基于支持向量机的短时交通流预测方法

在介绍智能交通系统的特点和相关技术的基础上,SVR算法被用来处理短时交通量预测问题.实验证明,支持向量机在交通系统中的应用具有可行性、有效性和广阔的前景.     

多种缺失模式下交通数据组合近似填补方法

随着智能交通系统中采集和应用的基础数据规模不断扩大，数据缺失问题的重要性也日益凸显。针对交通数据中常出现的数据随机缺失和连续缺失问题，本文提出基于鲸鱼优化算法优化最小二乘支持向量机的组合近似填补方法(Combined Approximate Filling, CAF)。考虑缺失数据整体变化趋势的同时，参考数据的波动特征，根据多重填补思想对缺失值分别使用单变量填补和多变量填补，然后引入图片识别中自适应阈值分割法对不同时段下的差异值进行动态划分处理，最后利用不同时段的动态差异度阈值将单变量填补和多变量填补的结果进行结合，完成缺失值的高精度近似填补。为验证填补方法的性能，利用云南省玉溪市大量实车轨迹处理数据设计多组实验。实验结果表明，在小样本数据中，CAF填补方法能够适应多种场合的填补工作，该方法总体优于其他方法，在不同缺失率下均表现良好，尤其是随机缺失填补，最大RMSE为0.365。实验还证明了该方法在不同缺失类型和不同数据离散度下数据填补效果相比于其他方法优势更加明显。     

智能交通系统的发展现状及标准化进程

智能交通系统在近二，三十年来得到了迅猛的发展，据美国有关机构对智能交通系统效益所作的评估，智能交通系统可以极大地提高交通系统的安全性，可靠性及运行效率智能交通系统已成为二十一世纪交通发展的必然，具有巨大的发展空间和市场潜力。世界各发达国家纷纷对智能交通系统的研究和开发投入了大量的人力，物力和财务。美，日等发达国家已经制定了各自的国家智能交通系统系统架构，并开始用于指导智能交通系统的设计实施。我们通过本文介绍我们在国内，外智能交通系统领域的工作体验及对国外智能交通系统国家标准的了解，以便为中国智能交通系统系统架构的建立工作提供借鉴。     

Aimsun交通仿真技术在市政工程中的应用研究

智能交通系统是当前解决交通问题的主要方法和手段。作为ITS的重要组成部分,交通仿真系统是进行交通管理、控制和诱导决策的重要实验手段和工具。基于微观交通仿真软件Aimsun建立相应交通流仿真模型。Aimsun克服了交通系统现场实验代价大、实施困难的缺点,能为交通路口的研究与管理提供科学可靠的依据。     

二分类数据的分类结果可视化算法

针对在某些应用领域对二分类数据分类结果可视化的需求，以及现有无监督可视化算法无法提供分类结果的相关信息的问题，提出了二分类数据分类结果可视化算法——支持向量可视化（SVV），该算法是在无监督的自组织神经网络（SOM）的可视化功能的基础上，结合监督学习的支持向量机（SVM）的二分类算法，得到能够直观地显示高维数据、二分类数据分类边界以及数据与分类边界距离的二维映射图，提高了分类结果的可解释性．以SOM可视化算法以及Smnmon算法为参照，用2组可分性不同的样本集进行仿真分析，验证了该算法的有效性和可行性。     

智能交通系统的发展

智能交通系统是将信息和控制技术应用于交通系统中，以提高其运行效率，在简述智能交通系统的引入和定义的基础上，介绍了智能交通系统的发展过程，以及发展方向。     

�۽�ͨϵͳһ�廯

指出了一体化交通系统是与智能交通系统并行的世界性的发展趋势，论述了交通系统一体化的必要性。提出了从三个方面理解一体化交通系统的内涵:交通系统的一体化是对交通系统资源的整体优化，交通系统的一体化是对交通需求的统一管理，交通系统的一体化体现在交通运输的全过程。指出了交通系统一体化的外延。重点讨论了两个问题:一体化交通系统与智能交通系统的关系问题，ITS与交通工程的关系问题。提出了把非技术范畴的因素从ITS中分离开来的观点。     

