排序方式: 共有8条查询结果,搜索用时 46 毫秒
1
1.
基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法(ADASYN-XGBoost)。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法(adaptive synthetic oversampling method,ADASYN)来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明:与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500(18%的初始样本量),150(5%的初始样本量)... 相似文献
2.
轻型汽油车工况法排放检测方法相关性研究 总被引:2,自引:1,他引:2
研究了任用轻型汽油车稳态ASM、瞬态IMl95、GB18352.1—2001要求的全工况、GB18352.1—2001中的城市工况以及城市工况的第一个循环工况共5种不同的排放检测方法的相关性。测试并分析了3台本田雅阁车辆在这5种排放检测方法下的排放特性。结果表明,瞬态排放检测方法比稳态ASM方法能较全面地反映车辆的技术状态,瞬态IM195与GB18352.1—200l中城市工况检测方法的相关性较高,其中HC与NOx高于90%,CO也达57%以上。 相似文献
3.
城市车辆速度受多种因素影响呈现某种分布,鲁棒的干道协调控制模型应考虑不同速度下的车辆带宽需求。针对速度波动变化干道传统协调控制方法适用性差的问题,分析了带干扰的干道车辆速度时空分布特征,以推荐速度带宽最大与期望带宽最大为目标,提出了考虑车流速度分布扰动的干道绿波最大带宽协调控制方法。针对佛山市同济路4交叉口干道,速度分布扰动干道协调方法能够提供更符合车辆分布特性的协调方案,比Maxband模型和改进的Maxband模型提升约70%和14%的期望带宽。研究结果表明:笔者方法能够降低Maxband模型平均停车次数25%,平均延误45%和平均排队长度17%;针对不同速度期望和方差情况下的灵敏度分析实验表明,该方法能够为干道提供更具有鲁棒性的干道协调控制方案。 相似文献
4.
为了提高公路隧道突发事件的判别效率,实现道路交通状态全天候监测,以智能公路上泛在无线传感网络为基础,研究了基于信号强度指示值(RSSI)的网联车辆定位问题;考虑到隧道内车辆的连续运动特性,提出了一种带有局部线性嵌入(LLE)算法的半监督极限学习机(SSELM)实现RSSI指纹定位;离线阶段利用LLE对少量已标记位置的R... 相似文献
5.
城市干道旅行时间预测是实时交通运营管理与交通诱导的核心问题之一,也是出行者的重要需求.文中分析了济南市经十路采集的真实数据,研究发现了交通需求和旅行时间在工作日和非工作日同时段具有较大差异、全天具有显著早晚高峰、以及工作日同时段具有相似性及波动性等特征.基于该类特性,分别改进了适用于周期性数据的卡尔曼滤波和波动性的人工神经网络2类预测模型.提出了组合预测算法,将基于历史同时段数据的卡尔曼滤波算法的预测值作为人工神经网络的输入变量,利用历史天和临近时刻的可用数据进行了预测.结果表明:在3.8 km的信号控制干道上,组合预测模型平均误差低于0.9 min,误差超过2 min的概率低于4%,其预测性能可满足实时的交通需求. 相似文献
6.
以交通检测系统获取的车道流量和速度为模型输入,分别提出基于延误损失、 事故损失和综合损失等3 类步进式可变限速控制.综合现有基于流量和基于车速离散性 算法估计了高速公路事故发生率,提出了基于延误和事故发生率的路段综合损失计算方 法.以青兰高速莱芜区约20 km的路段为实例,模拟了8 组可变限速牌,通过微观仿真验证 了提出的3 种算法.结果证明,相比于静态控制,建立的3 种模型均显著降低了主线车流的 停车次数、停车延误和综合延误,改善了车辆行驶的平稳性,但主线车辆旅行时间略有增 加.根据敏感性分析发现,随着驾驶员对限速值服从率的下降,可变限速控制的效益也逐 渐降低,尤其低于80%时,下降显著;当低于60%时,基本保持不变. 相似文献
7.
8.
交通信号控制是缓解城市交通拥堵的重要手段,时段划分是信号灯控交叉口多时段控制的基础,合理的划分方法有助于提高信号控制效率。对于固定配时的信号灯控交叉口,传统时段划分方法主要借助于路口历史交通流量数据,依据人工经验或者简单聚类算法,直接进行时段划分,未能充分考虑交通流的时序性和随机性问题,不利于交通控制整体效益。综合考虑交通流中随机因素和时序性对时段划分的影响,本文研究了基于经验集合模态分解和有序聚类的时段划分方法。利用集合经验模态分解处理交叉口流量数据,提取了若干个本征模态函数及1个余项。借助皮尔逊相关系数分析原始流量数据、本征模态函数、余项这三者之间的关系,优选与原始流量相关性最高的本征模态函数或余项作为交通流的关键成分,使用关键成分代替流量数据进行有序聚类,完成时段划分。通过寻找不同分割个数下最小损失值突变点,获取最佳分割数,并得到最佳方案。以广东省中山市一个路口为案例对本文提出的时段划分方法进行算例分析,VISSIM仿真结果表明:(1)相比于现状,提出的方法在工作日和非工作日分别能提高路口通过车辆数11.32%和2.62%,缩短排队长度18.67%和12.02%;(2)非工作日车... 相似文献
1