文献类型：期刊文章

作　　者：林浩[1,2] 李雷孝[1,2] 王慧[1,2]

LIN Hao;LI Leixiao;WANG Hui(College of Data Science and Application,Inner Mongolia University of Technology,Hohhot 010080,China;Inner Mongolia Autonomous Region Engineering&Technology Research Center of Big Data Based Software Service,Hohhot 010080,China)

机构地区：[1]内蒙古工业大学数据科学与应用学院,呼和浩特010080 [2]内蒙古自治区基于大数据的软件服务工程技术研究中心,呼和浩特010080

出　　处：《计算机科学与探索》

基　　金：内蒙古自治区科技重大专项,No.2019ZD015;内蒙古自治区关键技术攻关计划项目,No.2019GG273。

年　　份：2020

卷　　号：14

期　　号：6

起止页码：901-917

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、PROQUEST、ZGKJHX、核心刊

摘　　要：支持向量机(SVM)是一种基于统计学习理论的有监督机器学习算法,具有优秀的泛化和低数据要求的回归与分类建模能力,被广泛应用于智能交通系统的数据分析与挖掘建模中。首先对SVM算法的基本原理和开源工具进行了概述,其次重点综述了SVM算法在客流量、交通拥堵、交通事故和交通碳排放的回归预测应用,同时对交通状态判别、交通标志识别和交通事件检测进行了分类预测应用综述,并对比了其他在智能交通系统中被广泛应用的算法。然后分析总结了SVM算法优化方式和衍生算法的研究现状。最后对SVM算法在未来智能交通系统中的优化与应用趋势进行了展望。

关 键 词：智能交通系统(ITS)  支持向量机(SVM)  回归预测  分类预测  

分 类 号：TP301.6]