基于变量选择和核极限学习机的交通事件检测

• 作者: 商强 杨兆升 林赐云 邢茹茹 邴其春
• 来源期刊: 浙江大学学报（工学版）
• 学科: 交通运输
• 关键词: 交通工程 交通事件检测 变量选择 随机森林 极限学习机(ELM)
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 土木工程
• 页码范围: 1339-1346,1445
• 页数: 9页
• 分类号: U491
• 字数: 6726字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2017.07.010

摘要

为了进一步提高交通事件检测的效果,提出基于变量选择和核极限学习机(KELM)的自动事件检测(AID)算法.根据交通事件上、下游交通流参数的变化特点,构建较全面的交通事件检测初始变量集.采用随机森林-递归特征消除(RF-RFE)算法,从中选择重要变量.以重要变量作为输入,训练KELM并通过万有引力搜索算法(GSA)优化参数.使用美国I-880数据库,对AID算法的效果进行验证和对比分析.因为数据库中的事件样本数远少于非事件样本数,采用SMOTE平衡两类样本.结果表明,使用重要变量能够提高交通事件的检测效果,KELM的检测效果优于反向传播神经网络(BPNN)和支持向量机(SVM).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨兆升	吉林大学交通学院	142	3140	33.0	50.0
5	商强	吉林大学交通学院	9	97	7.0	9.0
6	邴其春	吉林大学交通学院	14	149	10.0	11.0
8	林赐云	吉林大学交通学院	21	104	7.0	9.0
14	邢茹茹	吉林大学交通学院	2	7	2.0	2.0