基于改進(jìn)的隱馬爾可夫模型交通擁堵識別研究
摘要：為準確高效地追蹤識別城市區域交通路況信息,提供合理的交通出行策略,針對原始的隱馬爾可夫模型(hidden markov model,HMM)初始狀態(tài)參數難以選擇且訓練過(guò)程極易陷入局部最優(yōu)解的問(wèn)題,提出了一種改進(jìn)的隱馬爾可夫模型的交通擁堵態(tài)勢識別機制,有效地擬合了城市道路相鄰交叉通擁堵?tīng)顩r.將粒子群優(yōu)化(particle swarm optimization,PSO)算法引入到隱馬爾可夫模型的訓練中,結合BaumWelch算法分別對該模型的狀態(tài)數等參數進(jìn)行優(yōu)化,最后根據Viterbi算法聚類(lèi)出城市道路交叉口最佳擁堵?tīng)顟B(tài)序列.根據采集的真實(shí)交通流和GPS數據、車(chē)輛延誤時(shí)間特征數據進(jìn)行實(shí)驗,其結果表明,改進(jìn)的隱馬爾可夫模型在道路交通擁堵識別的準確率和穩定性上有明顯提升.
注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系蘭州交通大學(xué)學(xué)報雜志社
相關(guān)推薦
更多濟.jpg)
發(fā)與經(jīng)濟.jpg)
于我們.jpeg)