小波分析在高速公路事件检测中的应用

采用小波分析方法研究高速公路事件检测问题,介绍小波变换和多孔算法,阐述事件检测原理,给出事件检测步骤,并对实际例子进行分析。试验结果表明,将小波分析用于高速公路事件检测中有其优越之处。     

基于小波包变换的交通事件检测

简介小波包变换的基本原理。采用小波包变换的方法进行交通事件检测，并给出了利用小波包变换进行交通事件检测方法的步骤。经与实际数据分析、比较，表明小波包变换用于交通流数据分析有其优越之处。     

基于小波变换的城市道路交通事件检测

利用出租车浮动车数据对城市道路行程车速的表达能力,针对出租车空车和重车2种数据运用小波变换技术分析了城市道路交通状态突变点,据此进行了城市道路交通事件的检测。区别于以往小波变换技术,首先运用于数据降噪,再将处理数据运用交通事件检测算法判断,直接采用小波变换技术实现了对城市道路间断流的交通事件的检测。并利用实际采集数据对提出的交通事件检测算法进行了验证,结果表明算法能够对交通事件进行更综合的检测,检测准确度得到了提高,能够为城市交通信息发布和交通诱导提供更加可靠的信息。     

基于小波分析的事故检测算法

讨论了事件检测算法，建立了基于小波分析的算法。首先构造二进小波，对交通流数据进行二进小波变换，检测其奇异点。根据判断逻辑确定是否有事件发生。要用广佛高速公路交通流数据对该算法进行离线测试，与加利福尼亚算法，滤波算法比较，结果显示该算法具有较好的效果。     

基于小波分析和神经网络的交通事件自动检测

提出了利用小波分析和神经网络进行交通事件自动检测的方法，其基本思想是通过小波变换对原始采样信号进行奇异点检测，然后通过神经网络对小波变换的结果进行分类，最后给出交通事件的信息。通过MATLAB仿真实验，证明该方法相对于传统的事件检测算法能更准确、快速地实现分类。     

视频交通事件检测系统在京秦高速公路中的应用

实时视频交通事件检测系统作为全程监控系统建设项目的重要组成部分,实现了交通事件的快速、准确检测以及及时有效的处理。文中对京秦高速公路视频交通事件检测系统的构成、功能及应用状况进行了分析,针对应用中存在的问题提出了改进建议。     

数据融合技术在交通事件检测中的应用综述

为了进一步提高交通事件检测系统的性能,在对基于单源信息的交通事件检测方法进行分析的基础上,从基于多信息源的交通事件自动检测数据级融合和基于多信息源的交通事件检测方法决策级融合2个方面,分析、总结了数据融合技术在交通事件检测中的应用现状,并指出了目前研究存在的主要问题及后续研究的发展趋势。     

基于神经网络的交通事件检测算法

回顾了几种传统的交通事件检测算法，提出从多层前向人工神经网络角度建立模型，并运用ＢＰ算法予以实现。在将ＢＰ算法与传统算法进行比较之后，发现ＢＰ算法具有检测率高、误报率低、检测时间短的优点，同时也存在不足之处，指出了今后进一步研究的方向。     

高速公路交通事件检测系统研究

章主要分析交通事件对交通流的影响、交通拥挤的判别、交通事件检测算法及其在高速公路交通事件检测系统中的实现。     

隧道内车辆交通事件智能检测技术综合应用

车辆在隧道环境内行驶时,由于受到光线、环境等影响,极易发生交通事件。目前视频检测仍然是隧道交通事件检测的主流方式,存在检测盲区以及误报率较高等问题。对此,本文归纳分析了隧道内,车辆行驶时容易发生的交通事件类型,在此基础上提出综合利用视频、雷达和光纤多种智能感知设备进行隧道车辆交通事件检测的方法。     

小波分析在变速器齿轮故障诊断中的应用

从小波变换的理论背景出发,介绍了利用小波变换对信号进行分解的原理。针对变速器齿轮振动信号的非平稳性特点,通过对变速器齿轮振动信号用db4小波进行了多分辨分析,说明这种方法可以有效地对变速器齿轮故障进行诊断。     

基于速度分类算法的交通事件实时视频检测

交通事件实时视频检测技术是当前流行的事件检测技术。通过对交通事件的特征分析,综合对比面积分布和速度分布信息对视频检测效果的影响,提出基于速度分类算法的交通事件实时视频检测方法。在此基础上给出运动目标的速度提取算法以及事件判定准则,并完成事件判定。最终给出算法的实际场景实验结果并对结果进行分析。     

小波理论在路面平整度降噪分析中的应用

在路面平整度数据采集中,通常夹杂着一些噪声信号.文中采用4阶Symlest小波滤波器,对采样信号进行多尺度一维小波分解,通过软阈值法进行消噪,再对信号中的低频部分进行单支重构.分析表明,经过5层分解和分层阈值法处理后的信号不仅能最大限度地保留原始信号的趋势部分,而且能有效降噪.     

