留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于TAN分类算法的交通事件检测

凃强,  李大韦,  程琳

downloadPDF
文章导航 > 交通信息与安全  > 2018 >  36(3): 27-32
凃强, 李大韦, 程琳. 基于TAN分类算法的交通事件检测[J]. 交通信息与安全, 2018, 36(3): 27-32. doi: 10.3963/j.issn.1674-4861.2018.03.004
引用本文: 凃强, 李大韦, 程琳. 基于TAN分类算法的交通事件检测[J]. 交通信息与安全, 2018, 36(3): 27-32. doi: 10.3963/j.issn.1674-4861.2018.03.004
shu
TU Qiang, LI Dawei, CHENG Lin. An Algorithm for Traffic Incident Detection Based on Tree Augmented Naive Bayesian Classifier[J]. Journal of Transport Information and Safety, 2018, 36(3): 27-32. doi: 10.3963/j.issn.1674-4861.2018.03.004
Citation: TU Qiang, LI Dawei, CHENG Lin. An Algorithm for Traffic Incident Detection Based on Tree Augmented Naive Bayesian Classifier[J]. Journal of Transport Information and Safety, 2018, 36(3): 27-32. doi: 10.3963/j.issn.1674-4861.2018.03.004
shu

基于TAN分类算法的交通事件检测

doi: 10.3963/j.issn.1674-4861.2018.03.004

  • 东南大学交通学院 南京210096

  • 东南大学交通学院 南京210096

  • 东南大学交通学院 南京210096

基金项目: 

江苏省基础研究计划(自然科学基金)项目

国家自然科学基金国际合作与交流项目

国家自然科学基金青年科学基金项目

详细信息

  • 中图分类号: U491.2

An Algorithm for Traffic Incident Detection Based on Tree Augmented Naive Bayesian Classifier

    摘要
  • 摘要: 事件检测算法是交通事件管理系统的关键技术之一,提出一种基于树增强朴素贝叶斯(TAN)分类算法对交通事件进行检测,它的网络结构和参数通过数据学习确定,相比贝叶斯网络算法,对专家经验依赖较小.采用小波去噪、标准化和基于熵的离散化方法对原始交通数据进行预处理,将交通事件作为"0-1"分类变量,交通特征参数作为属性变量,构建TAN分类器.采用新加坡艾耶尔国王高速公路(AYE)的数据集对该算法进行了实例验证,实验结果表明TAN分类算法与多层前馈神经网络(MLF)算法的检测性能相当,它们的检测率分别为95.97% 和98.8%,但TAN分类算法在模型训练和标定的速度上具有显著优势,且相比MLF算法,TAN分类算法的原理更加简单易懂,因此TAN分类算法具有更广泛的应用前景.

     

    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  538
  • HTML全文浏览量:  115
  • PDF下载量:  7
  • 被引次数: 0
出版历程
  • 刊出日期:  2018-06-28

目录

    /

    返回文章
    返回

    版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

    通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

    联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发