基于V-支持向量分类机的交通事件检测方法研究

基于支持向量机在解决分类问题的优势，本文提出基于V-支持向量分类机的交通事件检测方法。首先把交通事件是否发生看成是一个特殊的分类问题，选取V-支持向量分类机和核函数，根据以往的交通事件是否发生的检测数据，即分别在发生交通事件和不发生交通事件两种情况下的上下游车道占有率，计算出其当前时段的上下游车道占有率的绝对差、相对差，以及下游前两时段与当前时段车道占有率的相对差，以此作为V-支持向量分类机的输入，对其进行训练，然后输入现阶段检测到的相应车道占有率统计结果，利用训练完成的V-支持向量分类机来判别是否发生交通事件。最后，本文以微观交通模拟的数据验证模型的效果。     

交通事件下路段通行能力多层模糊估计方法

交通事件常导致道路网络区域性拥堵。研究交通事件下路段通行能力估计方法，有助于精准施策，缓解交通拥堵，提高道路服务水平。针对交通事件下路段通行能力影响因素复杂、样本数据量少等问题，本文提出基于多层模糊的通行能力估计方法。首先，宏观分析路段通行能力影响因素间关联性，基于模糊逻辑，构建通行能力估计模糊子系统，并将各类交通事件影响量化为多项特征值。其次，研究以交通事件影响量化特征值为输入，构建路段通行能力多层模糊估计方法，输出路段通行能力折减率。最后，通过实际案例验证模型的有效性，对比分析交通事件下路段通行能力实测值、经典通行能力计算方法与本文方法。结果表明：本文方法适用于多种交通事件场景，通行能力估计总平均误差为5.43%，相较HCM折减车道法估计精度显著提高。在交通事件动态检测数据支撑下，研究成果可在线估计交通事件影响下的路段通行能力，可为交通管理部门实现非常态下的智能管理与控制提供支持。     

基于多SVM分类器融合的高速公路异常事件检测方法

提出了一种利用多SVM分类器对高速公路中的复杂交通信息进行有效融合的异常事件检测方法.首先,将初始训练集划分为互不重叠的子集,为每个子集训练分类器.给定一个输入向量,利用分类器求得其所属的类别标签,并计算出该向量对特定簇的隶属度.其次,利用概率方法将多SVM分类器分类结果进行融合,得到最终分类结果.接下来,将“车流量”、“行车速度”、“道路占用率”、“相邻监测站的车流量差值”、“速度差值”以及“道路占用率差值”等交通参数表示为特征向量,分别输入到经过训练的SVM分类器,并将多SVM分类器融合后的分类结果作为判别异常事件的依据.最后,从5个具有代表性的高速公路路段采集到的交通数据构造实验数据集.实验结果表明,对比单一SVM和LS-SVM,文章提出的基于多SVM分类器融合的高速公路异常事件检测方法可以有效提高高速公路异常事件检测的准确性和可靠性,弥补了仅使用单一交通参数进行异常事件检测的不足.     

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.     

神经模糊系统在船舶危险度中的应用

在海上交通工程学的最新研究成果的基础上，提出了用一种神经模糊系统计算船舶碰撞危险度的方法．利用人工神经网络的优势，将模糊系统构造成一种神经网络系统，可有效地解决船舶智能避碰系统中模糊规则难以获得的问题．通过实验仿真，系统获得了较为满意的数据．     

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．     

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。     

基于神经网络的模糊逻辑设计算法

提出了一种利用神经网络学习功能来设计模糊逻辑的方法。用类神经网络算法产生模糊规则和隶属函数，通过学习得到的模糊规则、隶属函数和以新模型推理、逆模糊化为基础的新模糊设计，显著地改进了系统性能，缩短了设计周期，将规则数目和隶属函数最优化，可有效降低系统成本。     

一种获取与优化模糊规则基的混合学习算法

提出了一种二层学习算法来优化模糊规则基。利用Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊神经网络对一个模糊规则基进行参数学习,学习方法为梯度下降法,然后利用遗传算法对规则基进行结构调整,采用二进制编码方法,一条规则对应于一个基因位,一个规则基对应于一条染色体。这种二层优化方法能较好地减少模糊规则基的冗余度,化简模糊规则基。仿真实验也证实了这一点。     

基于克隆选择算法的模糊规则提取方法

结合人工免疫系统的克隆选择原理,采用克隆算法进行优化,提取通过多精度模糊分割产生的大量模糊if-then规则中的优质分类规则,建立了模糊分类所需要的有效规则集来实现分类的目的.由该方法所提取的模糊规则集具有分类正确率高、规则数目较少及识别时间短的特点.     

