基于AIS海上交通调查的船舶定线制设计

文章分析了宁波一舟山核心港区的AIS数据和VTS现场监控数据,从宏观和微观两方面得出了辖区水域的船舶航迹和交通特性,并在考虑现有推荐深水航线和习惯航路情况下,应用基于AIS海上交通调查的船舶定线制设计了辖区船舶定线制的总体方案、警戒区及相关尺度,确保船舶定线制的科学合理性。     

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。     

����֧���������ij��е�·��ͨ״̬ģʽʶ���о�

城市道路交通状态识别是现代智能交通系统的重要组成部分,是交通智能控制、诱导和协同系统的基础.基于支持向量机建立车流量、平均速度和占有率的三维反映空间,以堵塞流、拥挤流、平稳流和顺畅流为标签对道路交通状态进行分类;并在MATLAB平台下利用LiBSVM工具包进行实验分析,对SVM各种核函数的分类效果进行比较研究,实现了支持向量机技术的交通状态模式识别.结果表明：选择的指标能很好地反映交通状态的特征,SVM核函数可以以较高的分类精度区分开交通流的状态识别,数据的归一化对分类的结果具有重要的影响.     

基于AIS的渡口水上斑马线的自动识别与实现

为降低渡口渡船与其他船舶的碰撞风险,提出一种基于AIS的渡口水上斑马线自动识别设计方案,并根据船舶导助航设备配备及渡口实际情况,给出具体实施建议。该方案通过对船舶AIS数据处理及识别,利用AIS的MESSAGE功能、自动VHF语音播报等主动向入界船舶发出实时预警,实现船舶对渡口水上斑马线的自动识别。     

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...     

基于朴素贝叶斯算法的船舶异常行为监测

随着海事事故与海上违法行为的不断增多,智能的监控方法成为降低海事事故,打击海上违法行为的有效手段.同时,船舶自动识别系统(Automatic Identification System,AIS)的普及及船舶交通管理系统(Vessel Traffic Service,VTS)的扩建,又为智能监控提供了数据支持.鉴于此,利用船舶自动识别系统提供的数据,分析通航水域船舶信息的分布情况,根据其概率分布采用朴素贝叶斯算法,从船舶航速、航向及距航道边界距离3个方面,构建船舶异常行为检测模型.最后,以成山角通航水域为例,检验模型的有效性.实验结果表明,构建的模型能够有效地完成异常行为监测,减少海事监管人员的工作强度,同时根据实验结果分析了成山角水域船舶航行的特点,并对成山角定线制提出合理化建议.     

论AIS远程船舶报告系统的建立

标准的AIS覆盖范围有限。它取决于VHF的作用距离．为了更有效地实施水上交通管理。提高交通效率以及保护海洋环境。主管机关的管辖区域有必要扩展到更大的范围。而AIS远程船舶报告系统有助于船舶远程自动报告的实施。使主管机关能在更远的距离上对船舶交通进行监控。文中着重介绍建立基于AIS的远程船舶报告系统的重要性。它的工作模式、报告格式和系统的结构及运行。     

桥区水域失控船舶的航迹预测

桥区水域失控船舶不仅会引起重大水上交通事故的发生,也会对桥梁的安全造成隐患。本文通过失控船舶在桥区水域运动数学模型与支持向量机(SVM)算法在失控船舶航迹回归预测方法的对比分析,来研究失控船舶在风、流等自然条件下,在桥区水域的运动轨迹,为失控船舶航迹预测软件的研究提供理论依据。     

城市信号主干道网络交通事件检测

本文论述了用向量机（SVM）技术检测城市主干道交通事件的发展应用。用来自固定检测器和浮动车的数据作为输入向量,经过以下五个步骤完成事件检测：采用ARFIMA模型处理交通输入数据,用SVM训练原始数据,运用模糊逻辑训SVM样本,融合从固定检测器和浮动车获取的数据,推断路段及路网状态。     

