基于RTMS的高速公路事件检测系统设计

从软件设计与实现的角度出发,以满足现代高速公路运行管理对交通事件检测的需求为目标,探讨了基于远程交通微波检测器(RTMS,Remote Transportation Microwave Sensor)的高速公路事件检测系统的设计方案,阐述了系统软件结构及各模块的功能与实现方案,介绍了应崩于该系统的交通事件自动检测算法.系统通过采集RTMS检测到的交通数据,运用自动检测算法检测高速公路上异常事件的发生,配合使用CCTV监控摄像机进行人工核实,可以更加准确、快速地确认事件,以便交管部门进一步采取相应处理措施.     

基于主分量分类的交通事件自动检测算法

利用主分量分类方法,研究改进的基于主分量分类的交通事件自动检测算法。主分量分类方法是一种改进的两类模型分类法。该分类法求解样本方向,该方向可以看作超平面的法方向,根据这个方向将样本中一类数据从另一类数据中分离。样本在法方向上的投影用来估计每个实例的条件概率,然后根据贝叶斯规则实现实例的分类。对于线性不可分等复杂的分类问题,可通过核函数作用将数据映射到高维特征空间中实现线性可分。最后对I-880高速公路事件数据的仿真结果表明,KPCC算法获得了100.00%的检测率、1.82%的误警率和1.02分钟的平均检测时间。     

基于PCA和SVM的交通事件自动检测算法

支持向量机分类在处理高维的小样本学习问题上具有优异的表现,特别是具有很好的范化能力。然而其在处理一些高维的原始数据时维数会有冗余,那么样本的主要特征必须被首先选出来以改善支持向量机的性能。将主成分分析技术引入以减少原始样本的特征维数,并且预先有效地预选取主要的特征。在所选取的特征空间中构建支持向量机改善学习速度和检测性能。在对I-880高速公路事件数据的仿真结果表明,所提出的基于主成分分析的支持向量机减少了误警率和平均检测时间。     

基于Adaboost算法的交通事件检测

提出一种Adaboost BP神经网络的交通事件检测方法:以上下游的流量和占有率作为特征,用BP神经网络作为分类器进行交通事件的自动分类与检测.在BP神经网络的训练过程中,提出一种新的训练算法,提高了神经网络的分类能力.为了进一步提高神经网络的泛化能力,采用改进的Adaboost算法,进行网络集成.运用Matlab进行仿真分析.结果表明所提出的交通事件检测算法具有较好的检测性能.     

基于BP神经网络的高速公路交通事件检测

回顾了几种传统的交通事件检测算法，提出基于多层前向人工神经网络的检测模型，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、平均检测时间短的优点，同时也存在不足之处，指出了今后进一步研究的方向。     

基于改进的Adaboost算法的交通事件自动检测

针对交通领域中的事件检测(无事件模式和事件模式)模式识别问题,提出了一种基于改进的Adaboost算法的交通事件检测方法。阐述了Kohonen神经网络的结构与训练算法,分析了事件对交通流的影响规律,并合理地选取了Kohonen神经网络的输入量;最后采用改进的Adaboost算法对分类结果进行加权投票。仿真实验表明,提出的方法学习速度快、泛化能力好,对交通事件具有较好的检测效果。     

基于二值检测器的交通异常事件传感器设计

针对高速公路交通异常事件检测难度大、成本高等问题,提出了一种基于二值检测器的高速公路异常事件传感器的设计方法;利用二值检测器的特点,通过对SCM设计并结合状态识别算法获得车流量、时间占有率等交通状态参数;为了降低管控中心异常事件检测算法的设计难度,提高整体系统的运行效率,传感器选择性地提供必要的交通状态参数;最后管控中心通过对交通状态参数分析处理,实现异常事件的检测;仿真实验结果表明,该设计具备可行性。     

基于Bagging算法和遗传神经网络的交通事件检测

提出一种集成遗传神经网络的交通事件检测方法,以上下游的流量和占有率作为特征,RBF神经网络作为分类器进行交通事件的自动分类与检测。在RBF神经网络的训练过程中,采用遗传算法GA（Genetic Algorithm）对RBF神经网络的隐层中心值和宽度进行优化,用递推最小二乘法训练隐层和输出层之间的权值。为了提高神经网络的分类能力,采用Bagging算法,进行网络集成。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。     

基于视频的隧道交通事件检测系统研究

关于隧道视频的隧道交通事件检测系统的进一步研究,提出高斯模型的车辆检测方法,并通过实际实验论证是可行的。     

基于视频图像的交通事件自动检测算法综述*

基于视频的交通事件自动检测是近年来计算机视觉和人工智能方面的研究热点。首先分析了交通事件自动检测的研究现状,对其中涉及到的目标检测、目标跟踪以及行为识别与理解进行描述。目标检测和跟踪得到的是底层信息,而实现交通事件的自动检测需对跟踪结果进行更深层次的理解和识别。其次重点介绍了运动理解和行为识别中的HMM（隐马尔可夫模型）方法和SOFM(自组织特征映射神经网络)方法。最后从运动分割和特征提取方面分析了技术难点及解决方案,对可能的研究方向进行一定的预测。     