���ƹ��������ܽ�ͨϵͳ���ױ�����ϵ��̽��

在广州市智能交通系统的逐步发展和完善过程中，由政府主导建立起智能交通系统的配套保障体系，使政府、企业、科研机构在研发智能交通系统过程中各司其职、各尽其能，是实现智能交通系统不可或缺的重要前提条件.本文针对广州市目前智能交通系统的发展现状，提出了完善其配套保障体系的几项建议，该建议将为广州市“十一五”智能交通系统的发展提供了更完备的体制环境，也为我国其它大城市智能交通系统的保障体系建设提供了较全面的参考范例.     

�������ܽ�ͨϵͳ������Ŀ����������ۺ����۷����о�

结合智能交通系统的特点，系统分析了我国城市智能交通系统评标机制，提出了在城市智能交通系统评标机制中建立后评价体系，并将层次分析与灰色关联结合的方法应用于智能交通系统方案评标方法中，结合智能交通系统项目评标实例，运用该方法进行了评价。     

城市应急交通系统发展与建设

提出城市应急交通系统的基本概念，并对应急交通系统的分类和功能进行说明，给出国内外应急交通系统的发展现状和研究成果。最后概要介绍了建设一个应急交通系统所要包括的五个平台。     

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.     

交通量预测的支持向量机回归法

针对目前交通量预测中所广泛采用的基于经验风险最小化的BP网络易于陷入局部最优解等缺点．一种新的预测方法——基于结构风险最小化的SVMR交通量预测模型经实践证明能够较好地解决道路交通量预测问题。     

最小二乘支持向量机在公路交通客流量预测中的应用

交通客流量预测是交通规划的重要内容,对于交通规划具有重要意义。利用最小二乘支持向量机理论,建立交通客流量预测模型,通过与BP神经网络预测模型实验结果进行比较,验证了其在交通客流量预测中的有效性。     

基于最小二乘支持向量机的交通流量预测模型

城市交通流具有复杂性、时变性和随机性,实时准确的交通流量预测是实现智能交通诱导及控制的前提.综合分析交通流量影响因素的基础上,进行多路段的交通流量预测研究,提出了基于最小二乘支持向量机的交通流量预测改进模型,并应用平安大街的流量数据进行实例验证.结果表明,该模型具有学习速度快、跟踪性能好及泛化能力强等优点,在交通流预测中更具有实用性和推广性.     

����֧���������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.     

不良交通流状态实时监测支持向量机模型算法研究

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,能够有效地对高速公路上的不良交通流状态进行实时监测预警.     

��·��ͨ������֧�����������Ԥ��

对交通运量做出较为准确的预测，能对相关部门和人员把握运输市场或进行决策有所裨益。对灰色、神经网络和支持向量机的三个预测模型进行了研究，以全国1996 ～ 2003年公路货运量为例，对公路货运量进行了预测，经过比较，支持向量机的预测方法精度较高。在分析组合预测特性的基础上，提出了对灰色系统、神经网络和支持向量机三种预测方法结果进行了线性组合预测方法和支持向量机的组合预测方法。与单一预测方法结果和线性组合预测进行对比，支持向量机组合预测方法比较精确。     

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.     

支持向量机在道路交通事故预测中的应用

通过对道路交通事故相关指标的分析,选取万车死亡率、十万人口死亡率作为指标集合,建立的基于支持向量机的道路交通事故预测模型,经10年的道路交通事故相关数据的训练和测试,其准确性得到了验证。     

一种在线快速判定交通流混沌的方法

对混沌、非混沌交通流序列进行了多尺度分解,发现在高频系数部分存在明显结构上的差异,依据这种差异提出了一种基于系统历史信息的在线快速判定交通流混沌的方法.实验结果表明:新的混沌判定方法比传统的混沌判定方法需要的样本数少、识别率高.该判定方法同样适用于其他确定系统在线混沌现象的快速判定.