基于因子分析与聚类分析的交通事件自动检测算法融合

针对目前通常只利用一种交通事件自动检测算法进行事件检测导致的效果不佳问题,在对单个交通事件自动检测算法产生漏警和误警的原因进行分析的基础上,设计了一套与之相对应的交通条件在线评价指标,并以因子分析与聚类分析为手段提出了一种基于多个交通事件自动检测基本算法的决策级融合方法。运用某特大城市快速路感应线圈实测数据进行验证的结果表明,在交通事件自动检测基本算法的误警率为0.5%左右、检测率为63.5%～66.1%的条件下,所提出方法的检测率和误警率分别达到了90.6%和0.0981%,明显优于对比方法的检测效果。     

基于悉尼协调自适应交通控制系统线圈数据的交通事件自动检测算法

为了克服目前悉尼自适应交通控制系统(Sydney coordinated traffic system,SCATS)获取的动态交通数据仅用于交通信号控制的局限性,从信息共享的角度,将SCATS中感应线圈获取的动态交通数据应用于交通事件自动检测。在详细分析了SCATS中感应线圈获取的交通数据特性的基础上,设计了一种新的交通事件自动检测算法,并采用实测数据进行了验证和对比分析。结果表明,所设计的新算法在检测率、误警率方面均优于经典的对比算法,可为改善SCATS覆盖道路在交通信号控制、交通信息引导和交通指挥等方面的协调性提供技术支持。     

基于模糊模式识别的高速公路交通事件的自动检测

通过模糊模式识别的方法,对高速公路交通事件进行自动检测。根据交通流量、速度和占有率,构造不同交通流状态的隶属函数,根据最大隶属度原则进行交通流状态的识别;构造3个变量的增量关于事件和非事件的隶属函数,根据最大隶属度原则进行事件的模糊识别。对算法进行离线性能评价,结果表明,模糊模式识别方法优于一般的事件自动检测(AID)方法,从而为AID提供了一种更科学有效的方法。     

基于纵向时间序列的快速路交通事件检测算法

为了提高快速路交通事件检测算法的效率,减少交通事件对快速路交通流的影响,在提出交通参数数据纵向时间序列定义的基础上,重新界定了异常交通状态的概念,分析了异常交通状态与交通事件之间的关系,利用增益放大原理设计了交通状态变异指数和以此为基础的交通事件检测算法,在确定交通事件位置的同时,给出事件的空间影响范围,并以某城市快速...     

高速公路交通事件评级机制研究

高速公路交通事件的发生会影响道路的通行效率,为辅助高速公路管理者掌握道路事件对交通运行的影响程度,从而对应急资源进行合理配置并实施管控方案,提出了一种基于排队论的交通事件评级机制。首先,对历史交通事件数据进行了分类分析,确定了事件严重程度的主要影响要素。其次,考虑事件发生时交通流量、占用车道数等因素对交通流运行的影响,以事件造成的排队变化速度为指标,提出了一种高速公路交通事件影响等级划分机制。最后,利用交通仿真软件SUMO对事件影响等级划分方法进行了仿真验证,该方法能够合理对交通事件影响等级进行划分。     

高速公路交通异常事件预警系统研究

为解决高速公路交通异常事件检测的实时性和可靠性问题,提出了一种基于RFID技术和控制器局域网的预警系统模型和具体架构,分析了系统的工作原理及关键技术。在此基础上,研究了高速公路交通异常事件预警原型系统。实验结果表明,该系统具有反应速度快,可靠性高的特点,能及时向可控范围内的交通参与者发布预警信息,减少交通异常事件带来的人员伤亡与财产损失。     

高速公路交通事件检测影响因素分析

高速公路交通事件的有效检测对保证交通安全、提高运输效率具有重大的经济效益和社会效益。文章首先对高速公路交通事件进行了种类划分,分别分析了常发性交通事件和偶发性交通事件对交通流的影响。采用交通仿真软件TSIS（traffic software integration systems）获取研究所需的数据,研究和分析如何进行交通事件检测算法的参数选择。通过对仿真数据的分析,发现以车辆占有率作为交通事件的检测参数更为合理。     

高速公路交通异常事件监控节点设计

为了提高高速公路交通异常事件检测的效率,提出一种基于CAN总线的高速公路交通异常事件监控系统,并给出较为具体的CAN总线智能节点的硬件结构框图及软硬件设计方案.根据该系统,可将各监控节点设计成CAN总线智能节点,分布于高速公路一侧,并与高速公路管理中心站构成一个CAN总线网络,以实现交通异常事件的检测.实验结果表明,各...     

