基于支持向量机的车辆行为分析方法研究

发布时间：2017-09-13 16:10

  本文关键词：基于支持向量机的车辆行为分析方法研究

  更多相关文章： 交通监控 驾驶行为分析 支持向量机

【摘要】：随着我国经济的快速发展,汽车保有量以年均8%的速度增加,给人民出行带来便利的同时也带来了诸多的交通问题:交通事故频发,交通运载效率降低。统计结果表明这些问题主要是由驾驶员错误或违规的交通行为导致的。针对这些问题提出一套能够实时地对行驶车辆的驾驶行为进行监控和分析的方法,该方法由车辆检测、车辆跟踪、车辆行为分析3部分组成。研究中分别对每部分的算法进行了筛选和部分改进,手工绘制了车辆典型驾驶行为的行驶轨迹样本,并采用支持向量机(SVM)的机器学习方法进行了训练。实验表明该方法能够准确地对被监控车辆的行驶行为进行判断,从而实现对违规车辆的驾驶行为进行有效地监控。
【作者单位】： 西南林业大学机械与交通学院;柏林工业大学电子工程与计算机学院;北京理工大学机械与车辆学院;
【关键词】： 交通监控 驾驶行为分析 支持向量机
【基金】：云南省教育厅科研基金(501001) 留学基金委基金(2014(3033))资助项目
【分类号】：TP391.41;U492.8
【正文快照】： ????????100081随着经济的快速发展,中国机动车发展迅猛。截至2011年2月底,我国机动车保有量已经达到2.11亿辆[1-2],给人民的出行带来便利同时也带来了诸多的交通问题。统计资料表明,交通事故中大约70%~80%的交通事故是由驾驶员对车辆的不正常驾驶行为造成的。分析道路交通中

【参考文献】

中国期刊全文数据库 前1条

1 董春利;董育宁;;基于视频的车辆检测与跟踪算法综述[J];南京邮电大学学报(自然科学版);2009年02期

【共引文献】

中国期刊全文数据库 前10条

1 逯新华;史忠科;;基于动态模板匹配的空中运动目标检测与跟踪控制[J];电子测量与仪器学报;2010年10期

2 马钊;;基于Kalman的车辆遮挡算法研究[J];电脑开发与应用;2013年02期

3 卢清华;吴志伟;范彦斌;张宪民;;基于混合高斯模型的运动车辆检测方法[J];光电子.激光;2013年04期

4 伦云飞;陈书杨;;基于多特征的粒子滤波跟踪算法[J];计算机光盘软件与应用;2013年14期

5 徐发国;郑翔;吕涛;;基于HOG和粒子滤波的足球视频中球的跟踪方法[J];电子科技;2013年09期

6 马先兵;孙水发;覃音诗;郭青;夏平;;基于粒子滤波的on-line boosting目标跟踪算法[J];广西师范大学学报(自然科学版);2013年03期

7 李登辉;王岩红;;颜色直方图的跟踪算法在视频监控中的应用[J];电视技术;2013年23期

8 付文秀;李冰;温翔;;基于自适应耦合模型的运动目标跟踪方法[J];北京交通大学学报;2014年02期

9 马卫强;;基于交通视频的运动车辆检测方法[J];吉林大学学报(信息科学版);2014年03期

10 王欢;王庆林;王蒙;戴亚平;;一种改进的颜色粒子滤波目标跟踪算法[J];北京理工大学学报;2014年08期

中国重要会议论文全文数据库 前2条

1 林名强;张陈斌;陈宗海;;运动与颜色特征相融合的目标跟踪算法[A];系统仿真技术及其应用学术论文集（第15卷）[C];2014年

2 Tao Zhang;Shumin Fei;;Target tracking based on particle filter algorithm with multiple cues fusion[A];第26届中国控制与决策会议论文集[C];2014年

