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．     

自动事件检测算法的比较及评估

对现有的几种典型的高速公路事件自动检测算法的性能进行了评价,并给出各种算法的优缺点及比较评估标准,采用检测率(DR)和误报率(FAR)特征曲线及模拟退火算法进行了评价和优化,在比较、分析结果的基础上提出了智能检测算法的概念,并指出其今后的发展趋势。     

基于小波分析的高速公路事件检测算法

以高速公路为研究对象,首先利用突变理论分析了事件发生对高速公路交通流特性的影响,并建立了突变交通流模型,然后在此基础上设计了一种基于小波理论的事件检测算法。该算法利用小波变换放大交通流奇异点特征,根据小波系数幅值变化情况检测道路交通事件。为求取小波系数模值,对Newto—Core数值积分算法进行了改进,使其能充分反映M...     

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。     

交通事件检测系统在高速公路中的应用

介绍了新一代智能交通信息管理系统,它融合了车辆跟踪检测技术、虚拟线圈技术,极大地满足了高速公路运营管理部门对实时交通事件的监控管理需求.     

基于神经网络和多信息融合的高速公路交通事件检测算法

高速公路事件检测是事件管理过程的核心和关键,在总结国内基于神经网络事件检测算法的基础上,提出基于LVQ网络模型和信息融合的交通事件检测新算法,将主线检测器得到的信息和收费站处得到的信息进行融合来判断交通事件的发生。将LVQ神经网络作为分类器进行交通事件自动检测,为进一步提高神经网络的泛化能力,采用改进的Boosting算法,进行网络集成。仿真实验表明: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。     

高速公路事件自动检测算法综述

对智能交通系统(ITS)的重要组成部分交通事件自动检测(AID)技术进行了综述。通过分析日益严重的交通拥挤问题及其对社会经济产生的负面影响，提出了AID研究的必要性。介绍了高速公路AID算法的分类与性能评估指标，重点阐述了各种算法的原理并对其进行了性能的比较分析，针对存任的问题和高速公路交通事件管理的实际需要，指出了未来AID研究的重点。     

试论高速公路交通事件视频车辆的检测技术

交通意外事故一直威胁着车辆及人员的安全,视频车辆交通事件检测技术的运用可显著改善交通运行的安全性,通过监控交通的方式及时报警事故处理。基于此,主要对高速公路交通事件视频车辆的检测技术进行了探讨。     

基于浮动车的高速公路交通事件自动判别方法研究

交通事件判别是高速公路事件管理系统的重要组成部分，提高事件判别算法性能可以显著改善事件管理系统的运行效果．文中阐述了国内外交通事件自动判别方法的研究现状，分析了以往基于固定式检测器的事件判别算法之不足，如检测速度较慢、低流量情况下检测效果较差、可移植性不强等．根据交通事件会显著影响车辆运行速度这一特点，提出了一种基于浮动车数据的交通事件自动判别算法．仿真结果表明，算法具有较高的事件判别率（92．5％）、较低的误判率（1．2％）和较短的事件判别时间（1．6min）．     

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2 0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...     

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。     

���ڴּ�����Ԥ�������ݵ��� ���罻ͨ�¼��Զ�����㷨

提出了一种基于粗集理论预处理数据的神经网络交通事件自动检测算法.首先简单介绍T数据挖掘技术中的粗集理论，然后说明了算法的原理、计算步骤以及所用的神经网络模型，最后为检验算法的有效性，时MATLAB编制的仿真程序的生成试验数据做了较充分的仿真试验.试验测试结果表明了此方法的有效性.     

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。     

��ͨ�¼���⼼���Ľ�չ�о�

交通事件是造成偶发性交通拥挤的主要原因,由于交通事件的发生时间和地点是随机的、不可预测的,偶发性拥挤难以采取控制交通需求或提高通行能力等减轻常发性拥挤问题的对策来处理。因此偶发性拥挤控制的关键是尽早地发现事件、确认事件的性质并及时采取救援措施和为其他驾驶员提供相关信息,这也就是要建立一个完善的事件管理系统,对事件实现快速、高效、恰当地处理。交通事件检测是交通事件管理第一步,也是其技术关键,本文从总体上介绍了交通事件检测技术的研究现状,详细介绍了各种自动和非自动交通事件检测技术,对两类技术进行了比较,提出了实际应用中交通事件检测技术的选择方法。     

信息融合技术在交通事件自动检测中的应用

多传感器信息融合技术这一新兴信息处理技术的出现,为交通事件自动检测(Automatic Incident Detection,AID)算法的设计提供了新的解决方案。将多传感器信息融合技术引入交通事件检测领域,设计了一种基于信息融合技术的交通事件自动检测算法。该方法结合了信息融合理论和小波神经网络算法,充分发挥了多传感器信息融合与小波神经网络理论的优势,使得事件检测的结果更加准确。通过仿真试验,该检测算法的优越性得到验证。