基于粒子群优化SVM的高速公路交通事件检测

为了更加准确地检测出高速公路上的偶发性交通事件,采用一种粒子群优化SVM参数的高速公路交通事件检测算法,提升事件检测效果。文中运用高速公路实测数据集（L880）,对支持向量机算法进行分类性能测试,并且采用改进的粒子群优化算法对支持向量机的参数进行优化,进而利用测试集数据对该模型进行验证比较,获得满意的检测效果。     

基于遗传优化支持向量机的交通事故预测

针对道路交通事故的预测问题,引入基于遗传优化支持向量机算法建立交通事故预测模型。利用遗传算法寻找支持向量机的最优参数组合,并用最优参数构建相应的支持向量机预测模型。仿真计算结果表明,基于遗传算法优化支持向量机模型优于传统的SVM模型,从而可以更有效地对道路交通事故进行预测。     

基于PSO—SVM的交通流量短时预测

参数选择问题影响了支持向量机预测模型在交通流量中的预测性能。为了解决支持向量机预测模型的参数选择问题,引入了粒子群优化算法机制,通过粒子群优化选择支持向量机预测模型的学习训练参数,得到较优的PSO-SVM预测模型。通过实例仿真实验,将PSO-SVM预测模型与神经网络预测模型进行了比较,显示了其优越性。     

基于智能优化方法的SVM电机故障诊断模型研究

为提高电机故障诊断的准确率和有效性,提出了基于智能优化算法的支持向量机电机故障诊断模型.首先采集交流电机不同位置上的振动加速度信号,使用小波包分析方法对所采集的振动加速度信号进行特征提取,将得到的能量比向量作为支持向量机故障诊断模型的输入,使用遗传算法、粒子群优化算法对支持向量机故障诊断模型进行参数优化并进行模型训练,在使用测试样本集对得到的两种故障诊断模型进行分析之后可以看出经过参数优化后的支持向量机模型提高了故障预测的准确率,并且粒子群优化方法具有比遗传算法更高的预测准确率,并极大地减小了优化时间及优化次数.     

多子种群PSO优化SVM的网络流量预测

针对网络流量的时变性和非平稳性特点,为提高网络流量预测精度,提出一种“多子种群”机制的粒子群算法和支持向量机的网络流量预测模型（Multi-Subpopulation Particle Swarm Opti-mization and Support Vector Machine,MSPSO-SVM）.首先支持向量机（Support Vector Machine,SVM）参数编码成粒子位置串,并根据网络训练集的交叉验证误差最小作为参数优化目标,然后通过粒子间信息交流找到最优SVM参数,并引入“多子种群”机制,解决粒子群优化（Particle SwarmOptimization,PSO）算法的早熟停滞缺陷,最后根据最优参数建立网络流量预测模型,并采用实际网络流量数据进行仿真测试.结果表明,相对于其他预测模型,MSPSO-SVM可以获得更优的SVM参数,网络流量预测精度得以提高,更加适用于复杂多变的网络流量预测.     

基于粒子群算法改进支持向量机的深基坑变形预测研究

为实现复杂地质条件中深基坑变形的精确预测，提出了一种动态惯性权重粒子群算法改进支持向量机的基坑变形预测模型。引入遗传算法改进的支持向量机模型和标准BP神经网络模型作为横向对比验证了预测效果。结果表明：动态惯性权重对支持向量机核函数参数的寻优速度更快，收敛精度更高，采用改进粒子群算法优化的支持向量机模型预测的平均相对相对误差仅为5.46%,拟合精度相较其他算法更高，预测效果良好，可较为准确的实现深基坑的变形预测。     

����PSO-SVM�ľ�����з�ʽԤ��ģ�ͪ�

居民出行方式选择是一个较为复杂的非线性问题,受到的影响因素众多。提出采用支持向量机方法构建了居民出行方式选择模型,并以交叉验证意义下的分类准确率作为适应度函数,利用粒子群算法对支持向量机参数优化选择,避免参数设定的随机性,减少参数选择的工作量.通过实证研究表明,利用粒子群算法优化支持向量机的参数是可行的,支持向量机方法相对于BP神经网络,对居民出行方式预测有更高的精度.预测精度比BP神经网络提高了将近5个百分点,建模样本和测试样本的分类精度分别达到86.20%和82.31%.所构建的模型可用于居民出行方式预测,这对城市交通规划,出行需求预测具有现实指导意义.     

