共查询到20条相似文献,搜索用时 46 毫秒
1.
小波理论及其在交通事件检测中的应用 总被引:3,自引:0,他引:3
简介小流变换的基本原理,给出Mallat塔式算法的公式,采用小波变换的方法进行交通事件检测,并给出了利用小波变换进行交通事件检测方法的程序流程图。利用实际数据进行了分析,分析结果表明小波分析用于交通流数据分析有其优越之处。 相似文献
2.
基于小波包变换的交通事件检测 总被引:1,自引:0,他引:1
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。 相似文献
3.
基于小波变换的车牌图像检测定位算法研究 总被引:2,自引:0,他引:2
在讨论二维二进可分离小波及图像小波去噪的基础上,研究一种基于小波变换并结合其他多种图像处理方法的车牌图像检测定位的算法。实验表明,该算法对含噪的车牌图像能较好地完成检测定位。 相似文献
4.
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。 相似文献
5.
基于小波分析和神经网络的交通事件自动检测 总被引:5,自引:0,他引:5
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。 相似文献
6.
为准确界定交通流状态,辅助交通管理者对交通异常事件进行及时处理,提出了一种基于改进递归小波变换的异常点与变点快速检测算法,并将其应用于交通流实时监控与预警。首先,对历史交通流序列建立自回归模型,将残差序列的标准化有效分数向量作为统计量,利用3-Sigma原则,提出为统计量差分时序设定监控阈值的方法,实现了交通流状态的实时预警。其次,利用改进递归小波变换统计量,结合小波复合信息并综合考虑真实变点与估计变点之间的差异,选取小波变换特征频率与最优搜索长度,快速检测并估计交通流异常点与变点,实现了交通流状态的在线监控。最后,仿真试验和实例分析验证了算法的合理性与可行性。研究结果表明:设定的阈值对交通流变化趋势掌控明显,能够对交通异常状态进行及时预警;结合特征频率的复小波变换信息,能够有效检测并区分交通流异常点与变点;与基于有效分数向量的传统变点检测算法相比,算法的检测性能在延迟与收敛性两方面均有明显改善。该算法能够对交通流状态进行在线监控,这将为断面车流实时预警提供支持。 相似文献
7.
8.
在交通事件发生条件下,对交通流占有率、车辆占有率、速度3个特性参数进行分析,研究交通参数对于交通事件检测算法的敏感程度。通过TSIS交通仿真软件获得交通流的实时数据,最终得到交通事件检测算法中交通流参数的选择方法。 相似文献
9.
针对目前大部分交通事故检测算法没有考虑车辆相互遮挡的影响,导致在交通量比较大的情况下,算法运行结果比较差,为了解决这一问题,提出了基于类组成的时空马尔可夫随机场(简称ST-MRF)交通事故检测算法.该方法应用ST-MRF模型进行车辆跟踪,得到车辆的目标地图和运动矢量,获得交通流基本参数,结合安装在道路下游的检测器获得的交通流数据,采用语义层次算法对交通事件进行检测.为了验证算法的准确性,对该算法与仅仅使用基于ST-MRF车辆跟踪的得出的交通流数据来判断事故的发生的算法进行比较,发现本算法检测率要高.通过研究得出:基于语义层次组成的ST-MRF算法能在交通比较拥挤且车辆出现相互遮挡的情况下,准确检测到交通事件. 相似文献
10.
11.
12.
13.
14.
15.
基于小波消噪的ARIMA与SVM组合交通流预测 总被引:5,自引:2,他引:3
针对实际交通系统时变复杂和变化的不确定性所带来的交通流量非线性和强干扰性的特征,首先应用小波分析方法,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;然后采用自回归求和滑动平均(ARIMA)和支持向量机(SVM)的结合预测模型对交通流进行了预测,最后用实测交通数据进行了验证分析,得到了两个结论:一是组合预测模型比单个预测模型的预测精度高;二是小波分析消噪后的组合预测模型比没有消噪的组合预测模型预测精度高.结果表明消噪后的组合预测模型具有较高的预测精度,可用于交通流的实时动态预测. 相似文献
16.
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。 相似文献
17.
基于模糊综合识别的事件检测算法 总被引:8,自引:0,他引:8
在分析拥挤交通流特性的基础上,提出了一种基于模糊综合识别的事件检测算法,并可以确定拥挤成因,仿真研究结果比较表明该算法效果很好。 相似文献
18.
行驶车辆振动信号的小波分析 总被引:10,自引:0,他引:10
本文介绍了小波分析的理论方法,并上小波分析方法应用到了行驶车辆振动的分析中,即:通过二进离散小波变换,把实际振动信号进行多层小波分解,使异常信号和非平稳高频信号得到良好的时间定位和图形显示,并把信号的路面激励与本体振动分离开来。 相似文献
19.
20.
为了提高道路异常交通事件检测效率并降低误报率,提出了一种基于时间卷积自编码网络的实时交通事件自动检测方法。首先设计了基于波动相似性度量的交通模式搜索算法用来筛选具有相同交通规律的样本数据;并构造了交通流模式矩阵作为网络模型输入,以避免样本不均衡与单一样本数据随机性对交通模式学习的干扰;同时设计了新的时间卷积自编码网络对交通模式特征进行无监督提取并对未来交通参数进行合理预测;为了降低交通流参数随机波动性带来的事件判别的干扰,设计了异常状态评估方法,通过对模型预测误差分布的学习,结合当前检测数据给出最终的事件判定结果。采用美国西雅图I90公路与I405公路2015年全年的交通流检测数据与历史事故数据进行实证研究,并与6种典型交通事件检测算法进行性能对比。研究结果表明:基于时间卷积自编码网络的实时交通事件自动检测算法具有较高的检测率、较低的误报率以及更快的平均检测时间;综合各种交通运行情况下,可接受误检率分别为5%、10%时,平均检测率可分别达到93%、98%;同时算法能够自适应学习交通状态的动态变化,对不同交通运行环境具有较强适应性与稳定性。 相似文献