基于(SAGA-FCM)-PNN的交通状态判别方法研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于(SAGA-FCM)-PNN的交通状态判别方法研究

常丽君, 郑黎黎, 杨帆

文章导航 > 交通信息与安全 > 2019 > 37(2): 120-127

常丽君, 郑黎黎, 杨帆. 基于(SAGA-FCM)-PNN的交通状态判别方法研究[J]. 交通信息与安全, 2019, 37(2): 120-127. doi: 10.3963/j.issn.1674-4861.2019.02.017

引用本文:

常丽君, 郑黎黎, 杨帆. 基于(SAGA-FCM)-PNN的交通状态判别方法研究[J]. 交通信息与安全, 2019, 37(2): 120-127. doi: 10.3963/j.issn.1674-4861.2019.02.017

CHANG Lijun, ZHENG Lili, YANG Fan. A Method of Discrimination for Traffic State Based on (SAGA-FCM)-PNN[J]. Journal of Transport Information and Safety, 2019, 37(2): 120-127. doi: 10.3963/j.issn.1674-4861.2019.02.017

Citation:

CHANG Lijun, ZHENG Lili, YANG Fan. A Method of Discrimination for Traffic State Based on (SAGA-FCM)-PNN[J]. Journal of Transport Information and Safety, 2019, 37(2): 120-127. doi: 10.3963/j.issn.1674-4861.2019.02.017

常丽君, 郑黎黎, 杨帆. 基于(SAGA-FCM)-PNN的交通状态判别方法研究[J]. 交通信息与安全, 2019, 37(2): 120-127. doi: 10.3963/j.issn.1674-4861.2019.02.017

引用本文:

常丽君, 郑黎黎, 杨帆. 基于(SAGA-FCM)-PNN的交通状态判别方法研究[J]. 交通信息与安全, 2019, 37(2): 120-127. doi: 10.3963/j.issn.1674-4861.2019.02.017

CHANG Lijun, ZHENG Lili, YANG Fan. A Method of Discrimination for Traffic State Based on (SAGA-FCM)-PNN[J]. Journal of Transport Information and Safety, 2019, 37(2): 120-127. doi: 10.3963/j.issn.1674-4861.2019.02.017

Citation:

CHANG Lijun, ZHENG Lili, YANG Fan. A Method of Discrimination for Traffic State Based on (SAGA-FCM)-PNN[J]. Journal of Transport Information and Safety, 2019, 37(2): 120-127. doi: 10.3963/j.issn.1674-4861.2019.02.017

基于(SAGA-FCM)-PNN的交通状态判别方法研究

doi: 10.3963/j.issn.1674-4861.2019.02.017

吉林建筑科技学院交通工程学院长春130114
吉林大学交通学院长春130022
吉林大学交通学院长春130022

基金项目:

国家自然科学基金项目

中图分类号: U491
计量
- 文章访问数: 380
- HTML全文浏览量: 92
- PDF下载量: 1
- 被引次数: 0
出版历程
- 刊出日期: 2019-04-28

A Method of Discrimination for Traffic State Based on (SAGA-FCM)-PNN

摘要: 为了提高城市道路交通状态判别的正确性与稳定性,研究了一种基于遗传模拟退火算法改进的FCM算法与概率神经网络(PNN)结合的短时交通流状态判别方法.针对传统FCM算法会收敛到局部最优解的问题,利用遗传模拟退火算法对其进行改进,优化算法初始聚类中心;将已分类的数据分为训练集与测试集对概率神经网络(PNN)模型进行训练与测试,通过对径向基函数的扩展速度的优化提高PN N算法的准确性;并利用厦门市城市道路地磁检测数据对模型进行实例验证及性能分析.结果表明,文中方法能够有效的实现交通状态的判别,且能够得到全局最优解;同竞争神经网络模型、GRNN模型、SVM模型相比,文中模型的交通状态判别正确率分别提高2.1%,4.5%,2.7%,且具有更好的稳定性.
- 交通状态判别 /
- 遗传算法 /
- 模拟退火算法 /
- FCM算法 /
- PNN模型

参考文献(0)

资源附件(0)

WeChat

点击查看大图

计量

文章访问数: 380
HTML全文浏览量: 92
PDF下载量: 1
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

本系统由北京仁和汇智信息技术有限公司开发