多分类器组合的交通拥堵预测模型研究  

Study on traffic congestion prediction model of multiple classifier combination

作　　者：李春英[1] 汤志康[2] 曹元大[3] 

机构地区：[1]肇庆学院计算机学院,广东肇庆526061 [2]广东技术师范学院计算机科学学院,广东广州510665 [3]北京理工大学计算机学院,北京100081

出　　处：《计算机工程与设计》2010年第23期5088-5091,共4页Computer Engineering and Design

基　　金：肇庆学院校级科研基金青年项目(0928);肇庆市科技创新基金项目(2010G22)

摘　　要：交通拥堵已成为制约城市经济和社会发展的"瓶颈",针对影响交通拥堵因素多的特点,在分析单分类器与Bagging类算法的基础上,提出一种基于多分类器组合的交通拥堵判别方法。通过分析交通流参数,同时充分考虑与城市路况相关的环境因素,得出城市道路的拥堵预测模型。仿真结果表明,它能够有效地判别道路拥堵的状态变化,比不考虑环境因素影响时能够获得更高的识别率和较低的误报率。Traffic congestion has become a restricted urban economic and social development choke point.Considering the influence of traffic flow parameters and some related environmental factors of the city traffic condition.By analyzing the single-class classifier and Bagging algorithm,a traffic congestion prediction model is presented based on the combination of multiple classifier systems（MCS）. The experimental results show that the model can effectively distinguish the status of road congestion,can achieve higher recognition rate and low false alarm rate than without consider the impact of environmental factors.

关 键 词：多分类器系统 BAGGING 智能交通系统 神经网络 仿真 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]