基于PCA-SVM的交通事件检测研究

随着自动控制等技术的不断发展,智能事件自动检测系统为高速公路事件检测提供了有效的途径。但传统的检测方法因为交通数据样本有限、输入交通特征过于冗余、参数设置无法达到最优等问题的影响而无法获得更优的性能。文中采用I-880实测数据集,运用主成分分析方法对交通输入特性进行特征选择,构建支持向量机事件检测模型,最后用粒子群算法选择支持向量机模型参数,获得了满意的检测效果,为设计高性能的事件检测算法提供了方法,具有一定的现实意义。     

基于混沌理论和PSO神经网络的短时交通流预测

交通流预测已成为智能交通的重要组成部分,针对短时交通流的非线性和不确定性,文中根据实际交通流中存在的混沌,利用C-C方法和小数据量法对交通流混沌进行了分析,在交通流混沌时间序列相空间重构的基础上构建了基于粒子群优化神经网络的单点单步预测模型,运用该模型对实际采集的美国加州城市快速路交通流数据进行了仿真研究,结果表明,该预测模型具有较高的预测精度,能够满足智能交通控制和诱导的需求。