基于重采样的交通拥挤识别方法.pdf

《基于重采样的交通拥挤识别方法.pdf》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、第29卷第11期2012年11月公路交通科技JournalofHighwayandTransportationResearchandDevelopmentVoL29No．11NOV．2012doi：10．3969／j．issn．1002—0268．2012．11．026基于重采样的交通拥挤识别方法徐飞1，郑长江1，杨成1，陈淑燕2(1．河海大学土木与交通学院，江苏南京210098；2．东南大学交通学院，江苏南京210096)摘要：交通拥挤识别实质上是一种不平衡分类问题，通过解决不平衡分类问题，在数据层面对原始数据集进行重采样，并采用不同的采样倍率进行

2、向上和向下采样，降低数据集类间不平衡程度，从而提高拥挤类识别精度。选取南京市虎踞路(主干道)某一路段作为研究对象，调查获得7：30一9：00交通流数据，并在此基础上，通过vissim软件仿真得到更多数据。借助weka软件平台运用朴素贝叶斯分类器进行分类试验，并对检测结果对比分析，结果表明重采样方法在对总体识别率影响较小的情况下，能够提高拥挤类的识别率。关键词：交通工程；拥挤识别；重采样；不平衡分类；朴素贝叶新分类器；模式识剐中图分类号：U491．2+65文献标识码：A文章编号：1002—0268(2012)11—0140—05Identificati

3、onMethodofTrafficCongestionBasedonResamplingXUFeil，ZHENGChangjian91，YANGChen91，CHENShuyan2(1．SchoolofCivilEngineeringandTransportation，HohaiUniversity，NanjingJiangsu210098，China；2．SchoolofTransportation，SoutheastUniversity，NanjingJiangsu210096，China)Abstract：Identificationoftra

4、fficcongestioniSinessenceakindofimbalanceclassificationproblem．Bysolvingimbalanceclassificationproblem，resamplingtheoriginaldatasetonthedatalayerwasperformed，andoversamplingorundersamplingwithdifferentsamplingrateswasconductedtoreducetheimbalancedegreeindataclassesandimprovethe

5、congestionidentificationprecision．SelectingasectionofHujuroad(mainroad)inNanjingastheresearchobject，thetrafficflowdatafrom7：30to9：00wereobtainedbysurveying．Onthisbasis，moredatawereobtainedbysimulationwithVissimsoftware．TheclassificationtestwasconductedwithnaiveBayesclassifieron

6、WEKAsoftwareplatform，andthetestresultswerecomparedandanalysed．Theresultsshowthatresamplingcanimprovethecongestionidentificationprecisionwithlittlebadinfluenceonthetotalidentificationrate．Keywords：trafficengineering；congestionidentification；resampling；imbalanceclassification；nai

7、veBayesclassifier；patternrecognition0引言交通拥挤给城市带来的损失是巨大的，快速准确识别拥挤路段是降低拥挤损失的有效途径之一。自20世纪60年代以来，拥挤识别的算法已有很多，包括加州算法、标准偏差算法、指数平滑算法以及贝叶斯算法等。在计算机发展的推动下，人工智能技术已被运用到拥挤识别技术中，例如：模糊理论、模式识别、专家系统等⋯，国内研究学者在此方面的研究也逐渐深入旧qJ。从模式识别角度来看，拥挤状态识别是一种分类问题，最简单的情况是将交通状态分为正常状态和拥挤状态，由于现实世界中，车流呈正常状态的情况要远多于拥挤

8、状态，因此拥挤状态识别实质上是一种不平衡分类问题，然而以收穗日期：2012—04—09基金项目：江苏省自然科