基于分类数据样本的交通事件检测

针对当前智能交通方向研究的热点—交通事件检测算法不能达到很好的检测效果提出了将交通数据分成3类,分别是入口处数据、出口处数据和直行路段数据。在进行检测时根据需要检测数据的位置调用相对应的数据库,从而避免了交叉路口数据与直行路段数据之间的干扰,从而提高了事件检测率和降低了事件误报率,而检测时间并没有明显变动。应用朴素贝叶斯算法验证了这种方法是有效的。     

交通事件检测算法研究进展

自动事件检测系统利用检测算法来分析交通数据和快速检测事件的发生，以便于尽量减少事件所造成的不利影响．自20世纪60年代以来。人们开发了各种各样的公路交通事件检测算法，如：基于交通流理论、模式识别、统计理论和近年来发展起来的人工智能与模糊逻辑的检测算法等．文中总结评述了现有的各类算法。指出了改善算法性能的研究方向．     

高速公路交通事件自动检测系统与算法设计

据估计发达国家高速公路中60％～70％的延误是由交通事件引起的,而交通事件的早期检测与及早分流可以使由其引起的延误大幅度降低。自20世纪60年代开始的交通事件自动检测(AID)系统的目标一直是协助交通管理部门处理交通事件。尽管已开发并投入使用了多个AID系统,但是居高不下的误警率(FAR)和令人失望的检测效果,让一些交通管理者不得不放弃它的使用。为了提高AID系统的可靠性和实用性,提出了一种具有三级报警制度的高速公路交通事件自动检测系统框架,并以人工神经网络技术为依托,设计了基于单个检测设施的AID算法。模拟计算表明,基于单个路段交通流参数标定的模型可以应用于其它路段交通事件的检测。在检测率(DR)、误警率(FAR)和平均检测时间(MTTD)方面都优于目标方法,而且由于每个检测器站只需安装一个检测器,也降低了高速公路事件管理系统的建设成本。     

基于VISSIM的高速公路交通事件仿真及数据处理

交通事件检测是智能运输系统的重要部分.本文简要归纳了交通事件检测的方法.利用VISSIM的incident模块模拟单向三车道高速公路直线路段因车抛锚引起的拥堵,由检测器记录交通事件发生前后的交通流数据.利用Matlab语言对原始数据进行处理,并提出利用小波技术对交通事件进行检测的新方法.     

高速公路交通事件视频车辆检测技术

交通事件自动检测技术概述 交通事件自动检测(AID)技术可分为"间接检测方法"和"直接检测方法"两大类.绝大多数的AID方法都属于前一种,其原理是根据交通流的变化来间接地判断交通事件的存在.实时交通流参数可用多种手段获得,最普通最常用的做法是通过设置在路上的交通检测器(环型检测器或超声波检测器)动态采集各路段的交通数据,由此推断可能发生的交通事件.交通检测器需要埋设在车道下面,使用过程中可能会损坏,属于有损检测器.由于数据误差及交通情况的复杂性,这类系统事件的检测与鉴别时间较长,误报率高,而且不适合在交通量较低的情况下使用."直接检测方法"是指使用图像处理技术来发现车辆行驶异常的一类方法.这类方法实际上是"看到"发生了交通事件而不是通过交通事件的影响来检测到它的存在.在潜在的意义上看,在检测速度方面远远胜于"间接检测方法",在交通量较低的情况下也能有良好的检测效果.另外,"间接检测方法"一般只能判断有没有事件,而不能对事件的类型进行鉴别,还需要人工对事件进行鉴别;而"直接检测方法"则既能检测事件,又能对事件的类型作出判断,这有利于减少事件的响应时间,减少事件延误.     

交通事件自动报警系统应用分析及对策研究

基于视频检测技术的交通事件自动报警系统可以对交通事件和交通流参数进行实时检测,并对交通事件以报警的形式通知管理者,能够有效预防交通事件和真实地再现事件过程,对提高城市道路交通安全和交通管理水平具有重要应用价值。文章结合杭州市采用的视频检测交通事件自动报警系统的应用实践,分析了系统在实际应用中存在的问题,并从交通管理角度出发,提出了相关解决办法与建议。     

高速公路固定检测器布设方案分析

为研究高速公路交通事件检测算法及固定检测器布设间距,设计高速公路基本路段的人工神经网络事件检测算法,并研究基本路段检测器布设间距为200～700m时,使用不同情况的事件来检测效果。利用VISSIM4.2软件仿真获得数据,并在MATlab人工神经网络工具箱中计算,验证所设计的事件检测算法的有效性,得出基本路段固定检测器的合理布设间距。     

基于BP神经网络的交通异常事件自动检测算法

对现有公路交通异常事件自动检测算法进行介绍,在此基础上提出从人工神经网络角度方向建立检测模型,摆脱以往使用仿真数据研究的局限,利用广深高速实测交通异常事件数据对BP神经网络（Back Propagation NN）在交通异常事件自动检测算法中的应用进行研究。结果表明BP神经网络算法具有检测率高、误报率低和检测速度快等优点。     

城市快速路交通事件检测的自适应算法研究

针对城市快速路交通事件检测问题,提出了-种基于自适应遗传算法与神经网络相结合的自动检测算法.通过改进的自适应遗传算法优化神经网络结构和权值参数,保证了神经网络能以较小规模和最优的权值参数来描述事件发生与交通参数间的映射关系,从而提高检测效果.利用PARAMICS交通软件模拟了北京市京通快速路从大望桥到四惠桥路段间的一组交通数据,仿真结果表明,该算法同现有的典型算法相比较,具有较高的检测率和较快的检测速度.     

