[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

摘要

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fif*，更新脉冲速率和响度；S6.重新排列蝙蝠，得到xbest，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。

主权项

1.一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，其特征在于，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；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；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xi对应一组(c,g)，初始化蝙蝠的位置为xi、速度为vi、脉冲发射率为Ri、脉冲响度为Ai、脉冲频率Fi，i＝1,2,…,Q，Q为种群数量，Ri∈[Rmin,Rmax]，Ai∈[Amin,Amax]，Fi∈[Fmin,Fmax]；S6.将支持向量机的分类精度作为适应度函数值fi，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，S8.对每一个蝙蝠个体产生随机数，若则利用式以下公式在最优解附近位置产生随机扰动，得新解，从而转入局部搜索，公式为：xnew(i)＝xold+εA'，式中，x_new(i)为新解，x_old为当前最优解集中的任意一个解，A'为蝙蝠的平均响度，ε∈(0,1)的随机向量，为t时刻个体i的脉冲发射率，rand1为随机数；S9.运用遗传算法对蝙蝠个体进行择优；S10.对每个蝙蝠个体产生随机数，若并且f_i>f^*，接受新解，并根据以下公式更新脉冲发射率和响度；公式为：At+1(i)＝α×At(i)Rt+1(i)＝R0(i)×[1‑exp(‑rt)]式中，α∈(0,1)为响度衰减因子，R⁰(i)为最大的脉冲发射率，R^t+1(i)为蝙蝠个体在t+1时刻脉冲发射率，r为脉冲发射率的。增加因子，为t时刻个体i的响度，A^t+1为t+1时刻个体i的响度，rand2为随机数；S11.重新排列蝙蝠，得到当前蝙蝠群体位置的全局最优解xbest；S12.若达到最大迭代次数，输出最优参数，算法结束，否则转入S6步骤；S13.根据S12步骤输出的结果，确定最优的核参数g和惩罚参数c；S14.将训练集放入支持向量机模型中进行训练，建立支持向量机模型；S15.将输出的预测状态与测试集进行对比，计算识别精度。