[发明专利]基于蝙蝠算法支持向量机的高速公路交通状态识别方法

说明书

本发明涉及一种基于蝙蝠算法支持向量机的高速公路交通状态识别方法。包括：S1.获取交通状态参数数据、运行状态数据，将数据集划分训练集和测试集；S2.设置支持向量机的参数，构造蝙蝠种群并初始化，计算最优蝙蝠位置和适应度值；S3更新蝙蝠算法参数，对每一个蝙蝠个体产生随机数，若则在最优解附近位置产生随机扰动，从而转入局部搜索；S4.运用遗传算法对蝙蝠个体进行择优；S5.对每个蝙蝠个体产生随机数，若并且f_if^*，更新脉冲速率和响度；S6.重新排列蝙蝠，得到x_best，判断是否达到最大迭代次数，确定支持向量机最优的惩罚参数c和g；S7.将训练集放入支持向量机模型中进行训练，将输出的预测状态与测试集状态进行对比，计算识别精度。

技术领域

本发明涉及一种高速公路交通状态识别方法，特别涉及一种基于蝙蝠算法支持向量机的高速公路交通状态识别方法。

背景技术

随着高速公路交通需求量的增加，交通拥挤，交通事故，尾气污染等问题不断增加，严重危害了道路交通安全。交通状态识别的研究，使得这些问题以某种可预见性的方式呈现，为交通的参与者与指挥者提供动态决策依据。交通状态识别的研究方法大致分为直接方法和间接方法，早期的人工交通疏散，以及通过视频图像监控来识别交通状态的方法属于直接法；利用交通检测器采集交通流监测数据，并通过分析识别交通状态的方法属于间接法。

支持向量机(Support Vector Machine,SVM)具有小样本学习能力强，泛化能力高的特点，可以很好的运用在在高速公路交通状态分类识别中。而支持向量机的参数设定，影响其分类精度。蝙蝠算法作为一种新型元启发式算法，在参数优化求解问题中准确率高，泛化能力强。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷，提供一种基于蝙蝠算法支持向量机的高速公路交通状态识别方法，在一定程度上优化了支持向量机，提高了收敛能力和识别精度。

为解决上述技术问题，本发明采用的技术方案是：一种基于蝙蝠算法支持向量机的高速公路交通状态识别方法，包括以下步骤：

S1.获取影响高速公路交通状态的参数数据，并对参数数据进行归一化处理；天气状况用w表示，w∈[0,1]，天气状况越好，数值越大。可选的：晴天， w＝1；阴天，w＝0.8；小雨，w＝0.6；薄雾，w＝0.4；中雨，w＝0.3；

S2.获取高速公路交通运行状态数据，并对数据进行量化处理；设置交通状态等级，道路运行状态越好，等级越低。可选的，将交通状态设置为5个等级，畅通＝1、缓行＝2、轻度拥挤＝3、拥挤＝4、拥堵＝5；

S3.将S1步骤和S2步骤获取的数据集划分为训练集和测试集；

S4.设置支持向量机的核参数g和惩罚参数c；

S5.构造与支持向量机核参数和惩罚参数对应的蝙蝠种群，并将种群初始化；其中，每一个蝙蝠个体x_i对应一组(c,g)，初始化蝙蝠的位置为x_i、速度为v_i、脉冲发射率为R_i、脉冲响度为A_i、脉冲频率F_i，i＝1,2,…,Q，Q为种群数量， R_i∈[R_min,R_max]，A_i∈[A_min,A_max]，F_i∈[F_min,F_max]；

S6.将支持向量机的分类精度作为适应度函数值f_i，计算得到最优蝙蝠的位置x^*和适应度f^*；

S7.更新蝙蝠算法参数；