登录    注册    忘记密码

期刊文章详细信息

基于支持向量机的高速公路异常状态检测    

Highway Abnormal State Detection Based on Support Vector Machine (SVM)

  

文献类型:期刊文章

作  者:孙静怡[1] 牟若瑾[2] 苏晓波[3]

SUN Jingyi;MOU Ruojin;SU Xiaobo(Faculty of Transportation Engineering,Kunming University of Science and Technology,Kunming 650500,Yunnan P.R.China;Hefei Urban Rail Transit Co.Ltd.,Hefei 230041,Anhui,P.R.China;Anhui Huadian Engineering Consultating & Design Co.Ltd.,Hefei 230022,Anhui,P.R.China)

机构地区:[1]昆明理工大学交通工程学院,云南昆明650500 [2]合肥城市轨道交通有限公司,安徽合肥230041 [3]安徽华电工程咨询设计有限公司,安徽合肥230022

出  处:《重庆交通大学学报(自然科学版)》

年  份:2019

卷  号:38

期  号:5

起止页码:1-7

语  种:中文

收录情况:AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、RCCSE、ZGKJHX、核心刊

摘  要:针对意外事件所引发的高速公路异常状态,提出了基于支持向量机模型的高速公路异常状态检测方案。首先应用VISSIM仿真软件建立了昆玉高速单向三车道基本路段的车辆抛锚事故模型;对不同条件下的异常事件进行了仿真,并分析了异常状态对高速断面通行能力的影响;然后基于支持向量机模型建立了高速公路异常状态检测模型,分析单侧与双侧输入差异。仿真结果表明:所建立的支持向量机异常状态检测模型综合性能较好,单侧输入也可以较好地检测异常状态的发生。

关 键 词:交通工程 高速公路 事件检测  VISSIM仿真 支持向量机

分 类 号:U491.3[物流管理与工程类]

参考文献:

正在载入数据...

二级参考文献:

正在载入数据...

耦合文献:

正在载入数据...

引证文献:

正在载入数据...

二级引证文献:

正在载入数据...

同被引文献:

正在载入数据...

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心