基于GPS轨迹数据的不同交通状态下交通方式识别流程优化方法

来源：交通运输系统工程与信息杂志2020年第4期北京时间：

作者：杨飞，姜海航，刘好德，姚振兴，霍娅敏，周子一

单位：1.西南交通大学 交通运输与物流学院，成都 611756；2.交通运输部科学研究院 城市交通与轨道交通研究中心，北京 100029；3.长安大学 公路学院, 西安 710054；4.东南大学 交通学院, 南京 211189

摘要：基于GPS轨迹数据的交通调查技术能够有效弥补传统居民出行调查方式的不足，该技术在高峰拥堵时段的交通方式识别效果有待进一步研究.针对公交车和小汽车识别精度较低的问题，本文提出基于支持向量机(SVM)的流程优化方法，加入基于短时傅里叶变换 (STFT)的频域属性，利用遗传算法(GA)对SVM的惩罚系数和核参数进行联合优化，评估不同交通状态下交通方式和方式转换点的识别效果.结果表明：频域属性的加入能够有效提升交通方式识别精度，在道路畅通状态和一般拥堵状态下，交通方式和方式转换点的识别效果均较为理想；在严重拥堵状态下，机动化方式易与非机动化方式相混淆，方式转换点最大识别误差在13 min以内，相比于基于主观回忆的人工问卷调查方式仍具有参考性.

关键词：智能交通,交通方式识别,支持向量机,GPS轨迹数据,遗传算法,频域属性

基金资助：国家重点研发计划/National Key Research and Development Program of China(2018YFB1601300)；中央高校基本科 研 业 务 费 专 项 资 金 / Fundamental Research Funds for the Central Universities of Ministry of Education of China (300102219301)；国家自然科学基金/National Natural Science Found