基于最小二乘支持向量机和证据理论的交通数据融合

针对基于浮动车辆数据(floating car data,FCD)的城市道路交通信息采集系统存在的问题,提出一种基于最小二乘支持向量机(LS-SVM)和证据理论的数据融合方法,通过融合地感线圈采集的交通流量信息,提高FCD系统交通速度信息采集的准确性.利用LS-SVM回归得到速度-流量关系曲线的临界速度参数,再根据历史数据库用统计方法计算出流量-速度关联规则的可信度矩阵,在得到这些经验知识的基础上,定义了两种证据源的基本概率分配函数.最后,通过D-S证据理论对两种证据源进行数据融合,获得融合后的速度信息.实地跑车实验结果论证了融合算法的有效性和可靠性.     

浮动车样本规模的优化方法与仿真研究

提出了一种在移动交通检测系统中确定路网浮动车最小样本数量的优化方法.首先,基于数理统计方法分析了单条路段满足交通流参数估计所需的最小样本数量,在此基础上使用了一种新的基于路段样本数符合率的路网交通信息准确度评价指标,通过该指标和路网样本规模的关系曲线优化路网的浮动车样本规模.仿真实验结果表明:该方法能有效地确定满足路网交通速度估计要求下的最小浮动车样本数量,为浮动车交通信息采集系统在实际应用中确定最小样本规模提供了一种可行的思路.     

径向基概率神经网络结构的遗传优化

运用遗传算法(GA)来优化设计径向基概率神经网络(RBPNN)结构，优选了隐中心矢量和优化求取对应的核函数控制参数．提出的染色体编码方式，充分体现了所选隐中心矢量在模式样本空间中的数量及位置分布，同时还包含了相适应的棱函数控耕参数信息．新构造的适应度函数不仅有效地控制了网络输出的误差精度，而且还能够使得RBPNN结构优化趋于最简．将IRIS分类问题用于检验该算法的有效性并与ROLSA和MKM进行了比较研究，结果表明，GA的优化效率最高，而且GA优化后的RBPNN在推广能力方面也没有明显下降．     

一种基于FCD的城市道路车流速度估计算法

针对在城市路网中大面积采集交通信息所存在的问题,提出了一种基于浮动车辆数据(floating car data,FCD)的城市道路车流速度估计算法,并通过FCD系统进行交通速度信息的采集.速度估计采用了一种改进的弧段Dijkstra路径寻优算法,在图的弧段-弧段存储结构中考虑了城市路网限制性道路交通信息的表达,并将路网的一些先验信息引入弧段关系结构中,提高了搜索效率和准确性.实验结果论证了所提出方法的有效性和可靠性.