.png){kind=icon}
返回
Freeway traffic state classification using vehicle trajectory data
.png){kind=icon}
OA
AI
DOI：10.3389/ffutr.2026.1662480.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出FCM-RF-SMOTE框架，以解决实时高速公路交通状态分类中的数据不平衡问题。该框架整合了模糊C均值（FCM）、随机森林（RF）和合成少数类过采样技术（SMOTE）。交通状态基于FCM聚类中心得出的定量阈值分为四类（畅通、稳定、拥堵和严重拥堵）。验证采用SUMO仿真结合高斯噪声和10 Hz采样率，以近似毫米波雷达特性。结果表明，所提框架将严重拥堵类的表示率从3.67%显著提升至19.83%，进而将总体分类准确率从77.67%提高至97.80%，相较于基线方法在处理不平衡数据集方面展现出更优性能。研究结果表明该算法对交通监测系统具有鲁棒性，尤其擅长识别少数类交通状态，未来计划进行物理传感器验证。
Keyword:
freeway
fuzzy c-means
random forest
SMOTE
traffic state classification
vehicle trajectory data
期刊
F
IF:
1.5
论文数:
32
被引数:
194
机构
引用论文
Application of Fuzzy Logic and Neural Networks to Automatically Detect Freeway Traffic Incidents
PREAI
分享收藏Analyzing Autonomous Vehicle Collision Types to Support Sustainable Transportation Systems: A Machine Learning and Association Rules Approach.png)
SUSTAINABILITYOAAI
SUSTAINABILITYIF3.3
OAAI分享收藏Sensor Fusion-Based Vehicle Detection and Tracking Using a Single Camera and Radar at a Traffic IntersectionSENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Road Traffic Safety Status Analysis and Prediction Based on Dynamic Bayesian Network基于动态贝叶斯网络的道路交通安全状况分析与预测
PREAI
分享收藏A Hybrid Method for Traffic Incident Detection Using Random Forest-Recursive Feature Elimination and Long Short-Term Memory Network With Bayesian Optimization AlgorithmIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容