基于优化支持向量机的隧道涌水量预测

为实现隧道涌水量的高精度预测,该文以支持向量机为基础,通过核函数筛选和粒子群算法优化,构建了隧道涌水量的PSO-SVM预测模型。实例研究表明:支持向量机的核函数和惩罚因子对其预测精度具有较大影响,且Sigmoid型核函数的预测效果相对略优,粒子群算法也能很好的优化惩罚因子,进而达到提高预测精度的目的;同时,PSO-SVM模型预测结果的相对误差均小于2%,具有较高的预测精度,进而验证了该模型在隧道涌水量预测中的适用性,为隧道涌水量预测提供了一种新的思路,值得深入研究。     

基于灰色自适应粒子群LSSVM的铁路货运量预测

为了提高铁路货运量的预测精度及建模速度,将灰色预测模型(GM(1,1))、最小二乘支持向量机(LSSVM)和自适应粒子群优化(APSO)算法相融合,建立了灰色自适应粒子群最小二乘支持向量机(GM-APSO-LSSVM)预测模型.通过灰色预测模型中的灰色序列算子,弱化原始数列随机性,挖掘数列中蕴含的规律,利用最小二乘支持向量机计算简便、求解速度快、非线性映射能力强的特点进行预测,并采用自适应粒子群算法优化选择LSSVM参数.对我国铁路货运量的实例分析表明:用该模型得到的评价指标RMSE、MAE、MPE和Theil不等系数分别为0.062 8、0.052 3、0.016 2和0.010 7,均小于其它模型,预测性能好;用APSO算法搜索LSSVM最优参数的时间为55.656 s,比传统交叉验证法减少了10.462 s;2006~2009年的预测相对误差分别为0.39%、-1.67%、1.44%和4.75%,适用于铁路货运量的短期预测.      

基于支持向量回归机的道路交通事故预测模型研究

针对道路交通事故预测具有随机波动性较大、信息量较少和非线性数据序列预测的特点,引入支持向量回归机（SVR）,建立基于SVR的道路交通事故预测模型。通过实例计算,证明基于SVR的道路交通事故预测模型具备非线性、所需数据资料较少、建模简单和计算快捷等优点,同时与RBF神经网络预测模型相比,该模型的预测精度高、泛化能力强,更适用于道路交通事故预测。     

道路交通事故紧急救援现状与对策

介绍了国内外交通事故救援现状,重点分析了我国道路救援系统存在的问题,并从将道路交通救援工作依托于城市紧急救助系统、加强事故现场交通管制、强化黄金1小时救护制和对交通事故救援预案重新分级等四个方面提出了改善我国道路交通事故紧急救援的对策。     

高速公路交通事故紧急救援法律法规建设研究

高速公路交通事故危及到人民群众的生命财产安全、国家的经济和社会的稳定,保障高速公路交通安全最行之有效的办法是建立一套交通事故紧急救援的法律体系。通过对高速公路交通事故紧急救援法律法规建设必要性的阐述,以及对国内外有关高速公路交通事故紧急救援现状的对比,提出我国在高速公路交通事故紧急救援方面存在的问题,并对我国高速公路交通安全法律法规建设提出构想,具有十分重要的意义。     

道路交通事故的影响范围算法

为了及时有效地采取交通流诱导措施以减少交通事故对路网的影响,对交通事故影响范围的确定方法进行研究。首先分析了路段和交叉口两种类型交通事故对路网的影响。以交通波理论为基础进行交通事故影响范围算法分析,将影响范围分成交通事故处理和交通事故持续影响两个时间段,对每一段的交通波速度、排队长度等给出相应的计算方法和步骤,最终得到确定影响范围的流程图。以虚拟路网进行算例分析,证明了算法的可行性和实用性。     

