基于核Fisher鉴别的微波数据交通事件检测算法研究

交通事件的迅速、有效是高速公路交通管理与控制的重要组成部分。本文提出一种基于核Fisher鉴别的微波数据交通事件自动检测算法。通过分析交通事件发生后交通参数的变化规律,选择合适的检测参数;再根据实际采集的西安市南二环的微波交通流数据,训练核Fisher鉴别分类器,得到最佳判别阈值,从而检测交通事件的发生。实验数据验证表明,本文方法效果良好,检测正确率高达92%。     

基于模糊的城市快速路交通流状态判别

“交通状态”具有外延不明确的模糊信息特征,交通流自身特征和评价主体的专业知识都不可忽视。因此,基于快速路检测线圈数据,引入了基于知识的模糊系统来判别快速路交通状态。在充分分析各种交通现象的基础上,提出了交通状态划分原则、依据,评价指标,以及状态判别的模糊集和模糊规则。该方法可以动态的显示路网的交通拥挤范围,为实施交通信息发布以及后期交通瓶颈的判别和改善提供依据。     

基于模糊的城市快速路交通流状态判别

"交通状态"具有外延不明确的模糊信息特征,交通流自身特征和评价主体的专业知识都不可忽视.因此,基于快速路检测线圈数据,引入了基于知识的模糊系统来判别快速路交通状态.在充分分析各种交通现象的基础上,提出了交通状态划分原则、依据,评价指标,以及状态判别的模糊集和模糊规则.该方法可以动态的显示路网的交通拥挤范围,为实施交通信息发布以及后期交通瓶颈的判别和改善提供依据.     

基于D-S理论的城市快速路交通事件自动检测算法

为有效提高快速路交通事件检测的覆盖率,解决算法误判率较高的问题,本文通过分析交通事件发生时交通流参数在时间维与空间维的变化,分别提出了基于固定检测器的多参数判别算法与基于浮动车的时空二维判别算法.当两个数据源算法同时满足检测条件时,研究以D-S理论为基础,将两个子算法有效地结合,实现事件的综合检测.最后,研究利用北京市...     

城市快速路三维集成交通事件自动检测算法

为了及时、准确地检测交通事件并采取有效的管理手段,提高城市快速路交通管理水平,在总结现有交通事件自动检测算法优缺点的基础上,提出了一种基于二维空间和一维时间的交通流异常变化的三维集成交通事件自动检测算法(集成AID算法),并利用北京市二环快速路上现有的交通流数据及相应的交通事件信息,对提出的集成AID算法进行验证,对其有效性和实用性进行分析。结果表明:该算法能够对快速路交通事件进行有效检测,与各个维度的子算法相比,能有效提高检测率,降低误报率,能够满足实际工程应用的需求。     

一种新的快速路交通事件综合检测算法

介绍了传统交通事件检测系统的组成及传统交通事件检测算法,在指出传统交通事件检测算法存在的主要问题的基础上,提出了一种新的快速路交通事件综合检测算法。该算法主要舍事件检测、检测学习、综合判断三部分,将加州算法、基于交通流模型优化的McMaster算法、基于统计的相邻车道数据比较算法、基于模糊聚类的事件检测算法的检测结果进行综合判断,从而得到交通事件信息。实验表明,该交通事件综合检测算法的判断准确度优于其他算法,且运算速度满足实际应用需要。     

基于行程时间估计的快速路检测器布设密度优化方法研究

随着智能交通运输系统对道路实时交通信息的迫切需求,布设高密度、全方位的交通检测器已成为共识,但是高密度的检测器布设带来的是硬件投资的急剧增加,因此有必要进行检测器布设密度的优化。利用快速路行程时间估计方法分析了检测器布设密度优化问题,认为从行程时间估计误差和合理投资的角度出发,检测器布设并不是密度越大效果越好,而是存在一个合理范围,该范围可以指导工程中实际检测器数目的选择。     

