基于(SAGA-FCM)-PNN的交通状态判别方法研究

• 作者: 常丽君 杨帆 郑黎黎
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 交通状态判别 遗传算法 模拟退火算法 FCM算法 PNN模型
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 交通规划与管理
• 页码范围: 120-127
• 页数: 8页
• 分类号: U491
• 字数: 6551字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2019.02.017

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨帆	吉林大学交通学院	140	654	13.0	19.0
2	常丽君	吉林建筑科技学院交通工程学院	8	6	1.0	1.0
3	郑黎黎	吉林大学交通学院	18	131	6.0	11.0