基于车辆构成和特征提取的交通状态预估模型

准确的交通状态预估有利于车辆选择合理交通路线,缓解交通拥堵状态。针对传统方法特征提取不充分、预估准确度依赖于监测器精度等问题,提出了一种基于车辆构成和特征提取的交通状态预估模型。该模型以速度、流量、占用率和大型车辆比重为输入,将交通状态分成畅通、拥挤和拥堵三种状态,结合时间空间维度来预估交通状态。通过卷积神经网络(ConvolutionalNeural Network,CNN)提取交通拥堵特征,得到的特征输入支持向量机(Support Vector Machine,SVM)进行交通状态预估。实验表明,考虑车辆构成比忽略车辆构成准确率提高1. 12%, CNN-SVM模型预估准确度比CNN模型提升2. 25%,是一种有效的交通状态预估模型。