PSO-SVM理论在路面识别中的应用

doi:10.3969/j.issn.1006-2475.2016.09.025

计算机与现代化

PSO-SVM理论在路面识别中的应用

（云南省交通科学研究院，云南昆明650011）

收稿日期:2016-01-20 出版日期:2016-09-12 发布日期:2016-09-13
基金资助:
姚庆华（1976-），男，云南昆明人，云南省交通科学研究院高级工程师，硕士，研究方向：智能交通，软件开发；蒲雯，女，高级工程师，硕士，研究方向：智能交通，交通规划与统计。

Application of PSO-SVM Theory in Pavement Recognition

(Yunnan Transportation Research Institute, Kunming 650011, China)

Received:2016-01-20 Online:2016-09-12 Published:2016-09-13

摘要/Abstract

摘要： 道路的起伏度严重制约着汽车的行驶速度，也在一定程度上影响道路的交通安全。在路面的识别检测中，路面数据中的噪声点和野值点是困扰识别检测的一大难题。本文利用支持向量机理论对于路面数据中的噪声点和野值点具有敏感性的特点，提出一种改进的PSO-SVM识别算法，首先利用参数优化超平面方程，然后利用粒子群(PSO)算法优化支持向量机的核函数及其参数，最后进行路面的识别检测。实验结果表明，本文提出的算法对于路面起伏度的检测计算具有速度快，识别准确率高（可达到92%）的特点。

关键词: SVM理论, PSO算法, 路面识别

Abstract: The road has a serious impact on the speed of the car, and affects the road traffic safety to some extent. In the identification and detection of pavement, the noise points and outliers are difficult problems in the identification and detection of pavement data. In this paper, with the support vector machine for road noise in the data points and outliers being of sensitive features, we present an improved PSO-SVM recognition algorithm. The algorithm firstly uses parameter to optimize hyperplane equation, then optimizes SVM kernel functions and their parameters by using Particle Swarm Optimization (PSO) algorithms, and finally recognizes and detects the pavement. The experimental results show that the proposed algorithm has the advantages of faster speed for the detection and calculation of pavement fluctuation, and high recognition accuracy which can reach up to 92%.

Key words: SVM theory, PSO algorithm, pavement recognition

中图分类号:

TP319

姚庆华，蒲雯. PSO-SVM理论在路面识别中的应用[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2016.09.025.

YAO Qing-hua, PU Wen. Application of PSO-SVM Theory in Pavement Recognition[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2016.09.025.

参考文献

［1］李忠国，张为公，刘庆华，等．基于车轮垂直动载的路面不平度识别研究［J］．仪器仪表学报, 2006,27（6）:2132-2133.
［2］李忠国,侯杰,王凯,等. 模糊支持向量机在路面识别中的应用［J］. 数据采集与处理， 2014,29(1):146-151.
［3］ Vapnik Vladimir N. Statistical Learning Theory［M］. New York: Wiley-Interscience Press, 1999.
［4］张利敏. 基于模糊聚类算法的路面识别的研究［D］. 镇江：江苏科技大学， 2014.
［5］刘卫华. 最小二乘支持向量机在分类中的应用研究［D］. 兰州：兰州交通大学， 2013.
［6］陈祥梅. GA-SVM在高速公路交通事件检测中的应用研究［D］. 成都：西南交通大学, 2009.
［7］ You Yu-li, Kaveh M. Fourth-order partial differential equation for noiserem-oval［J］. IEEE Transactions on Image Processing, 2000,9(10):1723-1730.
［8］ Ranaee Vahid, Ebrahimzadeh Ata, Ghaderi Reza. Application of the PSO-SVM mode for recongition of control chart patterns［J］. The Science and Engineering of Measurement and Automation, 2010,49(4):577-586.
［9］ Suykens J A K， Gestel T V， Brabanter J D, et al. Least Squares Support Vector Machines［M］. Singapore：World Scientific Publishers， 2003.
［10］Naik G R, Kumar D K, Jayadeva. Twin SVM for gesture classification using the surface electromyogram［J］. IEEE Transactions on Information Technology in Biomedicine, 2010,14(2):301-308.
［11］Martin P T, Perrin J, Hansen B,et al. Incident detection algorithm evaluation ［EB/OL］. http://www.mountain-plains.org/pubs/pdf/MPC01-122.pdf, 2016-01-20.
［12］Eberhart R, Kennedy J. A new optimizer using particle swarm theory ［C］// Proceedings of the 6th International Symposium on Micro Machine and Human Science. 1995:39-43.
［13］赵永满,何桢,何曙光,等. 基于PSO的支持向量机多元控制图均值偏移诊断模型［J］. 天津大学学报(自然科学与工程技术版), 2013,46(5):469-474
［14］柏丹丹,和敬涵,王小君,等. 自适应粒子群支持向量机风速组合预测模型［J］. 太阳能学报, 2015,36(4):792-797.
［15］沈舒,吴聪,李勃,等. 基于优化SVM的高速公路交通事件检测［J］. 电子测量技术, 2012,35(5):40-44.
［16］浦雅雯,刘万军,姜文涛. 基于PSO-IFCM的遮挡车牌车辆识别［J］. 计算机工程, 2012,38(14):157-160.
［17］龚炯. 基于SVM的高速公路交通事件检测研究［D］. 成都:西南交通大学, 2010.
［18］张小琴,贾郭军. 一种采用粗糙集和遗传算法的支持向量机［J］. 山西师范大学学报(自然科学版), 2013,27(1):35-38.

[1]	方昕. 一种求解高校路网的逆序变异的新混合PSO算法[J]. 计算机与现代化, 2012, 1(9): 143-146.
[2]	方昕. 一种带数据整数规划的新型并行自平衡PSO算法[J]. 计算机与现代化, 2012, 203(7): 17-20.
[3]	方昕. 一种求解高校路网问题的新型自平衡SDPSO算法[J]. 计算机与现代化, 2012, 1(6): 17-19,3.
[4]	方昕. 一种新型的求解城市公交路网的并行PSO算法[J]. 计算机与现代化, 2012, 1(201): 16-19.
[5]	方昕. 一种并行的正序变异的混合PSO算法研究与应用[J]. 计算机与现代化, 2012, 8(08): 13-16.

PSO-SVM理论在路面识别中的应用

Application of PSO-SVM Theory in Pavement Recognition

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 5

编辑推荐

Metrics

本文评价