基于跟踪算法和模糊推理的交通事件检测方法

针对高速公路交通事故容易引发大规模拥堵的问题,提出了一种基于视频的快速检测算法,实现了事件信息的快速反馈。首先利用平稳序列法获取背景,并由背景差法获取前景。然后在使用凸包占有率对遮挡进行检测的基础上,采用改进的卡尔曼滤波特征匹配跟踪算法对车辆进行跟踪。最后通过对交通流的速度和流量进行检测,建立速度、流量与交通流状态之间的映射关系,运用模糊推理方法判别交通事件的发生。实验结果证明,本文提出的 方法能有效地获取前景信息,并能实时有效地对高速公路上的交通事件进行检测。     

基于支持向量机的高速公路事件检测算法

针对高速公路事件检测算法的重要性,从高速公路交通流的特点出发,根据事件检测的基本原理,对基于支持向量机的高速公路事件检测算法进行研究。设计了2个实验,在每个实验中分别设计了基于线性不可分支持向量机（SVM）、高斯径向基核函数、双曲线正切核函数的事件检测算法,以此验证算法是否有效。利用林智仁教授的Libsvm工具箱参数优化模块对各实验的惩罚参数C和核参数进行优化选择。仿真结果表明：针对不同的实验,选择合适的SVM模型和核函数,可获得比California算法更好的性能指标。     

基于Adaboost算法的高速公路事件检测

本文介绍Adaboost方法的基本原理及算法;阐述了高速公路事件检测原理并进行了参数选择,确定了神经网络的结构,提出利用Adaboost方法进行高速公路事件检测并给出了该方法事件检测的算法步骤,最后进行了仿真实验。实验结果表明,该算法可以大大提高弱分类算法的性能,具有较高的检测率和较低的误报率,适于高速公路事件检测。     

基于支持向量机的高速公路事件检测

提出用支持向量机分类方法研究高速公路事件检测问题。阐述了支持向量机分类算法,根据交通事件对交通流参数的影响规律选择了支持向量机的输入量,用高速公路管理处提供的样本数据进行了仿真研究。仿真实验表明,支持向量机事件检测算法具有检测准确率高、训练时间短、泛化能力好等优点,它为事件检测提供了一种切实可行的新思路。     

基于对向传播网络的交通事件检测算法

针对高速公路交通这个复杂的非线性系统，提出一种基于对向传播网络的交通事件检测算法。阐述了对向传播网络的结构和学习算法，给出了事件检测的依据，并合理地选择了网络的输入参数，用高速公路管理部门提供的样本数据进行了仿真研究。仿真结果表明，该事件检测算法具有学习速度快、泛化能力好、检测准确率高、平均检测时间短等优点，具有良好的应用前景。     

基于对向传播网络的交通事件检测算法

针对高速公路交通这个复杂的非线性系统,提出一种基于对向传播网络的交通事件检测算法。阐述了对向传播网络的结构和学习算法,给出了事件检测的依据,并合理地选择了网络的输入参数,用高速公路管理部门提供的样本数据进行了仿真研究。仿真结果表明,该事件检测算法具有学习速度快、泛化能力好、检测准确率高、平均检测时间短等优点,具有良好的应用前景。     

最小二乘支持向量机交通事件检测算法

根据高速公路有事件发生时交通流将产生突变这一原理,采用最小二乘支持向量机研究高速公路事件检测问题。阐述了最小二乘支持向量机分类算法,设计了事件检测系统结构,分析了交通事件对交通流的影响规律,并合理地选取了最小二乘支持向量机的输入量。仿真实验表明,最小二乘支持向量机事件检测算法具有检测准确率高、学习速度快等优点,具有良好的应用前景。     

基于支持向量数据描述的高速公路事件检测

提出了一种基于支持向量数据描述（SVDD）算法的快速事件检测方法。该算法把有事件样本和无事件样本分别用全体样本优化的SVDD算法进行优化。但每次只对那些对超球体边界有影响的数据进行优化。该方法既保留了全体样本优化SVDD算法的优点,又达到加快训练速度的目的。采用I～880数据库中实际交通的历史数据进行实验,并与全体样本优化SVDD实验结果相比较。实验证明该分类方法能够获得较高检测率和较低的误报率,且需要较短的训练时间,表明了所给方法的有效性和可行性。     

荫罩孔径自动检测系统中图像处理算法的研究

针对彩色显像管荫罩孔径传统人工检测中存在的无法精确定位、检测速度慢、检测数据精度低、一致性差等问题,研究开发了荫罩孔径自动检测系统;该系统采用了高分辨率CCD采集荫罩图像,在计算机内对荫罩图像做实时处理,得到孔径参数,并判定荫罩板质量是否合格;对图像处理的4个步骤图像增强、阈值分割、边缘提取和图像分析中采用的算法进行了分析和研究;与传统的人工检测相比,该系统实现了图像的精确测量,具有速度快、精度高、一致性好的特点。     

光电式压路机用障碍物自动检测及报警系统

为了快速准确地检测障碍物,防止压路机在作业行驶中对人或物造成伤害,设计了一种压路机用障碍物自动检测及报警系统.该系统由光电式距离检测传感器阵列和总控制器及报警器构成.系统设定的报警闽值为压路机预期撞上障碍物的时间,报警触发距离随车速自动调整,不易误报施工配合人员,并克服了基于超声波传感系统的检测速度低、容易误报边缘区域外障碍物的缺陷.