[发明专利]一种融合多源特征的城市交通事故黑点辨识机器学习方法在审
| 申请号： | 201910962247.4 | 申请日： | 2019-10-11 |
| 公开（公告）号： | CN110728050A | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 岳顺;蔡东健;范占永 | 申请（专利权）人： | 苏州工业园区测绘地理信息有限公司 |
| 主分类号： | G06F30/20 | 分类号： | G06F30/20;G06Q10/06;G06Q50/30;G06K9/62;G06N20/10;G06N3/04;G06N3/08 |
| 代理公司： | 11470 北京精金石知识产权代理有限公司 | 代理人： | 张黎 |
| 地址： | 215000 江苏省苏州市苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种融合多源特征的城市交通事故黑点辨识机器学习方法，涉及检测要统计或要控制的交通运动的道路车辆的交通控制系统技术领域。包括以下步骤：S1.基于支持向量机进行城市交通事故黑点辨识；S2.基于深度神经网络进行城市交通事故黑点辨识；本发明利用支持向量机方法，提高了黑点辨识的精度。随着交通事故多源数据的快速增长，支持向量机黑点辨识的查准率和召回率精度逐渐降低，采用基于深度神经网络的黑点辨识算法，建立相关数据类别信息的深度神经网络进行黑点辨识，提高了黑点辨识的准确率，同时提高了黑点辨识的效率。 | ||
| 搜索关键词： | 辨识 黑点 城市交通事故 支持向量机 神经网络 交通控制系统 数据类别信息 道路车辆 多源数据 机器学习 逐渐降低 查准率 准确率 多源 算法 交通事故 检测 融合 交通 统计 | ||
【主权项】：
1.一种融合多源特征的城市交通事故黑点辨识机器学习方法，其特征在于：包括以下步骤：/nS1.基于支持向量机进行城市交通事故黑点辨识，包括以下步骤：/nS11.将交通事故数据进行数字化和标准化预处理，所述交通事故数据包括地点、时间、事故、人、车、道路和环境特征数据；/nS12.将交通事故数据分为训练数据和检测数据；/nS13.根据训练数据构建SVM参数；/nS14.根据SMO算法求解分界面参数；/nS15.输入检测数据，检测训练数据求出的分界面参数的辨识准确率，判断是否符合辨识精度，若符合，进行下一步，若不符合，重新构建SVM函数；/nS16.将需要进行黑点辨识的事故数据输入到分界面参数中，判断是否为黑点；/nS17.输出判断结果，黑点辨识结束；/nS2.基于深度神经网络进行城市交通事故黑点辨识，包括以下步骤：/nS21.建立初始深度神经网络；/nS22.输入训练样本向量集合，在本地保存的初始线性分析函数中添加数据类别信息后，生成线性类别分析函数，所述类别信息为黑点或非黑点；/nS23.根据本地保存的无监督编码模型优化函数，以及上述线性类别分析函数，获取上述初始深度神经网络的优化函数；/nS24.根据上述初始深度神经网络的优化函数，获取初始深度神经网络的参数；/nS25.根据本地保存的分类神经网络，初始深度神经网络，以及上述初始深度神经网络的参数，建立深度神经网络；/nS26.接收输入的待识别的数据；/nS27.将待识别的数据输入深度神经网络的输入层，获取该深度神经网络输出层输出的待识别数据所属的类别信息。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州工业园区测绘地理信息有限公司，未经苏州工业园区测绘地理信息有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910962247.4/，转载请声明来源钻瓜专利网。