基于RBF的城市快速路交通异常事件自动检测算法分析

通过对城市快速路交通异常事件自动检测方法的分析,提出用MATLAB神经网络工具箱建立交通异常事件自动检测RBF模型,并通过采集的实测交通异常事件数据对RBF神经网络在自动检测算法中进行仿真研究。结果表明RBF神经网络算法具有检测率高、误报率低和检测速度快等优点。     

交通事件持续时间预测及参数标定

有效的交通事件管理应基于精确的交通事件持续时间预测。交通事件持续时间包括4个部分:事件发现时间,事件响应时间,事件清除时间和交通恢复时间。提出了基于元胞传输模型的交通事件持续时间预测模型以及参数标定方法。实测数据和仿真数据对比结果表明,基于元胞传输模型的交通事件恢复时间预测方法具有较高的精度。     

交通事件判别方法的研究

近年来,随着交通需求的进一步增加,交通管理逐步走向智能化。在交通控制系统管理中,交通事件的自动检测是目前最具代表性的智能化管理手段。通过对交通管理实际工作的研究发现,不同的应用对检测的要求是不尽相同的。通过探讨持续性检验在事件检测中的应用,在此基础上提出面向多用户需求的事件报警体系,最后提出基于数据融合的事件检测算法,并重点论述融合规则与三级报警输出,从而初步实现面向多用户需求事件报警的理念。     

交通事件判别方法的研究

近年来,随着交通需求的进一步增加,交通管理逐步走向智能化。在交通控制系统管理中,交通事件的自动检测是目前最具代表性的智能化管理手段。通过对交通管理实际工作的研究发现,不同的应用对检测的要求是不尽相同的。通过探讨持续性检验在事件检测中的应用,在此基础上提出面向多用户需求的事件报警体系,最后提出基于数据融合的事件检测算法,并重点论述融合规则与三级报警输出,从而初步实现面向多用户需求事件报警的理念。     

基于粒子群优化SVM的高速公路交通事件检测

为了更加准确地检测出高速公路上的偶发性交通事件,采用一种粒子群优化SVM参数的高速公路交通事件检测算法,提升事件检测效果。文中运用高速公路实测数据集（L880）,对支持向量机算法进行分类性能测试,并且采用改进的粒子群优化算法对支持向量机的参数进行优化,进而利用测试集数据对该模型进行验证比较,获得满意的检测效果。     

城市快速路交通事件持续时间生存分析

提出城市快速路交通事件持续时间生存分析方法.依托上海市中心快速路网的 交通事件数据,将生存分析引入交通事件形成及演化机理分析.其根据大量交通事件样本 的特征属性,采用Kaplan-Meyer 的非参数回归构建基于风险的交通事件持续时间模型, 解析其在五类影响因素作用下的时空分布特性,并采用Cox 回归线性模型综合评价交通 事件持续时间的显著影响因素,分析其作用的强度和方向,提取表征上海市快速路交通 事件运营管理水平的重要特征参数.结果表明：上海市快速路的交通事件持续时间在不同 类别的影响因素下分布特性存在明显差异,日夜、事件类型、涉及车辆数、影响车道数、涉 及货车、所处路段位置、瓶颈处、出动拖车和出动消防车等影响因素对事件持续时间有显 著影响.     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

基于SVM的交通事件检测技术

为减少交通事件引起的交通延误,提出了一种基于支持向量机(SVM)的交通事件自动检测(SVM-AID)算法.采用实际高速公路交通参数数据库(I-880数据库),对SVM-AID算法的分类性能进行测试,并分析了SVM中各参数对分类效果的影响.结果表明,SVM中参数对分类效果的影响很大,必须慎重选择;SVM-AID算法对不同...     

异常事件下高速道路交通状态的分析与仿真

为了考察异常事件对高速道路交通运行的影响,对事发后高速道路局部交通状态的演变过程进行了分解,分析了各阶段的事发点通行能力,并将事发点通行能力的影响因素归纳为事件性质、阻塞行车道宽度、事件发生位置、现场行车秩序与上游交通量等五类,针对交通事故引起局部车道临时关闭这一典型的异常事件,进行微观交通仿真。仿真结果表明:行车延误随着车道关闭开始大幅度增长,直至车道开放,之后开始降低,整个演变过程伴随着波动;当交通量接近于道路通行能力时,交通流系统处于脆弱的平衡状态,异常事件极易引起大范围、长时间的交通拥堵,此时,应采取交通诱导和匝道控制等必要的措施来转移部分交通量,减小异常事件的影响。