【摘要】 一种融合SVM与BP神经网络的城市道路交通状态检测方法，包括以下步骤：1)交通特征参数包括车辆平均速度ν(m/s)、车流量f(veh/s)、时间占有率s、行程时间t(s)；实时监测路段的交通特征参数，并提取交通特征参数，得到测试样本集；2)将测试样本集输入SVM1-SVM2/BP的两层级联分类器，包括以下处理过程：2.1)运用SVM1训练函数分别进行训练后和测试集样本数据一起被输入到SVM1分类函数中，判定是否属于畅通状态，如果是，则判定当前状态为畅通状态，如果否，则进入2.2)；2.2)对测试样本集进行第二层的SVM2与BP网络分类器的投票融合分类，判定属于繁忙状态和拥堵状态。本发明能有效提高准确性。 【专利类型】发明授权 【申请人】银江股份有限公司 【申请人类型】企业 【申请人地址】310030 浙江省杭州市西湖区西湖科技经济园西园八路2号银江软件园 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】西湖区 【申请号】CN201210204956.4 【申请日】2012-06-19 【申请年份】2012 【公开公告号】CN102737508B 【公开公告日】2014-03-26 【公开公告年份】2014 【授权公告号】CN102737508B 【授权公告日】2014-03-26 【授权公告年份】2014.0 【IPC分类号】G08G1/01; G08G1/052 【发明人】韩露莎; 王辉; 彭宏; 孟利民; 裘加林; 张标标; 沈益峰; 杜克林 【主权项内容】1.一种融合SVM与BP神经网络的城市道路交通状态检测方法，其特征在于： 所述检测方法包括以下步骤： 1)交通特征参数包括车辆平均速度v(m/s)、车流量f(veh/s)、时间占有率s、行程时间t(s)，分别定义为 t＝t2-t1，????????????????(4) 上式中，vi为每辆车经过某断面的车速，τ为设定的收集数据的时间间隔，nτ为时间间隔τ内通过该断面的车辆总个数，t1为车辆开始进入该设定路段的时刻，t2为车辆完全通过该路段的时刻；式(1)表示在指定的时间间隔内在固定的观测地点测得的车速的平均值；式(2)表示单位时间内该路段通过的车辆个数；式(3)表示车辆通过该路段的总得时间占固定时间间隔τ的比率，即时间占有率；式(4)定义了行程时间；行程时间表示车辆通过道路某一路段所需的总时间，包括行驶时间和延误时间； 实时监测路段的交通特征参数，并提取交通特征参数，得到测试样本集； 2)将测试样本集输入SVM1-SVM2/BP的两层级联分类器； 所述的SVM1-SVM2/BP的两层级联分类器包括以下处理过程： 2.1)运用SVM1训练函数分别进行训练后和测试集样本数据一起被输入到SVM1分类函数中，检测出当前交通状态，过程如下： (2.1.1)对速度、流量、占有率、行程时间四个输入特征参数设置权重，即对交通状态影响大的特征参数速度和流量数据相乘的积，作为一个新的输入特征维，使SVM训练输入参数维数增加到5维，再对交通数据样本集的数据归一化； (2.1.2)利用归一化后的训练集样本训练SVM1分类器，利用交叉验证的思想找出优化后的参数C、γ，得到交通状态分类器，参数γ是多项式、高斯径向基、两层感知机(Sigmoid)核函数的γ参数，参数C是设置SVM的惩罚参数，惩罚参数C为非负数； (2.1.3)利用测试样本集数据和训练得到的分类器进行测试，判定是否属于畅通状态，如果是，则判定当前状态为畅通状态，如果否，则进入2.2)； 2.2)对测试样本集进行第二层的SVM2与BP网络分类器的投票融合分类，具体包括以下过程： (2.2.1)运用SVM2训练函数分别进行训练后和测试集样本数据一起被输入到SVM2分类函数中，检测出当前交通状态，包括如下过程： (2.2.1.1)对速度、流量、占有率、行程时间四个输入特征参数设置权重，即对交通状态影响大的特征参数速度和流量数据相乘的积，作为一个新的输入特征维，使SVM训练输入参数维数增加到5维，再对交通数据样本集的数据归一化； (2.2.1.2)利用归一化后的训练集样本训练SVM2分类器，利用交叉验证的思想找出优化后的参数C、γ，得到交通状态分类器，参数γ是多项式、高斯径向基、两层感知机(Sigmoid)核函数的γ参数，参数C是设置SVM的惩罚参数，惩罚参数C为非负数； (2.2.1.3)利用测试样本集数据和训练得到的分类器进行测试，判定属于繁忙状态和拥挤状态； (2.2.2)利用BP神经网络方法训练并对测试样本集进行测试，具体如下： (2.2.2.1)对测试样本集的数据归一化； (2.2.2.2)利用归一化后的训练集样本训练BP神经网络分类器，得到交通状态分类器；所述分类器是一个三层的前馈网络，输入层有4个节点，代表输入的4个道路交通特征，隐层有12个节点，输出层有2个节点，代表2种交通状态类型，隐层和输出层的激活函数采用Sigmoid函数； (2.2.2.3)利用测试集样本和训练得到的分类器进行测试，判定属于繁忙状态和拥堵状态； (2.2.3)利用BP神经网络方法训练并对测试样本集进行测试，具体如下：若(2.2.1)和(2.2.2)的分类类别相同，则将该检测样本归为此类；如果两个类别不相同，则将权值高的分类器所识别的结果作为投票的结果。 【当前权利人】银江技术股份有限公司 【当前专利权人地址】浙江省杭州市益乐路223号1幢1层 【引证次数】4.0 【他引次数】4.0 【家族引证次数】4.0 【家族被引证次数】32

未经允许不得转载：http://www.zhongzhencnc.com/1791547026.html