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.     

基于遗传算法的交通事件检测

针对神经网络交通事件检测算法的缺陷，提出遗传算法与神经网络相结合的事件检测算法。应用遗传算法优化交通事件检测的神经网络模型参数，得到事件发生与交通参数间的映射关系。最后，用实测数据对模型进行校验。结果表明该算法有很好的鲁棒性，能提高事件检测的效率。     

一种基于物联网的智慧交通事件检测算法

在研究了物联网的公共技术及应用前景的基础上,设计建立了智慧交通管理系统。在系统中提出了一种新的分层的事件自动检测算法:检测小流量的第一层事件检测算法、检测自由流量的第二层事件检测算法和检测大流量的第三层事件检测算法。最后通过对郑州西南绕城高速进行实验,验证了本算法的正确性和有效性,并得到了较好的检测效率。     

优化BP_AdaBoost算法及其交通事件检测

为了及时检测出高速公路上发生的交通事件,减少由于交通事件带来的损失,提出了一种基于遗传优化的BP_AdaBoost算法用于交通事件检测.提取高速公路上下游的车流量、车速与占有率作为BP(back propagation)神经网络的输入值,利用遗传算法全局搜索的性能优化BP神经网络初始连接权值和输出阈值,再通过多个新的BP神经网络弱分类器构建成AdaBoost强分类器,设计基于遗传算法优化BP_AdaBoost算法的交通事件分类器.以在东京高速公路采集的真实数据进行性能验证,试验结果表明,该算法可以提高BP弱分类器的性能,检测率达到97%,误报率降至3.34%,适用于高速公路交通事件的检测.     

基于S变换的罗音信号检测算法

呼吸音中的罗音信号随机性强,变异性大,同时又蕴含了丰富的疾病信息.为从呼吸音中有效地检测出罗音,文中引入S变换,提出了一种基于S变换的罗音信号检测算法.首先从呼吸音信号S变换的时频谱图中提取罗音的时频特征,降维后采用局部峰值判别法检测罗音.实验结果表明,该算法的罗音信号检测正确率达93.70％,检测性能优于其他算法,说明该检测算法是有效的.     

基于FA-SVM的高速公路交通事件检测方法

为了剔除交通数据样本有限、事件特征变量构建相对主观且包含的信息冗余等因素对交通事件检测效果的影响,设计了一种高速公路交通事件检测方法.利用因子分析技术将交通流数据初始特征变量"降维"并提取包含全部原始数据信息的特征变量主因子;利用支持向量机完成事件检测,结合libsvm软件中的grid. py模块实现支持向量机子模型相关参数的设定;选用Fresim软件的模拟数据进行对比分析.检测结果表明,所提出的算法检测效果优势明显.     

快速路交通事件检测方法

为了提出一种适用于任何流量并具有较高检测率和较低误警率的快速路交通事件检测算法,以统计理论、突变理论为基础,设计了事件影响指数检测算法.利用交通量数据,检验纵向时间序列与横向时间序列上流量的波动性和正态拟合性;分析事件数据与非事件数据的差异,得出交通事件数据变化特征.分析结果表明:纵向时间序列的波动性和正态拟合性优于横向时间序列;事件数据具有多模态、不可达、突跳等突变性特征.该算法误警率为0,检测率比经典的Cali-fornia算法高出10%.不同流量下的检测效果对比表明,该算法适用于各种流量,低流量状态下的检测效果更好.     

基于朴素贝叶斯分类的高速公路交通事件检测

提出一种基于朴素贝叶斯分类的高速公路非重现交通事件检测算法.将交通事件的检测看作是0-1分类问题,采用交通波动理论建立交通事件的特征属性概念模型,并利用分段离散化的方法将连续特征变量转换为离散特征变量,设计基于朴素贝叶斯算法的交通事件分类器.以典型高速公路的一条路段进行VISSIM仿真试验.结果表明:该算法的检测率高,且在高强度状况下,算法鲁棒性良好,适用于高速公路交通事件检测系统.     

高速公路隧道交通事件检测系统的开发

高速公路隧道交通事件是指破坏正常交通流量并造成交通堵塞的非重复性随机发生的事件,它包括交通事故、车辆抛锚、道路养护或施工等临时的大型活动.详细介绍了高速公路隧道交通事件检测系统的构成及主要功能.     

