| 面向对象的道路交通拥挤识别算法表决融合 |
| |
| 引用本文： | 李家伟,于忠霞.面向对象的道路交通拥挤识别算法表决融合[J].交通科技与经济,2008,10(3):110-112. |
| |
| 作者姓名： | 李家伟 于忠霞 |
| |
| 作者单位： | 西南交通大学,交通运输学院,四川,成都,610031;西南交通大学,物流学院,四川,成都,610031 |
| |
| 摘 要： | 为了满足不同服务对象对交通检测率和误判率的不同要求，在分析交通参与者与管理者的算法融合需求的基础上，提出对不同服务对象应选择不同的信任级别。利用前向神经网络和概率神经网络分别对不同的服务对象进行算法表决融合，计算结果表明这样可以实现交通参与者对高检测率、交通管理者对低误判率的不同要求。
|
| 关 键 词： | 服务对象 拥挤识别 表决融合 道路交通 |
| 文章编号： | 1008-5696(2008)03-0110-04 |
| 修稿时间： | 2008年1月26日 |
Object-oriented Road Traffic Congestion Identification Algorithm Voting Fusion |
| |
| LI Jia-wei,YU Zhongxia.Object-oriented Road Traffic Congestion Identification Algorithm Voting Fusion[J].Technology & Economy in Areas of Communications,2008,10(3):110-112. |
| |
| Authors: | LI Jia-wei YU Zhongxia |
| |
| Institution: | LI Jia-wei, YU Zhong-xia (1. College of Traffic and Transportation, Southwest Jiaotong University, Chengdu 610031, China; 2. College of Logistics, Southwest Jiaotong University, Chengdu 610031, China) |
| |
| Abstract: | To satisfy the needs of different objects on the identification rate and false identification rate, this paper chooses a different confidence level for traffic participants or managers on the basis of their fusion demand. Using feed-forward neural networks and probabilistic neural networks to make voting fusion for different objects, the result shows that participants can achieve a high identification rate of traffic, managers achieving a low false identification rate. |
| |
| Keywords: | object congestion identification voting fusion road traffic |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
