10.3969/j.issn.1001-4373.2018.05.005
基于改进的隐马尔可夫模型交通拥堵识别研究
为准确高效地追踪识别城市区域交通路况信息,提供合理的交通出行策略,针对原始的隐马尔可夫模型(hid-den markov model,HMM)初始状态参数难以选择且训练过程极易陷入局部最优解的问题,提出了一种改进的隐马尔可夫模型的交通拥堵态势识别机制,有效地拟合了城市道路相邻交叉口交通拥堵状况.将粒子群优化(particle swarm optimization,PSO)算法引入到隐马尔可夫模型的训练中,结合Baum-Welch算法分别对该模型的状态数等参数进行优化,最后根据Viterbi算法聚类出城市道路交叉口最佳拥堵状态序列.根据采集的真实交通流和GPS数据、车辆延误时间特征数据进行实验,其结果表明,改进的隐马尔可夫模型在道路交通拥堵识别的准确率和稳定性上有明显提升.
交通拥堵识别、隐马尔可夫模型、Baum-Welch算法、粒子群优化算法
37
TP301.6(计算技术、计算机技术)
2018-12-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
23-28