文献类型：期刊文章

作　　者：商强[1] 林赐云[1,2] 杨兆升[1,2] 邴其春[1,3] 邢茹茹[1]

机构地区：[1]吉林大学交通学院,吉林长春130022 [2]吉林大学吉林省道路交通重点实验室,吉林长春130022 [3]青岛理工大学汽车与交通学院,山东青岛266520

出　　处：《浙江大学学报（工学版）》

基　　金：国家"十二五"科技支撑计划资助项目(2014BAG03B03);国家自然科学基金资助项目(51408257;51308248)

年　　份：2017

卷　　号：51

期　　号：7

起止页码：1339-1346

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了进一步提高交通事件检测的效果,提出基于变量选择和核极限学习机(KELM)的自动事件检测(AID)算法.根据交通事件上、下游交通流参数的变化特点,构建较全面的交通事件检测初始变量集.采用随机森林—递归特征消除(RF-RFE)算法,从中选择重要变量.以重要变量作为输入,训练KELM并通过万有引力搜索算法(GSA)优化参数.使用美国I-880数据库,对AID算法的效果进行验证和对比分析.因为数据库中的事件样本数远少于非事件样本数,采用SMOTE平衡两类样本.结果表明,使用重要变量能够提高交通事件的检测效果,KELM的检测效果优于反向传播神经网络(BPNN)和支持向量机(SVM).

关 键 词：交通工程 交通事件检测 变量选择  随机森林  极限学习机(ELM)  

分 类 号：U491[物流管理与工程类]