广秋, 刘广文, 程帅, 于化东. 遮挡环境下多示例学习分块目标跟踪[J]. 吉林大学学报(工学版), 2017, 47(1): 281-287.
[15]	梁士利, 魏莹, 潘迪, 张玲, 许廷发, 王双维. 基于语谱图行投影的特定人二字汉语词汇识别[J]. 吉林大学学报(工学版), 2017, 47(1): 294-300.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed