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] 田秀娟[1] 王树兴[4]

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 [4]山东高速公路股份有限公司,山东济南250014

出　　处：《华南理工大学学报（自然科学版）》

基　　金：国家科技支撑计划项目(2014BAG03B03);国家自然科学基金资助项目(51408257;51308248);山东省省管企业科技创新项目(20122150251-1)~~

年　　份：2017

卷　　号：45

期　　号：6

起止页码：52-58

语　　种：中文

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

摘　　要：为了提高城市快速路交通状态判别的准确性,构建了一种基于谱聚类与随机子空间集成K最近邻(RS-KNN)的交通状态判别模型.以地点交通参数为基础,根据交通流运行特性并结合中国道路服务水平的4个等级,采用谱聚类算法将交通状态划分为4类;然后使用已分类的交通流数据训练RS-KNN模型.通过上海快速路的实测数据完成模型的实验验证和对比分析.实验结果表明,所提出的模型不仅能够提高交通状态判别的精度,而且具有良好的鲁棒性,其判别率比标准KNN模型、BP神经网络模型和SVM模型分别提高7.3%、4.9%和4.5%.

关 键 词：交通工程  交通状态判别 谱聚类 随机子空间 K最近邻  

分 类 号：U491[物流管理与工程类]