發(fā)布時(shí)間：2024-07-11 02:10

　　基于GPS軌跡數(shù)據(jù)的交通調(diào)查技術(shù)能夠有效彌補(bǔ)傳統(tǒng)居民出行調(diào)查方式的不足,該技術(shù)在高峰擁堵時(shí)段的交通方式識(shí)別效果有待進(jìn)一步研究.針對(duì)公交車和小汽車識(shí)別精度較低的問(wèn)題,本文提出基于支持向量機(jī)(SVM)的流程優(yōu)化方法,加入基于短時(shí)傅里葉變換(STFT)的頻域?qū)傩?利用遺傳算法(GA)對(duì)SVM的懲罰系數(shù)和核參數(shù)進(jìn)行聯(lián)合優(yōu)化,評(píng)估不同交通狀態(tài)下交通方式和方式轉(zhuǎn)換點(diǎn)的識(shí)別效果.結(jié)果表明:頻域?qū)傩缘募尤肽軌蛴行�提升交通方式識(shí)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(zhuǎn)換點(diǎn)的識(shí)別效果均較為理想;在嚴(yán)重?fù)矶聽顟B(tài)下,機(jī)動(dòng)化方式易與非機(jī)動(dòng)化方式相混淆,方式轉(zhuǎn)換點(diǎn)最大識(shí)別誤差在13 min以內(nèi),相比于基于主觀回憶的人工問(wèn)卷調(diào)查方式仍具有參考性.

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
0 引言
1 交通方式識(shí)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(shí)別
    1.3 基于GA的參數(shù)優(yōu)化方法
2 數(shù)據(jù)采集實(shí)驗(yàn)
    2.1 數(shù)據(jù)采集
    2.2 數(shù)據(jù)特征分析
3 模型驗(yàn)證與結(jié)果分析
    3.1 參數(shù)尋優(yōu)和模型驗(yàn)證
    3.2 交通方式識(shí)別結(jié)果分析
    3.3 交通方式轉(zhuǎn)換點(diǎn)識(shí)別結(jié)果分析
4 結(jié)論



本文編號(hào)：4005087