基于支持向量机的车辆驾驶行为识别研究

从车辆行驶轨迹的角度,车辆驾驶行为可细分为车辆跟驰行为、车辆换道准备行为和车辆换道执行行为,它们对交通拥堵、交通事故等都有着重要影响,也是自动驾驶、交通仿真等系统的基础构成模块.然而,如何从实际微观交通流数据中对3种行为进行识别是驾驶行为研究的基础和难点.本文提出基于支持向量机的驾驶行为识别方法,使用真实车辆轨迹数据,为提高模型的准确率,首先对样本数据进行归一化和主成分分析预处理,然后采用网格搜索算法对惩罚因子和核参数进行寻优,最后利用样本数据对基于支持向量机的分类模型进行训练和测试.结果表明,模型的测试精度达到了98.41%,能够很好地识别车辆的行驶状态,为驾驶行为各阶段的研究提供支持.     

基于小波包能量谱和SVM的水下目标识别

为了提高舰船辐射噪声信号分类的准确率,即在水下进行舰船目标识别的准确率,采用了小波包提取信号能量谱特征的方法和支持向量机的分类算法.简介了小波包变换及支持向量机的基本原理,然后针对舰船辐射噪声信号进行多层小波包分解,提取各子频段能量谱作为特征量,归一化处理后构建特征向量,最后用支持向量机算法进行分类.仿真实验结果表明,利用对信号的多层小波包分解提取能量谱特征和支持向量机的分类算法能对舰船辐射噪声信号进行有效识别.     

基于碰撞试验的车辆碰撞声信号特征

为使车辆碰撞发生重大交通事故后,能够及时报警和施救,将声音识别技术应用于交通事故的检测和报警。采用声音信号特征提取方法,通过试验搜集车辆典型碰撞声、自然界雷声、喇叭声等多种交通复合声音信号。使用Matlab工具,对采集的车辆正常行驶过程中无干扰、有干扰以及不同车速和不同角度碰撞时的3类声信号特征进行频谱分析。分析表明:发生重大交通事故时的车辆碰撞声信号频率远远高于其余两类状态,完全可以通过提取车辆碰撞声音信号特征来判断是否发生了重大交通事故。     

基于SVM-LSTM的车辆跟驰行为识别与信息可信甄别

为利用智能车路协同系统内实时交互信息有效提升交通系统的安全性,提出了基于交通业务特征的交通信息可信甄别方法;重点构建了基于支持向量机(SVM)-长短时记忆(LSTM)神经网络的车辆跟驰行为识别与信息可信甄别模型,包括基于SVM的车辆跟驰行为识别模型和基于LSTM神经网络的车辆跟驰速度预测模型;设定了表征车辆行驶状态的特征向量,基于SVM的车辆跟驰行为识别模型将车辆行驶状态分为跟驰与非跟驰;对于跟驰车辆,基于LSTM神经网络的车辆跟驰速度预测模型根据其历史数据进行速度预测;SVM-LSTM信息可信甄别模型通过检验跟驰车辆的预测速度与其实际速度的差是否在合理范围来判断车辆数据的可信性,实现信息的可信甄别;采用公开数据集对提出的模型进行了训练与测试,并构建了不同异常类型和异常幅度的多个异常测试数据集,对基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型进行了验证。研究结果表明:基于SVM的车辆跟驰行为识别模型对车辆行驶行为识别的准确率达到了99%,基于LSTM神经网络的车辆跟驰速度预测模型的跟驰速度预测精度达到了cm·s-1数量级;基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型在正常数据测试集与多个异常数据测试集上的甄别正确率达到了97%。由此可见,提出的方法可用于路侧设备(RSUs)对车载单元(OBUs)实时信息和车载单元间实时信息的可信甄别。      

基于V-支持向量分类机的交通事件检测方法研究

基于支持向量机在解决分类问题的优势，本文提出基于V-支持向量分类机的交通事件检测方法。首先把交通事件是否发生看成是一个特殊的分类问题，选取V-支持向量分类机和核函数，根据以往的交通事件是否发生的检测数据，即分别在发生交通事件和不发生交通事件两种情况下的上下游车道占有率，计算出其当前时段的上下游车道占有率的绝对差、相对差，以及下游前两时段与当前时段车道占有率的相对差，以此作为V-支持向量分类机的输入，对其进行训练，然后输入现阶段检测到的相应车道占有率统计结果，利用训练完成的V-支持向量分类机来判别是否发生交通事件。最后，本文以微观交通模拟的数据验证模型的效果。     

参数优化VMD对变压器声音信号的故障诊断

变压器内部局放声音信号包含了设备故障特征信息,但是局放声音信号的非线性、非平稳性使得故障特征难以提取,因此现有基于声音信号识别变压器内部故障识别率低.为此,提出模拟退火优化变分模态分解—样本熵的特征提取方法,并与支持向量机结合进行变压器内部局放故障诊断.首先,基于模拟退火算法实现变分模态分解(variational mode decomposition, VMD)的参数寻优;然后,采用最优参数设定VMD并对故障声音信号进行分解,得到包含故障特征的本征模态函数,进而求取各本征模态函数的样本熵作为对应样本的特征向量;最后,利用支持向量机实现特征向量的识别与分类.模拟实验结果表明,所提出的方法可以有效提取局放故障声音信号的特征,具有较好的故障识别率.     

