基于变量分析和粒子群优化加权随机森林的交通事件检测方法

摘要：

为了提高高速公路交通事件检测的效果,首先从交通流基本参数、交通流组合参数、不同区间交通流参数对交通事件参数的变化进行全面的分析,构建交通事件初始特征变量集,并利用AdaBoost算法、梯度提升树(GBDT)算法、随机森林(RF)算法对初始特征变量进行筛选,通过三种方法综合比较分析得出最终的重要变量.对随机森林中的决策树进行加权计算,构建加权随机森林,并利用粒子群(PSO)算法优化加权随机森林模型.通过采集的高速公路交通事件数据进行对比分析,实验结果表明,在交通事件初始特征变量中筛选出重要变量,对检测的精度有所提高,加权随机森林的检测性能也要优于传统的支持向量机(SVM)和随机森林.

关键词：随机森林;交通事件;粒子群;变量分析

所属期刊栏目：21

分类号：U491.3(交通工程与公路运输技术管理)

资助基金：国家自然科学基金;江西省教育厅研究课题;江西省自然科学基金一般项目

在线出版日期：2021-08-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：6044-6049