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。     

基于神经网络的交通事件检测算法

回顾了几种传统的交通事件检测算法，提出从多层前向人工神经网络角度建立模型，并运用ＢＰ算法予以实现。在将ＢＰ算法与传统算法进行比较之后，发现ＢＰ算法具有检测率高、误报率低、检测时间短的优点，同时也存在不足之处，指出了今后进一步研究的方向。     

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。     

Customization of Automatic Incident Detection Algorithms for Signalized Urban Arterials

Non-recurrent congestion or incidents are detrimental to the operability and efficiency of busy urban transport networks. There exist multiple automatic incident detection algorithms (AIDAs) to remotely detect the occurrence of an incident in highway or freeway scenarios; however, very little research has been performed to automatically detect incidents in signalized urban arterials. This limited research attention has mostly been focused on developing new urban arterial specific algorithms, rather than identifying alternative methods to synthesize existing freeway-based algorithms for urban conditions. The main hindrance to such synthesis is that the traffic patterns on the signalized urban arterials are significantly different from the same on highways/freeways due to the presence of traffic intersections. This article introduces a new strategy of customizing the existing AIDAs (freeway based or otherwise) to significantly improve their adaptability to signalized urban arterial transport networks. The new strategy focuses on preprocessing the traffic information before being used as input to a freeway/highway-based AIDA to lessen the effect of traffic signals and to imitate the input patterns in highway/freeway-based incident conditions. The effectiveness of this new strategy has been established with the help of four existing AIDAs. The proposed strategy is a simple solution to implement existing algorithms to signalized urban networks without any further instrumentation or operational cost.     

基于手机定位的高速公路事件检测方法研究

改善自动事件检测方法的检测率(DR)、误报率(FAR)和平均检测时间(MTTD),对于提高事件管理效率至关重要。在分析现有检测方法的基础上,提出基于手机定位的高速公路事件检测方法并给出一种检测算法。算法以在路车辆上每部手机的定位数据为基础,由此获取平均速度、速度标准差和速度变化系数作为特性参数,采用模糊综合评判方法判断道路交通运行状态,实现高速公路事件的自动检测。模拟实验证明了该算法的有效性。     

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。     

基于数据融合的城市道路交通事件自动检测

针对交通事件自动检测多以高速公路、城市快速路为对象以及使用数据源单一的现状,提出一种基于多源数据融合的城市道路交通事件检测方法。在对信号控制下交通事件引起的交通流变化进行分析的基础上,利用杭州市城区浮动车、SCATS、Citilog系统提供的实时交通数据,基于CUSUM算法构建差分流量和速度交通事件检测模型。该模型可以有效抑制交通信号对于交通流的周期性影响。实验表明,模型在高峰时段和平峰时段均能快速准确检测交通事件。     

基于SVM的高速公路路基病害自动检测算法

针对当前探地雷达(GPR)数据解释主要依赖专家经验存在的解释结果主观性强和数据解释周期长等问题,利用高速公路路基病害将导致其厚度和层界面反射信号的幅度发生改变等客观信息,结合探地雷达杂波抑制、层界面检测和平滑、感兴趣区域(ROI)提取、特征提取和模式识别技术,提出了一种新颖的高速公路路基病害自动检测算法,并利用该算法对江西省昌九高速公路南昌段采集的GPR数据进行了分析.研究结果表明:该算法的检测结果与结合专家经验和钻孔取芯样本构建的Ground Truth数据库的吻合度高达92.7％,且具有自动、快速等优越性,可为指导制定合适的养护策略及合理分配养护资金提供科学依据.     

基于GIS的城市快速路交通仿真模型研究

在对GIS与交通仿真的发展进行全面论述的基础上,设计了仿真模型的总体结构与功能,重点对在GIS平台上实现模型的数据输入、输出接口,以及面向城市快速路交通仿真构建相应的数据库与仿真图层进行了设计与开发。本文提出了GIS和交通仿真相结合的建模思想,实现了该仿真模型的部分功能,拓宽了交通仿真的应用领域。     

基于小波变换的城市道路交通事件检测

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。