中国博士学位论文全文数据库 前10条

1 郑泽忠;基于高分辨率航空影像高速公路汽车目标检测算法研究[D];西南交通大学;2010年

2 邹腾跃;复杂环境目标检测与跟踪关键技术研究及应用[D];华中科技大学;2013年

3 李佳;多视角三维人体运动捕捉的研究[D];北京交通大学;2013年

4 李辉;基于粒子滤波的行人跟踪算法研究[D];武汉理工大学;2013年

5 李远征;人体目标跟踪和表情识别中的若干问题研究[D];西安电子科技大学;2013年

6 曹松晓;随机概率模型视觉目标跟踪理论及应用研究[D];浙江大学;2013年

7 向可;仿人眼尺度自动选择理论和应用研究[D];浙江大学;2013年

8 邱家涛;电子稳像算法和视觉跟踪算法研究[D];西安电子科技大学;2013年

9 蒋良卫;图像序列中目标跟踪技术研究[D];华中科技大学;2013年

10 文孟飞;城市智能交通系统交通流协同优化与诱导关键技术研究[D];中南大学;2013年

中国硕士学位论文全文数据库 前10条

1 肖习雨;交通路口车辆实时监测方法研究及其应用[D];湖南工业大学;2010年

2 李晖;基于视频图像序列的抛洒物检测[D];西安电子科技大学;2010年

3 蔡丽;基于背景差法的车辆停车检测算法研究[D];长安大学;2011年

4 高斌;交通图像序列的分割与目标跟踪[D];天津理工大学;2011年

5 霍淑丽;基于视频流的车速检测方法研究[D];长春理工大学;2011年

6 邢少芳;智能交通监控系统中的运动目标检测研究[D];天津大学;2012年

7 王洋;基于粒子滤波的运动目标跟踪研究[D];哈尔滨理工大学;2011年

8 胡觉晖;智能驾驶视觉辅助技术的研究[D];昆明理工大学;2011年

9 徐文锋;GPU在车辆检测与跟踪系统中的应用研究[D];南昌大学;2011年

10 杨茂清;车辆检测技术研究[D];北京交通大学;2012年

【二级参考文献】

中国期刊全文数据库 前5条

1 陈永雷;胡云安;赵永涛;;基于动态模板与位置预测的运动目标识别与跟踪[J];海军航空工程学院学报;2007年02期

2 袁基炜;史忠科;;一种基于灰色预测模型GM(1,1)的运动车辆跟踪方法[J];控制与决策;2006年03期

3 郁梅,蒋刚毅,贺赛龙;基于路面标记的车辆检测和计数[J];仪器仪表学报;2002年04期

4 贺国光;再谈ITS的几个基本理论问题[J];交通运输系统工程与信息;2004年02期

5 朱茵 ,陆化普;2004:中国智能交通发展趋势[J];综合运输;2004年02期

【相似文献】

中国期刊全文数据库 前10条

1 姜谙男;梁冰;张娇;;基于粒子群最小二乘支持向量机的瓦斯含量预测[J];辽宁工程技术大学学报(自然科学版);2009年03期

2 许少华;庞跃武;王兵;;一种过程支持向量机模型及其若干理论性质[J];大庆石油学院学报;2011年06期

3 祁正兴;加权支持向量机分类算法及应用[J];青海师专学报.教育科学;2005年06期

4 金侃;袁景淇;;支持向量机在效益函数预报中的应用[J];化工自动化及仪表;2006年01期

5 张光亚;刘桂兰;方柏山;;基于支持向量机识别嗜热和常温蛋白的研究[J];计算机与应用化学;2006年08期

6 温后珍;孟碧霞;徐小力;;基于支持向量机的旋转机组状态趋势预示技术[J];重型机械;2006年02期

7 赵鹏;;基于支持向量机的文本分类方法研究[J];齐齐哈尔大学学报;2008年01期

8 王国君;岳志强;;支持向量机在入侵检测中的应用研究[J];广西轻工业;2008年07期

9 赵传峰;姜汉桥;郭新华;;支持向量机在小样本预测中的应用[J];油气田地面工程;2009年02期

10 于咏霞;杨阳;余生晨;;基于免疫算法和支持向量机的入侵检测研究[J];华北科技学院学报;2009年01期

中国重要会议论文全文数据库 前10条

1 侯澍e，

本文编号：844692