服务于高速公路实时容错性评价的车辆检测器布设研究

车辆检测器采集到的信息的准确度与检测器的空间密度和空间位置有极大的关系,而目前车辆检测器的布设却没有统一的标准。本文以高速公路实时容错性评价模型为基本的分析方法,首先通过道路线形安全评价对高速公路进行路段划分,然后采用仿真手段研究车辆检测器不同布设间距条件下,高速公路实时容错性评价模型对交通事件响应时间的变化规律,最后得到服务于高速公路实时容错性评价的车辆检测器布设方法,并给出各种路段安全等级和交通量条件下的车辆检测器布设间距推荐值。     

基于事件检测效益的高速公路交通检测器布设方案研究

高速公路交通检测器合理布设有利于准确、快速地检测和确认交通事件发生的时间、地点及性质,进而提高高速公路管控效率.运用一种基于偏差阈值的交通事件检测算法,选取了200 m、400 m和600m等3种交通检测器布设间距,利用VISSIM仿真软件,以济青高速公路济德段为例进行验证性仿真;通过分析有无事件情况下交通参数的变化趋势,确定高速公路检测器最优布设间距,为高速公路监测系统建设提供理论依据.     

区域高速公路网络交通事件传感器布设方法研究

针对如何使用有限的传感器而获得最大的事件检测效益的问题,依据区域高速公路网络拓扑特点,充分利用匝道以及出入口的重要特性,以常规的最短路径算法为基础研究了一种交通事件传感器的优化布设方法,以高速公路网络行程时间标准差作为优化目标,在充分利用现有资源前提下,分别布设和优化路段和出入口事件检测器,形成两层结构的事件检测传感器网络体系。并以上海市高速公路网为例进行了实例应用分析。结果表明,依据合适的优化方法可以确定传感器最佳布设位置和数量,同时结合高效的交通事件检测算法,可以全面提升交通事件检测技术。     

基于多源信息融合的高速公路事件检测算法研究

为了研究高速公路交通事件检测算法,以多源信息融合理论为基础,依托人工神经网络技术,设计了固定检测器与浮动车检测器的信息融合事件检测算法,并说明了具体的检测原理和融合过程。通过Vissim仿真获得数据,在Matlab中编程实现了信息融合过程,试验结果表明在三级报警策略下,信息融合算法的事件检测率、误报警率和平均检测时间都达到了较高的检测水平,证明了所设计的信息融合交通事件检测方法的优越性。     

手机信令数据支持下高速公路检测器布设研究

交通检测器的布设决定着路段行程时间估算及预测的精度.同时,检测器技术、行程时间估计方法也会影响到检测器布设方法.针对此问题研究利用手机切换数据交通信息提取支持,结合传统固定检测器,基于BP神经网络实现行程时间融合估计.基于新的行程时间估计方法,以估计精度为约束,研究传统固定检测器的布设.结合实例分析,验证行程时间融合估计方法有效性,并在均匀布设和盲区补充方案基础上,研究检测器布设间距对交通参数估计的影响.     

网络化条件下高速公路服务设施设置布局研究

对网络化条件下高速公路中服务设施布局问题进行了综合研究.首先分析了高速公路网络与孤立路段的本质差别在于枢纽节点的存在,进而对单独枢纽互通、枢纽互通相邻、线状排列、环状排列等各种情况,分别详细分析了相应路段的服务设施设置布局问题,总结了各种情况下服务设施合理布局的原则和方法.此后,针对服务设施布设间距的合理取值问题进行了专门研究,提出了服务的补给窗口理论,证明了服务设施布设间距与补给窗口之间的紧密联系,并对我国西部地区高速公路在极端情况下的服务设施布设问题进行了讨论.     