基于浮动车速度波动特征的交通状态识别

为实现路段交通状态的准确判别,解决单参数无法直接识别道路交通状态问题,本文利用高频浮动车速度数据,使用灰度共生矩阵特征值对比度和逆方差表示车辆行驶的波动特征。基于城市道路交通状态变化的动态性与连续性,围绕固定时间窗口内车辆的平均车速、对比度和逆方差,采用FCM (Fuzzy c-means)算法进行聚类分析,得到畅通、平稳、拥挤和阻塞这4种状态阈值。提出基于多维高斯隐马尔可夫模型的交通状态识别方法,分别以3,5,6 min固定时间窗口训练模型。模型状态转移矩阵表明,时间窗口越小其保持原有交通状态的可能性越大,时间窗口越大交通状态突变的可能性越大。使用不同序列长度对比3种时间窗口在测试集中的识别精度,结果表明,随着序列长度的变化,精度显示出先升高后降低的趋势,且固定时间窗口越大,不同序列长度的识别精度变化越均匀。最后利用5 min固定时间窗口划分数据使用本文方法和支持向量机以及随机森林分别进行道路交通状态识别,综合精度分别为92.00%、84.89%、88.48%,同时本文方法在查准率、召回率和F1度量(F1-score)指标均优于其他两个模型,说明道路车速的波动特征可以很好地反映道路交...     

车辆传动系统变参小波流形融合故障诊断方法

应用流形学习方法非线性融合信号在不同小波参数下中央尺度对应的小波包络,研究了强背景噪声下车辆传动系统振动信号故障瞬态脉冲包络的有效提取问题,并与传统信号时频分解方法进行了对比研究;采用不同小波参数对振动信号进行连续小波变换,提取了每组参数下中央尺度上的小波包络;采用基尼指数选择若干包含故障瞬态脉冲信息的小波包络,构造了高维小波包络矩阵;采用局部切空间排列算法对高维小波包络进行流形融合,获得了反映故障瞬态脉冲包络本质结构的小波包络流形;为了验证所提方法的有效性和优越性,采用不同方法对轨道车辆轮对轴承和汽车变速齿轮箱的故障振动信号进行了对比分析。研究结果表明:在分析轴承外圈故障信号时,所提方法基尼指数比传统信号时频分解方法提高27.32%以上;在分析齿轮磨损故障信号时,所提方法基尼指数比传统信号时频分解方法提高26.74%以上。可见,所提方法通过综合具有不同形态的变参小波包络,可以在无需优化小波参数情况下,对车辆传动系统中的不同关键部件故障振动信号具有较好的自适应性,提取的故障脉冲包络中的带内噪声少,故障脉冲特性明显,容易识别其频谱中的故障特征频率,是检测车辆传动系统故障的一种有效方法。      

基于小波脊频级联特征的雷达辐射源信号识别

为识别复杂体制雷达辐射源信号,提出了一种基于小波脊频级联特征提取的信号识别方法.该方法采用新的小波原子和脊线检测策略提取信号的脊频特征,并提取其级联特征作为信号识别向量.仿真结果表明,采用级联特征能有效地识别辐射源信号,当信噪比为5 dB时,识别率达95%以上.与传统小波和现有方法相比,所提出的方法具有更好的信号识别效果.     

基于小波变换与支持向量机的舰船水压信号检测方法

采用小波变换与支持向量机相结合对舰船水压场信号建立检测模型.该方法通过对海浪信号进行小波分解并对某一特定低频频段信号重构,利用支持向量机对重构信号建立预测模型,预测误差值作为特征值对舰船水压信号进行检测.通过检测验算表明此方法的有效性,特别是在低信噪比情况下,仍能较好地检测到目标信号.     

