江苏省科技厅基金(BE2009667)
- 作品数:3 被引量:35H指数:3
- 相关作者:陈启美李勃吴聪蒋士正许榕更多>>
- 相关机构:南京大学更多>>
- 发文基金:江苏省科技厅基金江苏省自然科学基金国家科技重大专项更多>>
- 相关领域:交通运输工程自动化与计算机技术天文地球更多>>
- 基于优化SVM的高速公路交通事件检测被引量:11
- 2012年
- 为了降低交通事件对高速公路交通运行的影响,提出一种基于视频交通流参数的支持向量机交通事件检测算法。针对线圈检测器在车辆拥堵时的检测精度大幅降低,甚至无法检测等不足,采用基于视频的交通流参数检测方法。通过安装的视频摄像机,实现对高速公路全程的无盲区交通事件检测。同时,为了解决支持向量机模型参数的大小对分类器泛化能力的不利影响,采用改进的网格搜索算法对模型参数进行优化选择。应用实际采集的交通流数据,对优化的支持向量机事件检测算法进行验证,并与遗传算法、粒子群算法的优化结果进行比较。实验结果表明,提出的方法具有最高的检测率和较低的误报警率,且优化时间短,满足了交通事件检测实时性的要求。
- 沈舒吴聪李勃陈启美
- 关键词:交通事件检测支持向量机参数优化
- 基于车型聚类的交通流参数视频检测被引量:11
- 2011年
- 单目摄像机成像丢失深度信息,且PTZ(Pan/Tilt/Zoom)摄像视频场景多变,导致交通流参数提取误差较大.提出了一种基于车型聚类的交通流参数检测方法.在改进的摄像机自标定成像模型中,提取PTZ参数变化下的透视投影不变量"伪形状特征",对其进行基于贡献率算法的车型聚类分析,以车型均高代替实际高度,获取车辆的长宽,进而计算道路空间占有率,并提升车速检测精度.测试表明实时性较高,车型聚类自适应于不同场景,平均准确度为96.9%,车长计算精度优于90%.
- 吴聪李勃董蓉陈启美
- 基于变量选择-神经网络模型的复杂路网短时交通流预测被引量:13
- 2015年
- 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面;结合神经网络(NN)的非线性特性,提出了Lasso-NN组合模型.结果表明:Lasso-NN模型在路网交叉口对未来15min交通流数据预测的误差率低于9.2%;在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.
- 蒋士正许榕陈启美
- 关键词:短时交通流预测神经网络