基于GA启发式抽样的交通事件自动检测

摘要：

为了提高面向不平衡数据集的交通事件检测综合性能,提出了两种基于GA启发式抽样方法的交通事件检测算法.基于GA的实例选择抽样方法(GA-IS),解决非启发式抽样方法人为设定抽样率导致的检测效果不稳定问题.基于GA的支持向量选择抽样方法(GA-SS),改善学习集数据量较大时的检测效率.实验采用新加坡AYE仿真数据库,以支持向量机作为分类器进行事件检测.结果表明,基于遗传算法实例选择抽样的检测模型检测率达到94%,平均检测时间为1.413 3 min,性能指标PI为0.157;基于遗传算法支持向量选择抽样的检测模型决策时间为4.55 s,综合性能最优,其PI为0.151;基于少数类过抽样算法(SMOTE)的检测模型决策时间为35.21 s,PI为0.329,与非启发式抽样方法相比,所提方法能有效改善面向不平衡数据集的事件检测综合性能.

关键词：交通安全、交通事件检测、不平衡交通流数据、启发式抽样、遗传算法

所属期刊栏目：34

分类号：U491.3(交通工程与公路运输技术管理)

资助基金：国家自然科学基金项目61374195;江苏省普通高校研究生科研创新计划资助项目SJLX15_0064

在线出版日期：2017-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：87-92