基于神经网络的ETC收费广场服务水平分类方法

鉴于采用数学建模的方法来划分服务水平的复杂性以及Kohonen网络的自组织学习能力和良好的鲁棒性，提出了利用Kohonen网络对收费广场服务水平进行分类的方法，并用该方法对一个含有不停车收费方式(Electronic Toll Collection，ETC)与停车收费方式的收费广场服务水平进行了分类，结果表明该方法是很有实用价值的。     

一种基于多信息融合的事件检测算法

高速公路事件自动检测算法是高速公路事件管理系统的核心.目前的事件自动检测算法普遍采用流量、速度和/或占有率作为检测参数,这些参数可由道路主线上的检测器得到.但这种检测方法要求路上埋设有一定密度的检测器.而目前在我国的很多高速公路上都存在着埋设检测器数量少、间距大的现象,以至这些算法在实际应用中检测效果很不理想.针对高速公路检测器的埋设现状,提出了一种新的事件检测算法,将主线检测器得到的信息和收费口处得到的信息进行融合来判断交通事件的发生.仿真试验表明:与传统事件检测算法相比,该算法具有更高的检测率、更低的误报率,可以明显改善检测效果.     

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。     

交通事件管理系统研究现状综述

事件管理系统是智能运输系统的一个重要组成部分.该文首先阐述了建立交通事件管理系统的必要性,然后介绍了国内外事件管理系统的研究与应用情况,并对事件检测、事件影响预测和救援方案的制定等关键问题的研究现状分别进行了介绍,分析了各种不同方法的优缺点.最后对目前的研究与应用情况进行简单总结.     

自动车型分类(AVC)系统的研究

分析和讨论了自动车型分类系统原理及发展状况以及各自的优缺点，同时根据比较各种AVC原理的差异和可行性，通过利用自动车型分类系统的关键技术中的红外扫描检测、光纤传感器检测的两大部分，提出了一种比较适合中国国际情况的自动车型检测的方法。     

基于多元回归分析的事件持续时间预测

事件持续时间预测是实现先进的事件管理系统的一个重要基础。本文通过多元回归分析法对高速公路事件持续时间预测问题进行研究。首先通过方差分析(ANOVA)确定对事件持续时间具有显著影响的因素。在此基础上,通过逐步回归分析确定用于高速公路事件持续时间预测的最佳变量组合并建立多元线性回归模型。经检验,预测值与实际值的相关系数为0.8573,预测结果基本能够反映真实的事件持续时间情况。     

基于决策树的高速公路事件持续时间预测

利用决策树方法对高速公路事件持续时间预测问题进行研究。首先在借鉴各国研究经验的基础上，根据所研究事件数据集中的事件持续时间数据的分布特征确定构造基于决策树的预测方法；然后用整理得到的660组事件数据，通过对各类事件的显著性分析，建立高速公路事件持续时间预测决策树，并用同一数据集中未用于决策树构造的170组数据对决策树的预测效果进行检验。检验结果表明：所开发决策树的预测值与实际值的相关系数为0．8423，预测结果基本能够反映真实的事件持续时间情况。