基于ANFIS的交通事件持续时间预测  

Traffic Incident Duration Prediction Based on Adaptive Neural-fuzzy Inference System

作　　者：姚磊[1] 刘渊[2] 

机构地区：[1]江南大学物联网工程学院,江苏无锡214122 [2]江南大学数字媒体学院,江苏无锡214122

出　　处：《计算机工程》2014年第2期189-192,198,共5页Computer Engineering

基　　金：国家自然科学基金资助项目(61103223);江苏省自然科学研究专项基金资助重点项目(BK2011003)

摘　　要：针对高速公路交通事故引发交通堵塞的问题,提出一种基于减法聚类和自适应神经模糊推理系统的事件持续时间预测新方法。将该方法应用于交通事件持续时间预测,从I-880数据库中提取事件持续时间相关因素,使用非参数估计法进行显著性分析,将影响程度最大的因素作为模糊系统的输入样本,采用减法聚类对输入样本进行聚类,得到模糊规则数并建立初始模糊推理系统,使用BP反向传播算法和最小二乘估计算法的混合算法对该模糊系统进行训练并优化,建立最终模糊模型。仿真结果证明,该系统对交通事件持续时间预测具有较高检测率和较低误报率。Aiming at the problems of traffic jams caused by highway traffic accident and improving highway operation safety, this paper proposes a subtraction clustering method combined with Adaptive Neural-fiazzy Inference System（ANFIS） applied in traffic incident duration prediction. Forecasting process is that extracting duration event related factors from 1-880 database, using a parameter estimation method for significant analysis, choosing bigger factors as fuzzy system＇s input samples, the subtractive clustering is introduced to confirm the fuzzy rule number to build the initial fuzzy inference system, the hybrid algorithm is used to train and optimize the fuzzy system and establish a final training fuzzy model. Simulation results show that the system for traffic incident duration prediction has higher detection rate and lower false positives, in general.

关 键 词：事件持续时间 方差分析 减法聚类 自适应神经模糊推理系统 ROC曲线 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]