[发明专利]基于欠抽样面向不平衡数据集的交通事件自动检测方法

摘要

本发明公开了一种基于欠抽样面向不平衡数据集的交通事件自动检测方法，首先使用最大-最小规范化方法对实测交通流数据进行规范化处理，并基于邻域清理规则对训练集中的多数类进行欠抽样处理，得到新的相对平衡的训练集；然后选择径向基函数作为支持向量机的核函数，并采用改进的网格搜索算法对支持向量机的惩罚因子C和核参数g进行优化；最后使用相对平衡的训练集训练支持向量机，得到面向不平衡数据集的交通事件自动检测模型。本发明解决了现有交通事件检测算法不适应现实中不平衡交通数据的问题，显著提高了交通事件检测算法的检测性能，缩短了平均检测时间，满足交通事件检测的实时性要求。

主权项

一种基于欠抽样面向不平衡数据集的交通事件自动检测方法，其特征在于，该方法包括如下步骤：1)利用最大‑最小规范化方法对实测交通流数据进行规范化处理，得到原始训练集和测试集；2)基于邻域清理规则对所述步骤1)得到的原始训练集中的多数类进行欠抽样处理，降低训练集的不平衡性，得到新的相对平衡的训练集；3)基于步骤1)得到的原始训练集，支持向量机的核函数采用径向基函数，采用改进的网格搜索算法优化支持向量机的惩罚因子C和核参数g，得到支持向量机惩罚因子C的最佳值和核参数g的最佳值；4)根据所述步骤3)得到的支持向量机惩罚因子C的最佳值和核参数g的最佳值，使用所述步骤2)得到的新的相对平衡的训练集训练支持向量机，得到面向不平衡数据集的交通事件自动检测模型；5)使用训练好的面向不平衡数据集的交通事件自动检测模型，对所述步骤1)得到的测试集进行交通事件自动检测，根据模型的输出结果判定是否发生交通事件。