基于GPS軌跡數據的交通調查技術能夠有效彌補傳統居民出行調查方式的不足,該技術在高峰擁堵時段的交通方式識別效果有待進一步研究.針對公交車和小汽車識別精度較低的問題,本文提出基于支持向量機(SVM)的流程優化方法,加入基于短時傅里葉變換(STFT)的頻域屬性,利用遺傳算法(GA)對SVM的懲罰系數和核參數進行聯合優化,評估不同交通狀態下交通方式和方式轉換點的識別效果.結果表明:頻域屬性的加入能夠有效提升交通方式識別精度,在道路暢通狀態和一般擁堵狀態下,交通方式和方式轉換點的識別效果均較為理想;在嚴重擁堵狀態下,機動化方式易與非機動化方式相混淆,方式轉換點最大識別誤差在13 min以內,相比于基于主觀回憶的人工問卷調查方式仍具有參考性.

【文章頁數】：8 頁

【文章目錄】：
0 引言
1 交通方式識別方法
    1.1 基于STFT的輸入屬性選取方法
    1.2 基于SVM的交通方式識別
    1.3 基于GA的參數優化方法
2 數據采集實驗
    2.1 數據采集
    2.2 數據特征分析
3 模型驗證與結果分析
    3.1 參數尋優和模型驗證
    3.2 交通方式識別結果分析
    3.3 交通方式轉換點識別結果分析
4 結論



本文編號：4005087