基于互联网数据城市快速路地点安全分析方法

现有的城市交通安全分析主要考虑人财物的直接损失,却忽略了事故产生的交通延误等间接损失,同时也较少利用互联网海量数据进行分析.本文建立了基于互联网文本数据的城市交通事故属性模型,采用模糊系统聚类法划分事故交通影响等级,构建了基于绝对事故次数、损害后果和交通影响的等效事故次数模型,并将其应用于累积频率曲线和K-means聚类的城市快速路地点安全组合评价方法中.北京市快速路地点安全评价结果表明,本文所提出的方法可有效地将互联网安全文本数据应用于城市交通安全分析中,分析结果可为城市交通安全管理提供有益的借鉴.     

基于速度变化的偶发性交通拥堵时空分布特性研究

交通事故的发生会引起其上游路段通行速度的下降和交通流量的堆积,从而引发交通拥堵.本文主要研究了城市道路中交通事故引起的交通拥堵的时空分布特征.首先,基于北京市事故数据和路段速度数据分析交通事故影响下的车辆速度变化特性;接着,根据交通事故信息和事故路段流量与速度数据,建立了一种基于速度差异的拥堵判定模型,并对其时空维度的约束条件加以限定.在此基础上对事故引发的拥堵时空范围进行量化描述;最后,依托仿真数据与北京市真实事故数据进行效果验证.结果表明,该方法可以有效地描述交通事故引起的拥堵时空分布特性.     

道路交通事故数据深度挖掘技术与应用——以深圳市为例

现有道路交通事故统计分析技术存在数据项缺失、方法单一、实战应用性弱等问题,很难为公安交管部门提供针对性的辅助指导。基于深圳市2014—2016年交通事故数据,采用Apriori关联分析算法、贝叶斯理论以及模糊聚类等大数据挖掘方法,探索性地提出道路交通数据缺失数据项填补、事故伤亡特征因子甄别以及事故危险性分类评价方法。结果表明,该方法可有效提高道路交通事故数据完整性和事故伤亡特征因子甄别准确性,以及量化交通事故危险度评价。研究方法和结果可辅助公安交管部门开展道路交通事故预防和交通安全管理工作。     

基于交通流量的城市交叉口事故预测研究——以广州市为例

通过对广州市天寿路交叉口高峰时段的流量调查及广州市的交通事故数据分析,发现北京市与广州市交通流量与事故数据存在相近性关系。应用线性回归分析法、事故率法建立北京市交通流量与交通事故数之间的一元线性关系模型,对广州市某交叉口的交通事故数进行预测分析。结果表明,在交通流量高峰时段,影响交通事故的最主要因素为交通流量,交通流量对于快速处理的事故影响作用大于一般事故;在交通流量相当小时段,交通事故存在着很大的偶然性,两者的关联度不高。     

不同类型道路黑点事故诱因分析与治理

道路交通事故黑点的有效鉴别可以显著降低交通事故的发生率与损失后果。首先对道路交通事故多发的黑点路段进行了分类,然后分析了各类路段事故诱发因素,最后针对这些路段的事故诱因提出了相应的治理改造对策。     

高速公路重大交通事故下信息发布空间范围研究

为了确定重大交通事故下信息发布的空间范围,采用交通波理论,考虑出、人口流量的影响,建立事故状态下交通波分析模型,得到交通事故的基本影响范围;基于提示信息对交通流的影响,以饱和状态为临界标准,确定了所需发布提示信息的范围;分析在实施人口限流和出口分流措施后交通波与事故波的运行性质,根据分流路径上等效的通行能力确定各个出口的最大分流量,得到分流信息的发布范围．研究结果显示：分流后事故影响范围减小了78％．