摘要
为提高少数据下的城市快速路交通流状态类型判别精度,提出一种结合灰聚簇与Fisher变换(GC-Fisher)的组合方法.选择交通量Q、速度v、占有率O作为基础参数,首先经灰聚簇理论将基础参数数据聚簇为4类,其次对分类后的数据构建训练集,训练GC-Fisher模型,获取每一种交通流状态类型的Fisher变换方式及判别函数,最后选择结合K均值与多分类支持向量机(K-SVM)的组合方法进行比较.结果表明:在数据量较少条件下对交通流状态类型进行判别,GC-Fisher模型判别率为92%,优于K-SVM模型的判别率69%,GC-Fisher组合方法在少数据下能够更好地提高交通流状态类型的判别效果.
- 单位