10.3969/j.issn.0258-2724.2016.03.014
基于手机运动传感器数据的交通流拥挤识别
准确的交通流状态识别是智能交通管理与控制的基础.通过所开发的手机端软件从手机中提取车辆的加速度与角加速度数据,在研究了其统计特征后,发现该数据可反应周围车辆对目标车辆运行环境的影响,从而与交通流状态的变化有着密切关系.利用支持向量机学习算法,以加速度与角加速度统计参数作为输入变量识别断面交通流状态.实验结果识别精度最高达到92%,表明加速度和角加速度指标可作为交通流状态的表征参数.该研究采用Lasso模型和最小角回归算法对输入参数进行变量选择,在降低计算成本的同时保证了良好的识别效果.
手机运动传感器、机器学习、交通流状态识别、Lasso、最小角回归算法
51
U491.112(交通工程与公路运输技术管理)
国家自然科学基金资助项目71201135,71431003;国家博士点基金资助项目新教师类,20120184120017
2016-07-05(万方平台首次上网日期,不代表论文的发表时间)
共10页
553-562