基于改进OLS算法的RBF神经网络 高速公路事件探测

提出了一种基于模糊聚类技术和RBF神经网络的混合智能高速公路事件自动探测算法,同时改进了用于RBF神经网络训练的Oils(正交最小二乘)选择算法.仿真实验证明,改进的OLS选择算法大大提高了RBF神经网络的训练速度同时具有无须事先确定RBF中心的优点,将之运用于公路事件探测可以获得满意的性能.     

基于混合遗传算法的物流配送模糊车辆调度问题研究

在同时考虑物流配送总费用和服务水平的基础上,建立适合物流配送模糊车辆调度问题的数学模型.并且采用期望值选择法,将爬山法与遗传算法相结合,构造了求解该问题的混合遗传算法.研究表明,用该算法求解物流配送模糊车辆调度问题,能够很快收敛到满意解.     

基于遗传动态模糊聚类的道路交通状态判定方法

针对当前城市道路交通状态判定时采用的模糊c均值聚类(FCM)和c均值聚类等方法的有效性较差的状况,提出了一种基于遗传算法的动态模糊聚类方法,通过计算交通流参数之间的模糊相似性,不失真地反映它们之间的内在关联,同时将交通流参数之间的模糊相似性映射到样本之间的欧氏距离,即将高维样本映射到二维平面,利用遗传算法不断优化两者之间的映射,使交通流参数之间的欧氏距离逐步趋近于其模糊相似性,实现动态模糊聚类,仿真实验结果证明了该方法的可行性和有效性.     

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。     

高速公路尾随相撞事件的贝叶斯网络致因分析模型

应用上海市高速公路1104条事件数据,基于专家知识和数据融合方法建立贝叶斯网络结构;利用服从Dirichlet分布的贝叶斯方法进行参数学习;运用团树传播算法进行推理分析。研究了上海市高速公路尾随相撞事件类型与不同道路环境条件之间的关系。在验证贝叶斯网络模型的有效性后,系统分析事件致因,并提出改进措施。发现重大尾随相撞事件易发生在大中型车与小型车之间;夜间易发生大中型货车的重大尾随相撞事件,尤其是凌晨0时至6时;路表潮湿状态下的非普通路段上易发生大中型客车的重大尾随相撞事件。结果表明贝叶斯网络建模能够更好的反映事件致因因素的多维性及关联性,是交通事件致因分析的有效方法。     

A FUZZY REASONING PETRI NET MODEL AND ITS REASONING ALGORITHM

ＩｎｔｒｏｄｕｃｔｉｏｎＰｅｔｒｉｎｅｔ（ＰＮ）ｉｓａｍｏｄｅｌｉｎｇｍｅｔｈｏｄｕｓｉｎｇｎｅｔｇｒａｐｈｓ．Ｕｓｕａｌｌｙ,Ｐｅｔｒｉｎｅｔｉｓｕｓｅｄｔｏｍｏｄｅｌａｎｄａｎａｌｙｚｅｄｉｓｃｒｅｔｅｅｖｅｎｔｓｙｓｔｅｍｓ（ＤＥＳ）,ｓｕｃｈａｓｃｏｍｍｕｎｉｃａｔｉｏｎ,ｍａｎｕｆａｃｔｕｒｉｎｇｓｙｓｔｅｍｓａｎｄｓｏｏｎ．Ｃｕｒｒｅｎｔｌｙ,ｓｏｍｅｗｏｒｋ［１,２］ｉｓｂａｓｅｄｏｎａｃｏｍ－ｂｉｎａｔｉｏｎｏｆＰｅｔｒｉｎｅｔｓａｎｄａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ…     

一种模糊隶属函数的自动生成算法

提出了一种模糊隶属函数的自动生成算法，该算法基于样本数据的变化趋势对数据进行预处理，同时结合模糊C均值方法，实现连续数据的离散化，直观、合理地确定了模糊隶属函数的中心参数，并应用MATLAB语言实现了模糊隶属函数的自动生成算法。     

基于遗传算法的模糊控制器设计

研究了基于遗传算法的模糊控制器的设计,用以解决生产过程中的实际问题.在具体实施中,首先解决了模糊控制器的设计问题.其次,对如何利用遗传算法对模糊规则寻优的问题进行研究,通过遗传算法,设计和动态优化模糊控制规则.解决模糊控制器的瓶颈问题.