搜索结果: 1-6 共查到“交通运输工程 支持向量机”相关记录6条 . 查询时间(0.07 秒)
不良交通流状态实时监测支持向量机模型算法研究
交通工程 不良交通流状态 实时监测 支持向量机
<
2018/11/16
交通流安全实时预警是交通主动安全防控的重要前提.采用实际事故发生前的交通流状态作为不良交通流状态判别标准，通过对车道级交通流数据进行参数提取，结合主成分分析法进行参数降维后得到9个主要参数.建立以径向基为核函数的交通流安全实时预警支持向量机模型，采用网格遍历法确定最优的支持向量机模型的惩罚参数C和核函数参数γ，最终构建的支持向量机模型能够成功地识别79.55%事故对应的不良交通流状态，能够有效地对...
驾驶人分心状态判别是分心驾驶预警系统的重要基础.建立以径向基为核函数的 驾驶人分心状态判别SVM模型，采用遗传算法(GA)优化SVM模型惩罚参数C和核函数参数 g，并利用模拟驾驶器实验平台采集的驾驶绩效数据对模型进行验证.结果表明，采用GASVM 模型能够准确识别自由流和拥挤流场景下驾驶人分心状态，判别精度分别为94.5%和 96.3%.与决策树C4.5 和交叉验证(CV)-SVM对比表明，GA-...
基于支持向量机和BP神经网络的滑坡变形复合式预测
滑坡 支持向量机 BP神经网络 复合式预测
<
2016/12/22
探讨复合式组合预测模型对滑坡两变形时间序列的预测效果，为滑坡的变形预测提供一种新的思路。［方法］ 基于支持向量机和BP神经网络，构建滑坡位移序列和速率序列的复合式预测模型，首先，对滑坡环境因素进行分析，提取其基本信息；其次，利用2种预测方法构建回归结构预测模型和多因素预测模型，并对两时间序列进行一重预测；最后，利用BP神经网络对一重预测结果进行了二重组合优化。［结果］ 滑坡库水位与滑坡两变形序列均...
基于支持向量机的桥梁健康监测系统残缺数据填补
桥梁健康监测系统 缺失数据填补 时间序列 支持向量机
<
2014/4/22
针对桥梁健康监测系统中采集数据具有小样本、非线性且时序的特点，提出一种基于支持向量机的残缺数据填补方法,在分析数据的自相关性基础上，利用支持向量回归机原理，选择适当维数的样本作为支持向量机的输入向量，据此进行了残缺数据的预测；并与BP神经网络的填补效果相比较，实验结果显示了支持向量机在更小样本情况下填补残缺数据的优势和强泛化能力。
基于模糊支持向量机的城市道路交通状态分类
交通运输工程 交通状态 模糊集
<
2009/10/19
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。
基于层次支持向量机的区域战略交通控制策略优化方法
交通运输系统工程 层次支持向量机 区域战略交通控制策略
<
2009/3/5
针对传统交通控制系统中控制策略无法动态响应交通状态变化的问题，提出了一些评价区域交通状态的指标，并基于这些指标提出了一种基于层次支持向量机的区域战略交通控制策略优化方法，设计了两种层次支持向量机优化结构。最后基于VISSIM4.2和Matlab 7.01平台，开展了一些模拟试验来验证所提出方法的性能。仿真结果表明，基于组合二叉树的层次支持向量机的优化方法能够更有效地、准确地响应于时变交通流。