基于收费数据的高速公路交通拥挤自动判别方法

针对高速公路交通拥挤日益严重的现象,通过对收费数据的深层挖掘和高效利用,提出了基于滚动时间序列的行程时间数据合成方法,以此为基础构建了交通拥挤指数,并基于交通拥挤指数的变化特征对拥挤持续时间进行了在线估计;结合收费站布局的时空特征,设计了基本路段和复合路段融合的高速公路交通拥挤自动判别方法．实证分析表明,该方法在判别率提高到96．52％,误判率降低到0．43％的同时,判别时间减少了74％,而且收费数据的获取成本为零．     

基于LVQ神经网络的城市快速路事件自动检测算法

基于具有自组织功能的学习矢量量化(LVQ)神经网络设计了城市快速路异常事件的自动检测算法,提出分车道检测的构想。研究了原始数据筛选、输入向量模式、神经元个数及检测时段等参数的选择。基于小波分析技术对原始数据的高频噪声进行滤波,引入长车流量作为输入参数,并对比了引入前后的检测效果。选用加利福尼亚算法作为评价的参考依据,对其执行过程和门限值的选择进行了研究。     

交通事件检测的一种滤波算法

利用维纳数字滤波原理,提出了交通事件检测的一种滤波算法,叙述了该算法的原理方法。     

拥挤收费政策交通影响评价

以拥挤收费政策交通影响评价为研究对象,运用非集计出行需求预测理论,建立了拥挤收费政策交通影响评价指标体系和居民政策响应行为预测模型系统,从出行方式、时间、空间分布等多方面综合评价拥挤收费政策对交通系统产生的影响,并对佛山市南海区实施拥挤收费政策的可行性进行了实证分析。结果表明,该政策的实施有利于南海区平衡出行时间分布,降低拥挤区域道路饱和度,但在交通结构优化和出行时间调整方面效果不甚理想。本文建立的以非集计理论为基础的"交通状况分析-管理政策制定-响应行为预测-实施效果评价"分析模式对我国城市制定、评价和实施相关交通需求管理政策有一定借鉴意义。     

面向不平衡数据集的SMOTE-SVM交通事件检测算法

针对现实中交通正常运行状态远多于事件状态这一事实,提出了面向不平衡数据集的交通事件检测算法.运用SMOTE (Synthetic Minority Over-sampling Technique)算法重构训练集,使之平衡,以支持向量机(Support Vector Machine,SVM)作为分类器,对交通事件进行检测.使用美国I-880高速公路获取的交通数据进行算法的训练和性能测试.结果表明,基于SMOTE-SVM的交通事件自动检测(Automatic Incident Detection,AID)算法可以提高检测率,减少平均检测时间.     

混合交通特征表达及快速检测算法

针对混合交通特征表达和分类识别的问题,提出了基于边缘偏心率向量的混合交通视频检测算法。将利用上下文比对获取的边缘信息与图像重心相结合构建混合交通的边缘偏心率向量,对混合交通前景进行了特征表达。再结合极限学习机建立了快速学习机制,实现了快速分类识别,克服了采用支持向量机训练难以达到实时检测的问题。试验结果表明:本文算法中各个类别的混合交通边缘偏心率特征区分明显,识别准确率可达93%以上,且处理速度快,能够满足实时检测的需求。     

基于社会福利最大化的城市轨道交通补贴决策

以社会福利最大化为目标,以票价、发车间隔、站间距以及服务区域面积等为决策变量,对城市轨道交通财政补贴问题进行了优化。针对无约束、盈亏平衡和补贴刺激三种状态分析了财政补贴的最优解决方案。并对无约束和盈亏平衡状态进行了敏感性分析,计算结果表明,对于城市轨道交通线路系统福利补贴在较广泛的范围内,最佳的福利曲线非常平坦。因此,在社会福利最大化的目标下,收支平衡财政补贴政策适合于城市轨道交通系统。在居住密度变化显著和道路网存在较大变化的区域,本研究结果可为政府对城市轨道交通系统的财政补贴提供依据。     

基于人工神经网络的交通事件检测

回顾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。     

基于遗传神经网络的区域交通控制效果评价

为了对区域交通控制效果进行有效的评价, 通过建立区域交通控制多目标评价函数, 提出了基于遗传神经网络的区域交通控制效果评价方法.该方法由VC++编程实现, 并采用VISSIM仿真软件进行了模拟与测试, 经验证具有较好的实用性.     

高速公路交通事件管理智能决策支持系统

事件管理是一个非常复杂的非结构化问题，而智能决策支持系统能够很好地解决非结构化问题，为决策者提供科学合理的建议，辅助决策．讨论了高速公路事件管理的一般过程和内容，并从事件管理的需要出发，以智能决策支持系统理论为基础，从模型库、数据仓库、知识库的设计入手，给出了高速公路交通事件管理智能决策支持系统的设计方法．     

城市轨道交通出站楼梯处乘客排队机理

在实测数据的基础上,分析了轨道交通出站乘客的出站规律,拟合了出站乘客在通道内和楼梯上的流量-密度曲线。在所得流量-密度曲线的基础上,研究了两个不同出站通道宽度条件下楼梯处乘客的排队机理。研究表明,拥堵产生时,通道和楼梯上乘客的水平速度近似相等,但楼梯上乘客的密度小于通道内乘客的密度,楼梯的通行能力低于通道的通行能力,从而产生乘客排队现象。     

基于上下文的交通事件表达与识别

提出了一种基于上下文的交通事件表达与识别方法。首先,利用视频检测与跟踪算法提取前景运动目标及其参数;然后按照交通事件发生的具体环境将上下文分为空间上下文、时间上下文以及对象上下文;在此基础上,结合运动目标的特征属性与上下文相关信息,提出事件单元的概念,并根据事件单元发生的时序将事件表达为基本事件和复杂事件,最后给出了事件的识别方法。通过对实际交通视频监控图像进行验证分析可知,本文方法能够有效自动识别交通事件,为智能化交通管理控制提供技术支持。