基于SVM的电梯群控系统交通流模式识别

华南理工大学学报（自然科学版） ›› 2005, Vol. 33 ›› Issue (6): 32-35.

基于SVM的电梯群控系统交通流模式识别

许玉格罗飞

华南理工大学自动化科学与工程学院，广东广州 510640

收稿日期:2004-06-28 出版日期:2005-06-25 发布日期:2005-06-25
通信作者: 许玉格(1978-)，女，博士生，主要从事离散事件动态系统及人工智能控制与应用方面的研究 E-mail:xuyuge@ 163.com
作者简介:许玉格(1978-)，女，博士生，主要从事离散事件动态系统及人工智能控制与应用方面的研究
基金资助:
国家自然科学基金资助项目(69684001)

Pattern Recognition of Trafic Flows in Elevator Group Control Systems Based on SVM

Xu Yu-ge Luo Fei

College of Automation Science and Engineering,South China Univ.of Tech.,Guangzhou 510640,Guangdong,China

Received:2004-06-28 Online:2005-06-25 Published:2005-06-25
Contact: 许玉格(1978-)，女，博士生，主要从事离散事件动态系统及人工智能控制与应用方面的研究 E-mail:xuyuge@ 163.com
About author:许玉格(1978-)，女，博士生，主要从事离散事件动态系统及人工智能控制与应用方面的研究
Supported by:
国家自然科学基金资助项目(69684001)

摘要/Abstract

摘要： 针对电梯群控调度中的交通流模式识别问题，提出了一种基于多值分类支持向量机的电梯交通流模式识别方法．文中介绍了电梯交通流模式识别的设计流程，并建立了相应的电梯交通流模式识别器．结果表明，基于支持向量机的交通流模式识别方法能够较准确地辨识出各种交通流模式．通过对比试验，证明了该算法的识别准确率优于人工神经网络算法，体现出较好的泛化能力，具有一定的实用价值．

关键词: 支持向量机, 电梯群控系统, 交通流, 模式识别

Abstract:

Aiming at the pattern recognition of traffic flows in elevator group control systems,a method based on the multi-value classification SVM (Support Vector Machine)is put forward.Moreover,the design procedure of the pattern recognition is presented and the corresponding pattern classifier is established.The results demonstrate that,by using the proposed method,different traffic flow modes can be recognized accurately.Furthermore,it is proved by comparison experiments that the proposed method possesses powerful generalization ability and is of greater re-cognition veracity than the methods based on the neural networks.

Key words: support vector machine, elevator group control system, traffic flow, pattern recognition

许玉格罗飞. 基于SVM的电梯群控系统交通流模式识别[J]. 华南理工大学学报（自然科学版）, 2005, 33(6): 32-35.

Xu Yu-ge Luo Fei. Pattern Recognition of Trafic Flows in Elevator Group Control Systems Based on SVM[J]. Journal of South China University of Technology (Natural Science Edition), 2005, 33(6): 32-35.

[1]	赵建东, 焦岚馨, 赵志敏, 等. 考虑侧向车换道影响的理论和数据组合驱动的车辆跟驰模型[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 10-19.
[2]	周楚昊, 林培群, 闫明月. 基于自监督学习的交通数据补全算法[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 101-114.
[3]	罗瑞发, 郝慧君, 徐桃让, 等. 考虑时延的网联车混合交通流基本图模型[J]. 华南理工大学学报(自然科学版), 2023, 51(1): 106-113.
[4]	马新露, 樊博, 陈诗敖, 等. 基于实时交通流的事故风险评估与分析模型[J]. 华南理工大学学报(自然科学版), 2021, 49(8): 19-25,34.
[5]	贾若, 戴昇宏, 黄霓, 等. 交通拥堵判别方法研究综述[J]. 华南理工大学学报（自然科学版）, 2021, 49(4): 124-139.
[6]	赵静, 王选仓, 樊振阳, 等. 基于支持向量机的沥青路面性能评价[J]. 华南理工大学学报（自然科学版）, 2020, 48(9): 116-123.
[7]	常鑫, 李海舰, 荣建, 等. 混有网联车队的高速公路通行能力分析 [J]. 华南理工大学学报（自然科学版）, 2020, 48(4): 142-148.
[8]	袁华陈泽濠. 基于时间卷积神经网络的短时交通流预测算法[J]. 华南理工大学学报（自然科学版）, 2020, 48(11): 107-113,122.
[9]	李巨虎范睿先陈志泊. 基于颜色和纹理特征的森林火灾图像识别[J]. 华南理工大学学报（自然科学版）, 2020, 48(1): 70-83.
[10]	杨晓伟黄滢婷. 基于多特征融合的实时单目标追踪算法[J]. 华南理工大学学报（自然科学版）, 2019, 47(6): 1-9.
[11]	田联房吴啟超杜启亮黄理广李淼张大明. 基于人体骨架序列的手扶电梯乘客异常行为识别[J]. 华南理工大学学报（自然科学版）, 2019, 47(4): 10-19.
[12]	陈永军, 刘清, 万程鹏, 等. 突发事件下交通流密集水域通航系统的脆点辨识[J]. 华南理工大学学报(自然科学版), 2019, 47(11): 54-61,70.
[13]	牛海清吴炬卓郭少锋. 奇异值分解在电缆局部放电信号模式识别中的应用[J]. 华南理工大学学报（自然科学版）, 2018, 46(1): 26-32.
[14]	王加朋胡跃明罗家祥. 一种基于 ICDF 的支持向量机参数快速优化方法[J]. 华南理工大学学报（自然科学版）, 2017, 45(7): 135-142.
[15]	陈俊颖周顺风闵华清. 用于垃圾邮件识别的“词频－筛”混合特征选择方法[J]. 华南理工大学学报（自然科学版）, 2017, 45(3): 82-88.