基于图像识别与追踪技术的高速公路交通事件有效检测范围

针对视频交通事件检测器的有效检测范围目前在行业内产生的广泛争议,结合摄像机安装高度、安装角度、摄像机性能指标,通过理论计算和试验验证,得到视频交通事件检测系统对相关交通事件的合理检测范围,从而为高速公路全程视频监控系统外场监控摄像机的布设间距、布设方式提供数据支持,实现高速公路全程无盲区智能化监控识别。计算结果表明,对于小汽车停驶等交通事件,其有效检测距离大于1 000 m的传统说法是不准确的,目前的技术水平很难达到,其合理检测距离应该在500 m左右,试验数据验证了这一说法,但视频交通事件检测系统的有效检测距离后续会随着摄像机性能的不断增强而有所提高,从而满足高速公路监控系统不断提高的监控需求。     

基于交通仿真技术的交通流监测设备布设间距研究

交通流监测设备是指能够采集断面交通量、车速、占有率等交通参数的信息采集设备,是公路网运行状态监测体系建设的重要内容和基础。合理确定交通流监测设备布设间距,使其既能满足公路交通运行状态判别、公路交通应急管理等应用需求,同时又能最大限度地节约建设资金,意义重大。在总结分析交通流监测设备布设实践及研究现状的基础上,提出"依托交通仿真技术和公路交通运行状态判别模型,对不同布设间距条件下的交通异常状态检测过程进行仿真实验,输出交通异常状态平均检测时间作为评价指标"的研究思路,并就交通仿真平台比选、交通运行状态判别模型以及仿真条件设置等3个关键问题进行了论述。最后,通过对高速公路、一级公路和二级公路基本路段上,12种交通流监测设备布设间距条件进行仿真模拟,形成3种技术等级道路上设备布设间距与平均检测时间的对照表,为公路交通管理部门进行交通流监测设备布设提供决策参考。     

高速公路路径标识站选址优化模型与算法研究

为了解决车辆多义性路径问题,高速公路路网中常设置标识站来精确获取车辆路径信息。在实际高速公路网中,要么在路网中所有环路段上布设标识站,造成资源浪费现象,或者布设的标识站不足,直接采用最短路的方式拆分通行费用,造成费用拆分不合理现象。因此对高速公路路网中多义性路径标识站的选址优化问题开展研究,在解决多义性路径基础上,实现标识站建设费用最小。为了研究高速公路标识站选址优化问题,以高速公路路网为基础,采用基于生成树-蚁群算法对标识站选址布局问题进行优化分析。首先,根据图论中生成树理论,确定出标识站的最少布设数量与多种选址布局方案。其次,建立了以高速公路标识站所在路段车流量最小且该路段里程最长的多目标多义性路径标识站选址优化模型,并设计了基于蚁群算法的大型高速公路路网多义性路径标识站选址优化算法的求解步骤。最后,通过算例分析,以3组不同权重值分析对比验证该模型的适用性。结果表明该模型可以用来解决高速公路标识站选址优化问题,并且能有效实现高速公路多义性路径标识站的最优选址布局。     

高速公路隧道运营安全分析及动态预警系统

以湖南多条高速公路隧道路段调研资料为基础,通过分析不同事件对隧道路段运营安全的影响,建立了针对隧道内不同事件的综合交通管制对策库。并从系统功能、设备布设及系统流程等方面,建立了高速公路隧道路段动态监测预警系统。该系统由信息采集、信息处理、信息发布3大模块以及信息传输设备组成,可实现隧道路段运营状况监控,紧急状况预警,从而确保行车安全。     

基于检测器脉冲数据的高速公路事件自动检测算法研究

提出了一种全新的高速公路事件自动检测算法,直接利用车辆检测器输出的脉冲宽度和脉冲间隔作为参数,运用LVQ神经网络对获得的脉冲宽度数据和脉冲间隔数据进行处理来判断是否有事件发生,从而大大减少了检测时间,为交通事件的快速处理提供了可靠的依据。此外,该算法利用神经网络的自学习能力,可以很好地确定各条道路发生交通事件的门限值。仿真结果表明:该算法具有较高的事件检测率(约为97%)、较短的检测时间和较低的误警率(约为0 41%),具有很好的应用前景。     

