基于手机运动传感器数据的交通流拥挤识别

《基于手机运动传感器数据的交通流拥挤识别》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于手机运动传感器数据的交通流拥挤识别国家自然科学基金项目（71201135，71431003），国家博士点基金项目（新教师类，20120184120017）肖峰通讯作者：肖峰，1978年10月30日出生，男，现为西南交通大学交通运输与物流学院教授，博士毕业于香港科技大学，研究方向为交通经济学，网络优化算法，道路交通规划等。Email:xiaofeng@swjtu.edu.cn.，涂雯雯，陈冬（西南交通大学交通运输与物流学院，综合交通运输智能化国家地方联合工程实验室，四川成都610031）摘要：准确的交通流状态识别是智能交通管理与控制的基础。本文通过所开发的手机端软件从手

2、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。本文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了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。关键词：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；Trafficcongestionrecognitionbasedonmobi

3、lephonemotionsensordata1XIAOFeng2,TUWenwen,andChenDong(Schooloftransportationandlogistics,NationalUnitedEngineeringLaboratoryofIntegratedandIntelligentTransportation,SouthwestJiaotongUniversity,Chengdu610031,china)Abstract:AccuraterecognitionoftrafficcongestionisthebasisofIntelligentTrans

4、portationSystem.Inthispaper,anewmethodisdevelopedtoevaluatetherunningenvironmentsurroundthetargetvehiclebasedontwoparameters:thereal-timeaccelerationandangularvelocitycollectedfromthesmartphone.Afteranalyzingthestatisticalcharacteristicsoftheparameters,wefindthedatahaveacloserelationshipw

5、iththecorrespondingtrafficflowstate.Supportvectormachineandparametricoptimizationmethodareutilizedtotestthesedata.Theexperimentsshowahighestaccuracyof92%,indicatingthataccelerationandangularvelocitycouldbeconsideredtogetherasthecharacterizationparametersoftrafficflowstates.Toreducethecomp

6、utationcostwhilemaintainingtheaccuracyofthetrafficstateidentification,strong explanatoryvariablesofthesupportvectormachinealgorithmarerecognizedbytherelativeoptimalregressionmodelandLeastAngleRegressionmethod.Keywords:Mobilephonemotionsensor;Machinelearning;Trafficstateidentification;Lass

7、o;Leastangleregression1212在发展中国家，有限的道路资源、不便捷的公共交通系统和较高的出行需求导致了交通堵塞问题愈发严重，造成大量经济损失。因此，准确评估拥堵程度是城市交通网络智能监测和识别道路瓶颈的重要基础，不仅可为管理决策者提供数据支撑，而且可为旅行者提供实时道路信息，从而节省系统成本和提高社会效益[1,2]。交通数据采集作为状态识别中基础的一环，数据准确性和采集成本是重要的考虑因素。以往的采集方法均有一些不足。比如固定型检测器需要较高的维护成本和复杂的安装操作。而基于视频的交通流数据采集覆盖区域有