一种新型的交通事件检测算法研究

交通拥堵会造成车辆延误、旅行时间延长和空气污染加重等困扰城市的问题,给城市交通带来了严重的挑战。交通拥堵一般可分为常发性和偶发性两类。常发性拥堵是由于车流需求超过道路容量而产生,从不拥堵到拥堵需要一个过程．前后交通流参数（交通量、速度和道路占有率）的变化一般也是连续的：而偶发性拥堵是由于突发事件造成道路通行能力暂时下降而引起的拥堵．反映拥堵前后的交通参数变化呈不连续状态,并且前后的差值随事件的严重性而增大。不论是常发性拥堵,还是突发交通事件,都具有较为明显的数据变化特征,因此,只要有足够及时的样本数据,进行自动交通事件的检测是完全能够实现的。     

基于信号滤波的交通拥堵分析方法研究

针对交通拥堵定量分析不足的问题,以交通拥堵指数为例,对交通拥堵时间分布规律的定量分析方法进行了研究。利用散点图对全年的日交通拥堵指数进行了分析,提出交通拥堵指数虽然在短期内频繁变化;但在全年范围内表现出一定的变化趋势。基于此,利用信号滤波技术提出了年度交通拥堵指数的分析序列定义、频谱分析和滤波方法。最后,应用该方法研究了2013年度交通拥堵指数的变化规律,分析结果能够合理反映交通拥堵水平随日期的变化趋势,可以为交通拥堵治理提供决策支持。     

基于视频车辆轨迹模型的交通事件自动检测方法研究

 研究了车辆违章逆行、停驻、掉头、倒退、变道五类具有潜在危险的交通（违章）事件,并且运用了基于视频的交通事件自动检测技术所涉及的目标提取、车辆跟踪和事件理解与描述3个步骤实现交通事件的检测。着重研究并分析了车辆跟踪得到的行驶轨迹点,将复杂的车辆轨迹分解为前行、反行、停滞、斜行四类轨迹元素,并且根据4类轨迹元素对车辆的行驶行为进行数学建模,最后通过模型制定合理的检测算法。实验表明,该算法可以有效地区分正常车辆与事件车辆,能够快速准确地检测上述5类交通事件。     

城市道路交通拥堵自动判断算法研究

 与高速公路交通流特点相比较,从城市路网中交通流多数为间断流的特点出发,结合目前城市道路中所使用的交通流采集设备及信号控制设备,利用交通工程中交通流到达－离散模型对城市道路中不同类型的城市交通流进行分析,选择出符合交通流变化的数学模型对进入路段和驶出路段的交通流分别利用模型匹配,从而进行交通拥堵进行自动检测。这类算法的应用既为城市道路拥堵的自动判断提供了手段,又使得城市中所使用的智能交通设施发挥更广泛的作用。     

一种区域交通信号最优配时的算法研究

对信号交叉口数目不多的城市交通网络给出一种区域交通信号最优配时算法,这种方法是在城市交通网络平衡模型基础上建立的,并具有随流量变化而改变的自适应能力．     

高速公路管理中的交通事件视频检测系统

采用背景自动更新技术,实现了一个交通事件视频检测系统。该系统由分析仪、数据服务器和管理器等组成,可对交通事件报警,可在事件事故发生时自动录像,以及进行永久录像、管理员录像、多摄像机录像和外部触发录像,可测量交通参数,可进行远程维护,实现对道路交通安全管理。     

基于模糊支持向量机的高速公路交通事件的自动检测

利用支持向量机的全局优化、适应性强、泛化性能好等优点,针对实时交通流数据的随机性、高维、非线性和时变等特性,将模糊支持向量机应用于高速公路交通事件检测问题中。在识别阶段利用60组实测数据训练模糊支持向量机,利用60组实测数据进行测试,测试结果表明,利用FSVM进行交通事件检测,识别率达到96.7%。     

驾驶员异常交通信息响应特性的分析

根据以城市高速道路为背景的驾驶员交通选择行为的调查结果,分析了异常交通状态下驾驶员对信息的需求及其对不同信息的响应特性,就异常交通状态下提供交通信息应注意的一些问题进行了探讨。     

基于动态交通分配的杭州湾跨海大桥紧急事件管理

以环杭州湾区域内高速公路和主要干道组成的路网为研究对象,建立VISSIM动态交通分配仿真模型,模拟杭州湾跨海大桥发生紧急事件的多种场景;从路网、路径和路段3个层面出发,评估不同严重程度事故对路网整体运行状况的影响;量化评估车载诱导系统的作用.结果表明,事件持续时间是影响路网运行最关键的因素,相关部门的应急救援能力急需提...