基于改进的RBF神经网络的高速公路交通事件检测

根据高速公路有交通事件发生时交通流将产生突变这一原理,采用改进的径向基函数(RBF)神经网络研究高速公路事件检测问题。分析交通流参数在有交通事件发生时的变化规影影响神经网络泛化能力的同时,加入多余节点的删除和合并策略,从而得到精简的网络结构。采用自适应学习方法进行隐含层节点的调整,使网络在不同的训练阶段能够自动选取不同的学习速率。仿真试验表明,该改进算法在高速公路交通事件检测中具有检测率高、学习速度快等优点,具有良好的应用前景。     

基于因子分析和最小最大概率机的交通事件检测算法

为了进一步提高交通事件检测的精度与效率,在多角度构建事件检测初始交通变量的基础上,设计了1种基于因子分析和最小最大概率机的交通事件检测算法。通过分析交通事件上下游交通流参数的变化规律,构建了11种初始交通事件检测变量,利用因子分析方法对初始交通变量进行特征提取,实现初始交通变量的有效降维,并分别采用核函数最小最大概率机算法和线性最小最大概率机算法进行交通事件检测。最后,采用美国I‐880数据库的实测数据进行实验验证和对比分析,实验结果表明,FA‐M PM算法较M PM算法事件检测率提高3.5%,误报率降低0.17%,平均检测事件减少了27.5s,且最小最大概率机算法的交通事件检测效果明显优于支持向量机算法和BP神经网络算法。      

一种基于ART2神经网络的高速公路交通事件自动检测算法

提出一种基于ART2伸经网络的高速公路交通事件自动检测的新算法。该算法利用高速公路交通流模型和ART2神经网络分别作观测器和分类器。观测器估计的数据和实际交通数据进行比较,得到残差序列;利用ART2神经网络对残差序列进行分类,以区分不同交通状态下的交通信息,达到检测交通事件的目的。本算法不但可以识别已知的交通事件类型。还可以识别未知的或从未出现过的交通事件类型,是一个可以边工作、边学习的检测系统。     

基于扩展卡尔曼滤波神经网络算法的公路货运周转量预测

介绍了扩展卡尔曼滤波的原理,针对人工神经网络神经元之间权值的调整过程,建立了权值调整的状态空间模型,并采用扩展卡尔曼滤波对该模型的状态变量进行递推估计.文中仿真以全国历年公路货运周转量为例,分别采用BP算法和扩展卡尔曼滤波算法对神经网络进行训练,2种训练方法预测的结果对比表明扩展卡尔曼滤波训练算法具有更好的准确性和更高的运算效率.     

小波神经网络在基于图象处理的路面破损识别中的应用

由于路面破损形式的多种多样,造成路面破损分类成为一大难题,这极大的限制了路面破损自动检测的普及和发展,使得路面破损自动检测即使在发达国家普及得也不够理想。本文主要研究基于图象子块分布特性的路面破损识别算法,对比研究了小波神经网络和传统的BP神经网络在基于图象子块分布特性的路面破损识别。仿真结果显示,小波神经网络优于传统的BP神经网络。     

基于动态概率神经网络的公路交通事件检测算法

从公路隧道事件及其自身特点出发,依据人工神经网络这一强大的无模型模式分类器,采用人工神经网络算法建立动态概率神经网络（DPNN）事件检测模型：模型采用的输入指标不是单独的交通流参数,而是几个参数的组合,充分利用交通数据中包含的交通事件信息,大大提高算法的性能。     

基于单线圈的车速检测算法研究

简述了基于环形线圈车速检测的基本原理、目前利用单线圈检测量进行车速估计的方法。在此基础上，提出了一种利用单线圈进行车速实时检测的算法，并设计了一套基于单线圈的车速检测系统，通过采集系统在实验中的数据，运用Matlab6．5对该检测算法进行了仿真分析。结果表明，算法基本符合设计要求。