论文部分内容阅读
作为当今交通运输业的主要载体,高速公路的发展十分迅速。在为社会带来诸多经济效益与社会效益的同时,也受到诸多交通问题的困扰,如频繁发生的交通拥堵、交通事件等。它不但影响着高速公路的通行能力和运行效率,还可能造成人身伤亡以及财产损失等更为严重的后果。伴随着各种交通问题的频繁发生,如何有效的改善高速公路的运行状态已经成为高速公路交通监控系统的研究核心。其中,针对高速公路的交通事件自动检测(AID)技术的深入研究就是解决手段之一。人工智能技术作为新兴的信息处理技术,在交通事件检测的研究中已表现出显著优势,正引导着新AID算法的发展方向。然而,已有的AID算法中,对交通事件自动检测输入变量的选择不够规范。因此,结合新兴信息处理技术,设计全面、有效的交通事件自动检测输入变量,将有助于提高AID算法的检测效果并改善现有的高速公路的运行状态。本文的研究工作及成果主要体现在下三个方面。1)有无交通事件条件下高速公路交通流特性分析在有无交通事件条件下,对车辆检测器数据的变化特性进行了深入分析;在对车辆检测器数据进行多角度组合并对其变化特点进行分类总结的基础上,设计了一组能够突显交通事件状态的交通变量。2)基于FA的高速公路交通事件自动检测输入变量筛选方法研究分析了应用因子分析(FA)法对变量筛选的优缺点,设计了基于FA的高速公路交通事件自动检测输入变量的筛选方法。3)基于SVM的高速公路交通事件自动检测算法研究分析了应用支持向量机(SVM)处理分类问题的优缺点及不同核函数的选择问题;在完成交通变量设计及有效筛选的前提下,设计了基于SVM的高速公路交通事件自动检测算法。模拟数据的验证结果显示,与对比算法相比,本文所设计的AID算法的检测效果优势明显。本文以高速公路车辆检测器数据为研究基础,在对有无事件条件下交通流参数数据的变化特性深入分析的前提下,结合具有良好的“降维”能力的FA法以及具有出色的分类能力的SVM理论,设计了新的高速公路交通事件自动检测方法。模拟数据的验证结果表明,与对比算法相比,本文设计的新方法具有更好的检测性能。