-
公开(公告)号：CN103839409A
公开(公告)日：2014-06-04
申请号：CN201410069892.0
申请日：2014-02-27
Applicant: 南京大学
Abstract: 基于多断面视觉传感聚类分析的交通流状态判别方法，通过道路边设置的PTZ视频摄像机获取交通流数据，根据获得的交通流数据，采用聚类分析的方法判断高速公路道路交通流状态。本发明利用易于获取的交通流数据：速度和流量，结合上下游交通流数据进行聚类分析，获得的聚类结果较为清晰，具有一定的容错性。在实际应用中，可以根据具体情况修改聚类数目，获得简化聚类结果。本发明给出适合当前高速公路特点的交通状况划分方法和关键数据，比较准确和全面地反映交通流的运行情况。
-
公开(公告)号：CN103839409B
公开(公告)日：2015-09-09
申请号：CN201410069892.0
申请日：2014-02-27
Applicant: 南京大学
Abstract: 基于多断面视觉传感聚类分析的交通流状态判别方法，通过道路边设置的PTZ视频摄像机获取交通流数据，根据获得的交通流数据，采用聚类分析的方法判断高速公路道路交通流状态。本发明利用易于获取的交通流数据：速度和流量，结合上下游交通流数据进行聚类分析，获得的聚类结果较为清晰，具有一定的容错性。在实际应用中，可以根据具体情况修改聚类数目，获得简化聚类结果。本发明给出适合当前高速公路特点的交通状况划分方法和关键数据，比较准确和全面地反映交通流的运行情况。
-
公开(公告)号：CN102682601B
公开(公告)日：2014-02-26
申请号：CN201210137537.3
申请日：2012-05-04
Applicant: 南京大学
Abstract: 基于优化SVM的高速公路交通事件检测方法，首先通过高速公路摄像机视频快速准确地获取交通流参数，并对这些数据进行预处理，分为训练数据集和测试数据集两部分；所用的支持向量机SVM模型选择径向基RBF核函数，并采用改进的网格搜索算法对SVM模型的惩罚参数C和核参数γ进行优化选择；利用训练数据集对SVM模型进行训练；使用测试数据集对训练好的SVM事件检测模型性能进行检验，然后将SVM模型用于高速公路的实时交通事件检测。测试表明，本发明具有90%以上的检测率和5%以下的误报警率，且优化时间短，满足了交通事件检测实时性的要求。
-
公开(公告)号：CN102682601A
公开(公告)日：2012-09-19
申请号：CN201210137537.3
申请日：2012-05-04
Applicant: 南京大学
Abstract: 基于优化SVM的高速公路交通事件检测方法，首先通过高速公路摄像机视频快速准确地获取交通流参数，并对这些数据进行预处理，分为训练数据集和测试数据集两部分；所用的支持向量机SVM模型选择径向基RBF核函数，并采用改进的网格搜索算法对SVM模型的惩罚参数C和核参数γ进行优化选择；利用训练数据集对SVM模型进行训练；使用测试数据集对训练好的SVM事件检测模型性能进行检验，然后将SVM模型用于高速公路的实时交通事件检测。测试表明，本发明具有90%以上的检测率和5%以下的误报警率，且优化时间短，满足了交通事件检测实时性的要求。
-
-
-
Search Results
4
records
(took 0.021 seconds)
