发明名称 |
一种基于信息融合的高速公路交通状态识别方法 |
摘要 |
本发明公开了交通信息融合技术领域中的一种基于信息融合的高速公路交通状态识别方法。包括选择交通参数,建立状态识别的评价指标体系;依据决策树算法,建立交通状态识别的二叉树结构;确定所述二叉树结构的融合层次K,K≥2,令i=1;根据第i层样本格式要求,对第i层数据进行预处理;确定第i层的输入样本;利用支持向量机机器学方法,对第i层的输入样本进行训练,获得支持向量机;对支持向量机进行数据融合,获得融合结果并根据融合结果判断下一级融合时的支持向量机;i=i+1;判断i≤K是否成立,如果成立,则返回步骤4,执行下一层的数据融合;否则,结束流程。本发明继承了传统支持向量机信息融合方法的优势,解决了高速公路交通状态识别准确率低的问题。 |
申请公布号 |
CN101706996A |
申请公布日期 |
2010.05.12 |
申请号 |
CN200910237285.X |
申请日期 |
2009.11.12 |
申请人 |
北京交通大学 |
发明人 |
王艳辉;张晨琛;肖雪梅;郭晓妮;罗俊;孙倩 |
分类号 |
G08G1/01(2006.01)I |
主分类号 |
G08G1/01(2006.01)I |
代理机构 |
北京众合诚成知识产权代理有限公司 11246 |
代理人 |
童晓琳 |
主权项 |
一种基于信息融合的高速公路交通状态识别方法,其特征是所述方法包括下列步骤:步骤1:选择交通参数,建立状态识别的评价指标体系,确定各个指标值的取值范围对交通状态的影响;步骤2:依据决策树算法,建立交通状态识别的二叉树结构;步骤3:确定所述二叉树结构的融合层次K,K≥2,令i=1;步骤4:根据第i层样本格式要求,对第i层数据进行预处理;步骤5:确定第i层的输入样本;步骤6:利用支持向量机机器学习方法,对第i层的输入样本进行训练,获得支持向量机;步骤7:对支持向量机进行数据融合,获得融合结果并根据融合结果判断下一级融合时的支持向量机;步骤8:i=i+1;判断i≤K是否成立,如果成立,则返回步骤4,执行下一层的数据融合;否则,结束流程。 |
地址 |
100044 北京市西直门外上园村3号北京交通大学科技处 |