基于小波变换的交通车流密度分析

车流密度是研究交通流理的重要参数之一。小波变换是近年来兴起的一种信号分析工具，它可以将信号进行多分辨分析。本文将小波变换应用于车流信号的分析，从而更好地分析它的概貌与局部细节。     

基于速度分类算法的交通事件视频检测系统设计

提出基于速度分类算法的交通事件实时视频检测方法,并对交通量检测方法、车辆跨道处理、速度检测、交通状况检测及交通事件识别等进行了研究.在车辆检测与跟踪的基础上,可实现车辆停止、慢行、车道变换次数和车流拥挤等交通事件识别功能,通过自动检测车辆避障、车道变换、超速、慢速、停止和交通阻塞等事件,获得交通流量、占有率、排队长度、车型和平均车速等交通参数.与传统交通事件检测系统相比,具有直观方便、费用低等优点.     

视频事件检测系统在多隧道群复杂环境工况下的应用

视频事件检测技术目前已在高速公路中得到广泛应用。在此基础上,通过分析视频事件检测系统在多隧道群复杂环境工况下的实际应用效果,针对货车种类多流量大、摩托车上路频率高、隧道环境多样化等特点提出系统优化的建议,提升视频事件检测技术在不同应用场景和环境下的应变能力和检测能力。     

一种组合式高速公路交通事件检测算法

传统的高速公路事件检测算法原理简单、容易实现,但很难达到高检测率和低误报率的效果。国内外学者越来越偏向于研究复杂算法,虽在理论上取得了较好的效果,但因数据传输量大、数据处理繁琐、对设备要求高等特征,降低了这些算法的实用性。因此,如何构建适合现状高速公路检测设备和软件系统,且具有良好检测效果的实用性算法,成为目前高速公路事件检测技术的热点话题。文中基于降低硬件成本和运行费用、提高检测效果这一目标,利用不同情况下各自算法特征值的变化规律,提供了一种基于California算法和滤波算法的组合算法。仿真研究表明,与单独应用California算法或滤波算法相比,这一组合算法在软硬件费用不增加的情况下,具有较高的检测率,且能有效降低误报率。     

小波能量熵在疲劳驾驶检测中的应用

用转向盘转向小波能量熵的分布来衡量转向操作的不平稳性,不涉及转向具体角度,受道路线形影响小,因此理论上采用转向熵的驾驶疲劳检测方法比采用具体转向值具有更高的精度.在此之前需确定转向熵与驾驶疲劳之间的关系.模拟驾驶实验表明,转向小波能量熵与疲劳程度之间存在正相关关系.首先去除转向盘转向信号中道路线形影响,然后利用Daubechies小波对其进行分解,以200 s为信号采样长度计算转向信号沿第5尺度的小波能量熵分布,并利用平滑修正窗修正偶然因素对能量熵分布的影响,发现随着疲劳的加深,转向能量熵呈上升趋势.对实验样本分析表明,驾驶员在疲劳发展过程中能量熵变化范围为0.05～0.24:最大值在0.16～0.24之间,最小值在0.05～0.11之间.驾驶人进入深度疲劳时转向小波能量熵比刚刚出现疲劳迹象时要增长50％～60％.     

基于Logit模型的城市道路交通事件检测仿真

以Logit模型为基础,利用效用函数与概率的概念,建立分时段的城市道路交通事件检测算法。由PARAMICS软件产生模拟交通流数据,将数据输入LIMDEP软件并标定效用函数的系数,同时还输出最大概率预测表。仿真试验结果表明:(1)基于Logit模型的检测算法不仅能够用于城市道路的事件检测,还可判断事件发生所在的车道。(2)在路段长度、车道数、流量相等的模拟条件下,交叉口信号超过仿真所设定的1 min时段长度时,检测效果降低。若将模型时段长度由1 min提高至超过最大信号周期,即可解决检测效果降低的问题。