基于改進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)初始狀態參數難以選擇且訓練過程極易陷入局部最優解的問題,提出了一種改進的隱馬爾可夫模型的交通擁堵態勢識別機制,有效地擬合了城市道路相鄰交叉通擁堵狀況.將粒子群優化(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數等參數進行優化,最后根據Viterbi算法聚類出城市道路交叉口最佳擁堵狀態序列.根據采集的真實交通流和GPS數據、車輛延誤時間特征數據進行實驗,其結果表明,改進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: 保護知識產權,如需閱讀全文請聯系蘭州交通大學學報雜志社
相關推薦
更多
