• ISSN 0258-2724
  • CN 51-1277/U
  • EI Compendex
  • Scopus 收录
  • 全国中文核心期刊
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

基于SVM 的交通事件检测技术

陈维荣 关佩 邹月娴

陈维荣, 关佩, 邹月娴. 基于SVM 的交通事件检测技术[J]. 西南交通大学学报, 2011, 24(1): 63-67. doi: 10.3969/j.issn.0258-2724.2011.01.010
引用本文: 陈维荣, 关佩, 邹月娴. 基于SVM 的交通事件检测技术[J]. 西南交通大学学报, 2011, 24(1): 63-67. doi: 10.3969/j.issn.0258-2724.2011.01.010
CHEN Wei-Rong, GUAN Pei, ZOU Yuexian. Automatic Incident Detection Technology Based on SVM[J]. Journal of Southwest Jiaotong University, 2011, 24(1): 63-67. doi: 10.3969/j.issn.0258-2724.2011.01.010
Citation: CHEN Wei-Rong, GUAN Pei, ZOU Yuexian. Automatic Incident Detection Technology Based on SVM[J]. Journal of Southwest Jiaotong University, 2011, 24(1): 63-67. doi: 10.3969/j.issn.0258-2724.2011.01.010

基于SVM 的交通事件检测技术

doi: 10.3969/j.issn.0258-2724.2011.01.010
基金项目: 

国家863计划资助项目(2007AA11Z224)

详细信息
    作者简介:

    陈维荣(1964-),男,教授,博士生导师,研究方向为智能算法、现代传感器技术,E-mail:wrchen@home.swjtu.edu.cn

Automatic Incident Detection Technology Based on SVM

  • 摘要: 为减少交通事件引起的交通延误,提出了一种基于支持向量机(SVM)的交通事件自动检测(SVM- AID)算法.采用实际高速公路交通参数数据库(I-880数据库),对SVM-AID算法的分类性能进行测试,并分析 了SVM 中各参数对分类效果的影响.结果表明,SVM 中参数对分类效果的影响很大,必须慎重选择;SVM-AID 算法对不同路段交通事件的正确分类率都在98%以上,平均检测时间不超过5s,均优于基于人工神经网络等的 其他交通事件自动检测算法.

     

  • 加载中
计量
  • 文章访问数:  1350
  • HTML全文浏览量:  67
  • PDF下载量:  575
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-10-14
  • 刊出日期:  2011-02-02

目录

    /

    返回文章
    返回