基于LSSVM的交通运行状态 特征级数据融合研究

目前国内城市道路交通运行指数的计算数据普遍依赖单一的浮动车车速数据,为了进一步探讨多源交通传感器条件下如何有效提高用于指数计算数据的准确性和可靠性,本文以深圳市某快速路的地磁检测器和浮动车两种交通传感器作为实验对象,在基于云模型云相似度数据修复预处理基础上,提出一种基于最小二乘回归支持向量机(LSSVM)的地磁检测器和浮动车的多源数据融合方法.通过采集该路段的地磁车辆检测器、自动车牌识别系统和浮动车数据,以自动车牌识别系统的采集数据作为交通运行状态的真值,对地磁检测器数据和浮动车数据的融合结果进行校核.实验结果表明,与地磁检测器和浮动车的单源数据得到的特征参数相比,LSSVM多源数据融合方法得到的交通运行特征参数更接近真实值.另外,本文还将该方法与传统的多传感器加权数据融合方法、BP神经网络融合方法进行了对比,结果表明LSSVM多源数据融合方法具有更好的数据融合精度和可靠性.