基于智能手机大数据的交通出行方式识别研究

• 作者: 倪训友 孙健 李喆
• 来源期刊: 计算机应用研究
• 关键词: 粒子群 支持向量机 出行方式识别 智能手机大数据 模式识别
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3527-3529,3558
• 页数: 4页
• 分类号: U116.2
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.12.002

摘要

智能手机时代所产生的大数据能够为交通研究者带来大量信息，基于智能手机采集交通出行大数据，再利用基于粒子群的支持向量机模型进行交通出行方式识别研究。在分析数据特点的基础上提出用于建模的特征变量，之后使用粒子群算法优化支持向量机参数，并基于成都市的实证数据进行模型的训练与出行方式识别研究。研究结果表明，该模型识别正确率为95．1％，高于决策树、BP神经网络、基于网格搜索的支持向量机模型，且该模型在时间效率方面具有明显的优越性，因而在出行方式识别方面具有良好的现实意义。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙健	上海交通大学船舶海洋与建筑工程学院海洋工程国家重点实验室	97	533	11.0	19.0
3	李喆	上海市政交通设计研究院有限公司综合交通所	2	16	1.0	2.0
6	倪训友		1	16	1.0	1.0