遗传算法优化支持向量机的城市交通状态识别

城市交通状态识别是智能交通控制、诱导和协同系统的基础。为提高支持向量机(support vector machine,SVM)在城市交通状态识别研究方面的泛化能力,将遗传算法(genetic algorithm,GA)与支持向量机相结合,利用遗传算法全局搜索优势对支持向量机的关键参数——惩罚系数C和核函数参数σ进行优化,建立基于遗传算法优化支持向量机(GA-SVM)的城市交通状态识别模型,并在MATLAB平台下进行实例验证。研究结果表明:相较于SVM模型,GA-SVM模型克服了依靠经验确定参数方法的缺点,识别精度提高3.75%,即模型可更好地识别城市交通状态。     

Automatic product image classification with multiple support vector machine classifiers

For the task of visual-based automatic product image classification for e-commerce, this paper constructs a set of support vector machine (SVM) classifiers with different model representations. Each base SVM classifier is trained with either different types of features or different spatial levels. The probability outputs of these SVM classifiers are concatenated into feature vectors for training another SVM classifier with a Gaussian radial basis function (RBF) kernel. This scheme achieves state-of-the-art average accuracy of 86.9% for product image classification on the public product dataset PI 100.     

蚁群算法在解决空中交通飞行冲突中的应用

本文主要研究了蚁群算法在解决空中交通冲突问题中的应用。首先对空中交通冲突解决问题的研究背景以及研究现状进行了系统的概述,随后建立了相关的数学模型,将空中交通飞行冲突问题转化为有约束的非线性整数规划问题,并设计了基于蚁群算法的求解思路。最后的仿真计算证明该方法在较短时间内能提供多种不同的有效的冲突解决方案。     

基于风险矩阵的干线公路弯道路段交通冲突风险评估模型

为评估干线公路弯道路段(AHBS)交通冲突风险,基于交通冲突前5 min集计交通流数据、冲突路段道路线形特征和行车环境数据,分别建立交通冲突可能性及严重度评估指标体系。集成运用随机森林模型和多层次模糊综合评价法分别确定交通冲突可能性和严重度等级,进而采用风险矩阵法确定交通冲突风险等级。以云南省元双干线公路为例进行验证。结果表明：基于随机森林模型的交通冲突可能性预测准确率达到84.21%,所提模型能有效评估AHBS交通冲突风险,为干线公路交通事故治理提供理论依据。     

基于多SVM分类器融合的高速公路异常事件检测方法

提出了一种利用多SVM分类器对高速公路中的复杂交通信息进行有效融合的异常事件检测方法.首先,将初始训练集划分为互不重叠的子集,为每个子集训练分类器.给定一个输入向量,利用分类器求得其所属的类别标签,并计算出该向量对特定簇的隶属度.其次,利用概率方法将多SVM分类器分类结果进行融合,得到最终分类结果.接下来,将“车流量”、“行车速度”、“道路占用率”、“相邻监测站的车流量差值”、“速度差值”以及“道路占用率差值”等交通参数表示为特征向量,分别输入到经过训练的SVM分类器,并将多SVM分类器融合后的分类结果作为判别异常事件的依据.最后,从5个具有代表性的高速公路路段采集到的交通数据构造实验数据集.实验结果表明,对比单一SVM和LS-SVM,文章提出的基于多SVM分类器融合的高速公路异常事件检测方法可以有效提高高速公路异常事件检测的准确性和可靠性,弥补了仅使用单一交通参数进行异常事件检测的不足.     

行人过街人车冲突等级评价及影响分析

无信号控制路段人车冲突等级的划分对于采取交通安全策略有重要意义,本文采用交通调查和数据分析的方法探索人车冲突严重程度的影响因素.通过视频采集确定了综合人、车、路 3方面特性的 14个解释变量,通过变量间相关性分析对解释变量进行筛选,再建立基于Odered Probit回归分析的人车冲突量化模型确定了影响显著的因素.     

基于灰色遗传支持向量机的短时交通流预测

为了进一步提高短时交通流预测的精确度,通过分析灰色模型、遗传算法和支持向量机模型的特点,提出一种组合的短时交通流预测模型.模型运用灰色模型对原始交通流数据序列进行累加,弱化其随机性,再通过遗传优化支持向量机模型进行预测,利用灰色模型将预测结果进行累减,得到最终的预测值表.以长春市某主干路交通流数据为基础,验证了该模型的有效性和可行性.     

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.