OALib Journal期刊
ISSN: 2333-9721
费用:99美元
|
|
|
交通状态模式识别研究
, PP. 63-67
Keywords: 交通网络状态模式,模式识别,支持向量机
Abstract:
在网络层次上进行区域交通信号控制、交通分配和路径诱导是缓解交通堵塞的有效途径之一。大量的实践经验表明,无论是在城市交通网络,还是在高速公路网络中,网络的状态可分为数量有限且不同类型的模式,并且这些模式不断重复出现。而针对不同的交通网络状态模式,可以通过理论分析或仿真研究等途径,求解用于进行区域信号控制、交通分配及路径诱导的优化控制参数及控制策略。当系统识别出网络处于某种模式时,就可参照事先确定的优化参数及策略进行交通控制和诱导,以缓解交通拥塞,提高交通系统的运行效率。本文基于对交通网络状态模式识别问题及其应用的重要性的认识,应用模式识别的理论和方法,对交通网络状态模式识别问题进行了一些初步研究.
References
[1] | [M ].New York:Wiley, 1988.
|
[2] | Vladimir N Vapnik.The Nature of Statistical Learning Theory[M].NewYork:Springer, 1995.
|
[3] | Jiuyi Hua, Ardeshir Faghri.Dynamic Traffic Pattern Classification UsingArtificial Neural Networks[R].Transportation Research Record 1399:14-19.
|
[4] | Adel W Sadek, Michael J Demetsky, BrainL Smith.Case-Basd Reason-ing for Real-Time Traffic Flow Management[J].Computer-Aided Civiland Infrastructure Engineering, 1999, 14:347-356.
|
[5] | Attoor Sanju Nair, Jyh-Charn Liu, Laurence Rilett, Saurabh Gupta.Non-Linear Analysis of Traffic Flow[C].2001 IEEE Intelligent Trans.portation Systems Conference Proceedings, 2001:683-687.
|
[6] | Hojjat Adeli, Asim Karim.Fuzzy-Wavelet RBFNN Model for Freeway In-cident Detection[J].Journal of Transportation Engineering, 2000:464-471.
|
[7] | 边肇祺, 张学工, 等.模式识别(第二版)[M].清华大学出版社, 2000.
|
[8] | Karlene A Kosanovich, Michael J Piovoso.PCA of Wavelet TransformedProcess Data for Monitoring[J].Intelligent Data Analysis, 1997(1):85-99.
|
[9] | Vladimir N Vapnik.Statistical Learning Theory
|
[10] | PARAMICS User Guide.Version 3.0.U.K.Quadstone Limited[R].Ed-inburgh, 1999.
|
Full-Text
|
|
Contact Us
service@oalib.com QQ:3279437679 
WhatsApp +8615387084133
|
|