基于TAN分类算法的交通事件检测

摘要：

事件检测算法是交通事件管理系统的关键技术之一,提出一种基于树增强朴素贝叶斯(TAN)分类算法对交通事件进行检测,它的网络结构和参数通过数据学习确定,相比贝叶斯网络算法,对专家经验依赖较小.采用小波去噪、标准化和基于熵的离散化方法对原始交通数据进行预处理,将交通事件作为"0-1"分类变量,交通特征参数作为属性变量,构建TAN分类器.采用新加坡艾耶尔国王高速公路(AYE)的数据集对该算法进行了实例验证,实验结果表明TAN分类算法与多层前馈神经网络(MLF)算法的检测性能相当,它们的检测率分别为95.97％ 和98.8％,但TAN分类算法在模型训练和标定的速度上具有显著优势,且相比MLF算法,TAN分类算法的原理更加简单易懂,因此TAN分类算法具有更广泛的应用前景.

关键词：交通管理、事件检测、贝叶斯网络、熵、TAN分类器

所属期刊栏目：36

分类号：U491.2(交通工程与公路运输技术管理)

资助基金：国家自然科学基金青年科学基金项目51608115;国家自然科学基金国际合作与交流项目51561135003;江苏省基础研究计划自然科学基金项目BK20150613

在线出版日期：2018-08-21（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：27-32