|
| 方法 |
优势 |
缺点 |
|
| 模糊逻辑 |
(我),它将二进制值转换成语言描述因此描述交通拥堵状态。 |
(我)不适当的隶属函数的形状选择方法存在。 |
| (2)iIt可以描绘两个以上的状态。 |
(2)交通模式识别能力持久不如ML算法。 |
| (3),因为它不需要一个精确的脆输入,它可以处理不确定性。 |
(3)交通状态可能不匹配实际的交通状态的结果是不准确的。 |
| 隐马尔可夫模型 |
(我)模型可以克服噪声测量。 |
(i)与稀缺颞探头轨迹数据准确性降低 |
| (2)从non-preprocessed数据可以有效地学习。 |
(2)不适合缺失的数据集。 |
| (3)可以同时评价多个假设实际的映射。 |
|
| 高斯混合模型 |
(我)可以做交通参数分布在一段时间内的混合物无论交通状态。 |
(我)优化算法使用GMM必须谨慎选择。 |
| (2)能克服的局限性无法占多通道输出由单个高斯过程。 |
(2)结果可能显示错误的交通模式由于当地最适条件限制和缺乏交通拥堵阈值优化算法的知识。 |
| 贝叶斯网络 |
(我)可以理解底层的随机变量之间的关系。 |
(我)计算昂贵。 |
| (2)它可以模拟和分析交通参数之间相邻的道路连接。 |
(2)模型的增量数据表现不佳。 |
| (3)模型可以处理不完整数据。 |
(3)变量的模型表示单向关系。 |
|
