基于混合支持向量機(jī)多分類器的交通事件檢測(cè)方法研究.pdf

1、隨著社會(huì)快速進(jìn)步和高速公路的發(fā)展，高速公路上的交通事件頻繁發(fā)生，嚴(yán)重影響了社會(huì)經(jīng)濟(jì)的發(fā)展。因此，各國(guó)紛紛開展了高速公路事件自動(dòng)檢測(cè)算法研究，來進(jìn)行高速公路交通事件的自動(dòng)檢測(cè)。基于支持向量機(jī)多分類器的交通事件檢測(cè)(MSVM-AID)算法出現(xiàn)，成功的解決了小樣本數(shù)據(jù)條件下，模型訓(xùn)練的過學(xué)習(xí)與欠學(xué)習(xí)現(xiàn)象，并能夠?qū)煌ㄊ录陌l(fā)生做出良好的反應(yīng)。但是，我們?cè)趯?shí)踐研究中發(fā)現(xiàn)，MSVM-AID算法在檢測(cè)某些特定情況下的交通事件，如對(duì)于車道數(shù)較多的高速

2、公路，一旦發(fā)生交通事件，且事件車輛占用車道有限，交通流參數(shù)波動(dòng)不大的情況下，其檢測(cè)精度不夠理想。因此，本文針對(duì)此問題，對(duì)MSVM-AID算法模型進(jìn)行改進(jìn)，同時(shí)引進(jìn)了串聯(lián)、并聯(lián)兩種分類器組合方法，設(shè)計(jì)出了混合MSVM-AID算法。同時(shí)對(duì)特征向量進(jìn)行重新設(shè)計(jì)，構(gòu)造了三個(gè)具有方法效果的特征向量，以放大交通流參數(shù)在多車道小型交通事件中的變化程度。此算法分為并聯(lián)和串聯(lián)兩部分，對(duì)小型交通事件，做出2次檢測(cè)分析，解決了MSVM-AID算法漏判率較高的