文献类型：期刊文章

作　　者：李喆[1] 孙健[2,3] 倪训友[3]

Li Zhe Sun Jian Ni Xunyou(Shanghai Municipal Transportation Design Institute Co. , Ltd. , Shanghai 200030, China State Key Laboratory of Ocean Engineering Transportation Research Center, Sclwol of Naval Architecture, Ocean ＆ Civil Engineering, Shanghai Jiao Tong University, Shanghai 200240, China)

机构地区：[1]上海市政交通设计研究院有限公司综合交通所,上海200030 [2]上海交通大学船舶海洋与建筑工程学院海洋工程国家重点实验室,上海200240 [3]上海交通大学船舶海洋与建筑工程学院交通研究中心,上海200240

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(71101109);上海市"科技创新行动计划"软科学研究重点资助项目(15692105400)

年　　份：2016

卷　　号：33

期　　号：12

起止页码：3527-3529

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：智能手机时代所产生的大数据能够为交通研究者带来大量信息,基于智能手机采集交通出行大数据,再利用基于粒子群的支持向量机模型进行交通出行方式识别研究。在分析数据特点的基础上提出用于建模的特征变量,之后使用粒子群算法优化支持向量机参数,并基于成都市的实证数据进行模型的训练与出行方式识别研究。研究结果表明,该模型识别正确率为95.1%,高于决策树、BP神经网络、基于网格搜索的支持向量机模型,且该模型在时间效率方面具有明显的优越性,因而在出行方式识别方面具有良好的现实意义。

关 键 词：粒子群 支持向量机 出行方式识别  智能手机大数据  模式识别

分 类 号：U116.2[交通运输类]