首页>文献首页>城市快速路交通事件自动检测算法

城市快速路交通事件自动检测算法

刊名 《中南大学学报(自然科学版)》
作者 邴其春 英文名 年,卷(期) 2017 年 , 第 6 期
主办单位 中南大学 国内刊号 43-1426/N 国际刊号 1672-7207
关键词 交通事件自动检测 随机森林 相关向量机模型 组合核函数 入库时间 2017/9/13 16:40:50

城市快速路交通事件自动检测算法

城市快速路是城市路网的重要组成部分,承载着

城市中大部分出行交通,快速路的畅通程度直接影响

着城市路网的总体运行效率。然而,交通事件常常导

致快速路发生大范围交通拥堵,严重影响着快速路的

交通运行效率。据统计,在发达国家的快速路交通拥

堵中,由交通事件引起的超过70%,在我国上海,因

交通事件引起的交通拥堵也占快速路总拥堵的

50%~75%[1],因此,研究准确、及时的交通事件自动

检测(automatic incident detection,AID)算法对于保证

快速路运行效率、提高道路安全水平具有重要意义。

迄今为止,已有许多有效的模型与方法应用于交通事

件自动检测的研究。早期开发的交通事件检测算法主

要有加利福尼亚算法[2]、标准偏差算法[3]、基于突变理

论的McMaster 算法[4]、低通滤波算法[5]等。随着对交

通流特性的深入研究以及人工智能新技术的发展,越

来越多的交通事件自动检测模型相继被提出,如神经

网络模型[6?7]、支持向量机模型[8?9]、贝叶斯方法[10]、

小波理论[11]以及模糊逻辑方法[12]等,并取得了一定的

应用效果。然而,现有的研究主要集中于模型方法的

整合优化,忽视了对交通事件检测输入变量的有效筛

选;同时,神经网络、支持向量机等人工智能算法普

遍存在计算复杂、泛化能力不强、容易出现过拟合等

问题,严重影响模型的推广应用。为此,本文作者以

交通流基本参数及其多角度组合的方式,构建较全面

的交通事件检测初始变量集,并采用随机森林的变量

重要性度量筛选出对交通事件更为敏感的关键变量,

进而构建基于粒子群优化的组合核函数相关向量机模

型,并以快速路实测数据对变量筛选及模型的有效性

进行评价分析。


参考文献 (18 篇)

  • [期刊论文]    姬杨蓓蓓, 张小宁, 孙立军     基于贝叶斯决策树的交通事件持续时间预测
  • [期刊论文]    PAYNE H J, HELFENBEIN E D, KNOBEL H C     Developmentand testing of incident detection algorithms
  • [期刊论文]    DUDEK C L, MESSER C J, NUCKLES N B     Incident detectionon urban freeways
  • [期刊论文]    PERSAUD B N, HALL F L     Catastrophe theory and patterns in30-second freeway traffic data-implication for incidentdetection
  • [期刊论文]    STEPHANEDES Y J, CHASSIAKOS A P     Application offiltering techniques for incident detection
  • [期刊论文]    姜桂艳, 温惠敏, 杨兆升     高速公路交通事件自动检测系统与算法设计
  • [期刊论文]    SRINIV D, SHARMA V, TOH K A     Reduced multivariatepolynomial-based neural network for automated traffic incidentdetection
  • [期刊论文]    王武功, 马荣国     交通事件检测的加权支持向量机算法
  • [期刊论文]    陈维荣, 关佩, 邹月娴     基于SVM 的交通事件检测技术
  • [期刊论文]    张轮, 杨文臣, 刘拓     基于朴素贝叶斯分类的高速公路交通事件检测
  • [期刊论文]    尹春娥, 陈宽民, 万继志     基于小波方程的高速公路交通事故自动检测方法
  • [期刊论文]    ROSSI R, GASTALDI M, GECCHELE G     Fuzzy logic-basedincident detection system using loop detectors data
  • [期刊论文]    蔡志理     高速公路交通事件检测及交通疏导技术研究
  • [期刊论文]    BREIMAN L     Random forest
  • [期刊论文]    GENUER R, POGGI J M, TULEAU-MALOT C     Variableselection using random forests
  • [期刊论文]    TIPPING M E     Sparse Bayesian learning and the relevancevector machine
  • [期刊论文]    瞿娜娜     基于组合核函数支持向量机研究及应用
  • [期刊论文]    KENNEDY J, EBERHART R C     Particle swarmoptimization

010-56181807

周一至周五9:00-17:30

中国终身教育数据服务平台--中国终身教育学术研究中心课题组中教汇据(北京)科技有限公司

京ICP备15058941号-1Copyright © 2013-2016 ZJHJ Corporation,All Rights Reserved

京ICP证161029