發(fā)布時間：2024-07-11 02:10

　　基于GPS軌跡數(shù)據的交通調查技術能夠有效彌補傳統(tǒng)居民出行調查方式的不足,該技術在高峰擁堵時段的交通方式識別效果有待進一步研究.針對公交車和小汽車識別精度較低的問題,本文提出基于支持向量機(SVM)的流程優(yōu)化方法,加入基于短時傅里葉變換(STFT)的頻域屬性,利用遺傳算法(GA)對SVM的懲罰系數(shù)和核參數(shù)進行聯(lián)合優(yōu)化,評估不同交通狀態(tài)下交通方式和方式轉換點的識別效果.結果表明:頻域屬性的加入能夠有效提升交通方式識別精度,在道路暢通狀態(tài)和一般擁堵狀態(tài)下,交通方式和方式轉換點的識別效果均較為理想;在嚴重擁堵狀態(tài)下,機動化方式易與非機動化方式相混淆,方式轉換點最大識別誤差在13 min以內,相比于基于主觀回憶的人工問卷調查方式仍具有參考性.

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 交通方式識別方法
    1.1 基于STFT的輸入屬性選取方法
    1.2 基于SVM的交通方式識別
    1.3 基于GA的參數(shù)優(yōu)化方法
2 數(shù)據采集實驗
    2.1 數(shù)據采集
    2.2 數(shù)據特征分析
3 模型驗證與結果分析
    3.1 參數(shù)尋優(yōu)和模型驗證
    3.2 交通方式識別結果分析
    3.3 交通方式轉換點識別結果分析
4 結論



本文編號：4005087