采用特征变量选择和长短期记忆网络的高速公路交通事件检测研究
文档名：采用特征变量选择和长短期记忆网络的高速公路交通事件检测研究
摘要：为提升高速公路交通事件检测效果,依据交通事件发生时上、下游交通流参数的变化特性,构建一组相对全面的交通事件检测初始特征变量集,使用随机森林-交叉验证递归特征消除(RF-RFECV)算法筛选出重要特征变量.利用重要特征变量作为输入训练长短期记忆网络(LSTM),通过贝叶斯优化算法(BOA)优化LSTM网络的超参数.使用真实高速公路数据进行验证和对比分析,采用Borderline-SMOTE解决交通数据集的不平衡问题.实验结果表明:筛选出对交通事件检测更为敏感的重要特征变量,可以提高检测精度,LSTM的检测效果也明显优于随机森林(RF)和支持向量机(SVM).
作者：张兵 张校梁 屈永强 上官小荣 邹少权 Author：ZHANGBing ZHANGXiaoliang QUYongqiang SHANGGUANXiaorong ZOUShaoquan
作者单位：华东交通大学交通运输工程学院,南昌330013江西交通职业技术学院,南昌330013江西省交通规划勘察设计院,南昌330013
刊名：重庆理工大学学报 ISTIC
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(8)
分类号：U491
关键词：交通事件检测特征变量选择贝叶斯优化长短期记忆网络
机标分类号：TP391TP18TP273
在线出版日期：2023年5月17日
基金项目：江西省教育厅一般课题，国家自然科学基金，江西省交通运输厅一般课题采用特征变量选择和长短期记忆网络的高速公路交通事件检测研究[
期刊论文]重庆理工大学学报--2023, 37(8)张兵张校梁屈永强上官小荣邹少权为提升高速公路交通事件检测效果,依据交通事件发生时上、下游交通流参数的变化特性,构建一组相对全面的交通事件检测初始特征变量集,使用随机森林-交叉验证递归特征消除(RF-RFECV)算法筛选出重要特征变量.利用重要特征变...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
采用特征变量选择和长短期记忆网络的高速公路交通事件检测研究Research on highway traffic accident detection using feature variable selection and long and short-term memory network
采用特征变量选择和长短期记忆网络的高速公路交通事件检测研究.pdf
页:
[1]