交通事件视频图像自动识别系统的研究

如何有效利用高速公路视频图像信息,实时全天候自动智能检测交通事件,提升交通管理部门应急处置能效,是当前公路视频监控亟需解决的问题．本文基于视频图像处理技术,开展交通事件自动识别算法和系统的研究：采用中值滤波、亮度缩放等图像预处理方法,提取交通视频图像的前景目标边界并抑制噪声;基于灰度阈值化方法,对车辆前景进行二值化分割处理;提出一种二值化场景图像连通区域标定算法,对交通事件前景目标进行特征提取与检测识别,并基于上述算法和识别流程开发了交通事件视频自动识别系统．试验表明,该系统对噪声干扰抑制能力较强,识别准确率较高．     

高速公路交通事件发生概率的短期预测

通过分析由两个相邻的交通检测器观检测得到的实时交通流数据,建立一个可以估计交通事件发生概率的模型。该模型表明,交通事件发生的概率与稳定交通流中上游交通流密度所占的比例和上游、下游交通流的速度差这两个因素具有较大的相关性。该模型只需要利用基本的交通数据便可估算交通事件的发生概率,在高速公路的管理中有较大的应用价值。     

高速公路交通事件清除时间模糊逻辑预测模型

清除时间是高速公路交通事件持续时间中的一部分,与事件影响范围密切相关.通过对某高速公路事件数据及交警执勤记录进行分析,提出了救援车辆的清除时间新定义,该定义与事件持续时间有更强的相关性.随后采用含自适应算法的TSK模糊逻辑推理方法,通过对基于事件数据的人工神经网络训练,建立了交通事件清除时间的预测模型,并讨论了模型的适...     

交通事件自动报警系统应用分析及对策研究

基于视频检测技术的交通事件自动报警系统可以对交通事件和交通流参数进行实时检测,并对交通事件以报警的形式通知管理者,能够有效预防交通事件和真实地再现事件过程,对提高城市道路交通安全和交通管理水平具有重要应用价值。文章结合杭州市采用的视频检测交通事件自动报警系统的应用实践,分析了系统在实际应用中存在的问题,并从交通管理角度出发,提出了相关解决办法与建议。     

基于SVM的交通事件检测技术

为减少交通事件引起的交通延误,提出了一种基于支持向量机(SVM)的交通事件自动检测(SVM-AID)算法.采用实际高速公路交通参数数据库(I-880数据库),对SVM-AID算法的分类性能进行测试,并分析了SVM中各参数对分类效果的影响.结果表明,SVM中参数对分类效果的影响很大,必须慎重选择;SVM-AID算法对不同...     

��ͨ�¹ʳ���ʱ���������

对交通事故持续时间分析的发展现状进行了综述．首先简要介绍了交通事故的定义，事故种类和交通事故管理系统，并分析了交通事故持续时间的统计分布．然后，对最近应用的几种主要的交通事故持续时间的分析方法及结论进行了概述．主要包括：方差分析，线性回归，非参数回归，决策树法，hazard duration method，模糊逻辑．主要的结论包括；大量的研究发现交通事故持续时间的分布形状是向左偏斜的钟型分布．交通事故数据采集标准化是事故分析中非常重要的环节．传统的统计分析方法处理不完整的数据有局限性．最后，本文提出了将来的发展方向，包括应用人工智能方法建立事故持续时间模型，及建立交通事故数据库标准．     

高速公路尾随相撞事件的贝叶斯网络致因分析模型

应用上海市高速公路1104条事件数据,基于专家知识和数据融合方法建立贝叶斯网络结构;利用服从Dirichlet分布的贝叶斯方法进行参数学习;运用团树传播算法进行推理分析。研究了上海市高速公路尾随相撞事件类型与不同道路环境条件之间的关系。在验证贝叶斯网络模型的有效性后,系统分析事件致因,并提出改进措施。发现重大尾随相撞事件易发生在大中型车与小型车之间;夜间易发生大中型货车的重大尾随相撞事件,尤其是凌晨0时至6时;路表潮湿状态下的非普通路段上易发生大中型客车的重大尾随相撞事件。结果表明贝叶斯网络建模能够更好的反映事件致因因素的多维性及关联性,是交通事件致因分析的有效方法。     

基于RBF的城市快速路交通异常事件自动检测算法分析

通过对城市快速路交通异常事件自动检测方法的分析,提出用MATLAB神经网络工具箱建立交通异常事件自动检测RBF模型,并通过采集的实测交通异常事件数据对RBF神经网络在自动检测算法中进行仿真研究。结果表明RBF神经网络算法具有检测率高、误报率低和检测速度快等优点。     

农村公路线形的安全设计

农村公路线形设计对交通安全有着非常重要的影响.农村公路平纵线形安全设计的目的,旨在使农村公路设计阶段重视交通安全,从道路设计角度防范交通事故.     

交通流状态辨识小波算法研究

针对智能交通系统的开发和交通流特性，应用小波多分辨分析理论的Mallat分解算法建立交通流状态辨识方法，利用多种小波系数与交通流参数之问的相应变化规律进行交通突变状态的辨识．交通流状态的突变多与交通事件直接相关，故采用事件和非事件条件下的模拟数据对算法参数进行了标定及离线测试．将算法与几种传统算法分别进行了性能比较，结果表明Mallat分解算法在交通流突变状态实时辨识方面具有很好的性能．