道路交通異常事件檢測是交通安全監(jiān)管和路況控制的重要組成部分,也是目前交通領(lǐng)域研究的熱點。然而,由于道路交通狀況的實時性、復(fù)雜性和偶發(fā)性,使得道路交通異常事件的檢測具有很大挑戰(zhàn)性。交通事件的發(fā)生會導(dǎo)致車速、占有率、車流量等交通流參數(shù)出現(xiàn)異常變化,故可據(jù)此進行交通異常事件的自動檢測。本文以美國PeMS系統(tǒng)所提供的I80-E高速路交通流參數(shù)和交通事件記錄數(shù)據(jù)為基礎(chǔ),研究了基于交通流參數(shù)的異常事件檢測方法,主要工作如下:（1）結(jié)合現(xiàn)有算法和對道路交通狀態(tài)基本認識,以統(tǒng)計分析和小波分析等為基礎(chǔ)提出相關(guān)方法,自適應(yīng)地提取與道路擁堵、異常車流和狀態(tài)不穩(wěn)定性等相關(guān)的狀態(tài)信息。在對道路交通狀態(tài)進行綜合表征的同時,有效消除了各探測器流數(shù)據(jù)間的量級差異,使得可在同一水平上對不同探測器間的狀態(tài)進行比較。（2）基于I80-E高速路2016年的數(shù)據(jù)進行樣本搜集,采用線性判別、二次判別、神經(jīng)網(wǎng)絡(luò)、支撐向量機、決策樹、隨機森林等六種算法,經(jīng)過特征提取、特征優(yōu)選、參數(shù)優(yōu)選、模型優(yōu)選等過程,最終構(gòu)建車輛碰撞事件機器學(xué)習(xí)檢測模型。將該模型應(yīng)用于I80-E高速路2017年1、2月數(shù)據(jù)上進行驗證,成功檢測出58起車輛碰撞事件中... 

【文章來源】：中國石油大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

正常和異常交通狀況下的交通流差異

圖 2.3 PeMS 系統(tǒng)網(wǎng)站首頁與 I80-E 高速路具體位置Fig. 2.3 Homepage of PeMS system and location of I80-E highway本文研究以阿拉米達市 I-80 高速路為主體（如圖 2.3 右所示）。I-80 高速路全長約為 20 英里，按照東向與西向可分為 I80-E 和 I80-W 兩個路段，其中東向的 I80-E 路段的是本文的研究對象。我們從 PeMS 系統(tǒng)上搜集了 I80-E 高速路相關(guān)的交通流參數(shù)記錄、探測器信息和交通事件記錄等數(shù)據(jù)作為研究的數(shù)據(jù)基礎(chǔ)。這三項數(shù)據(jù)間可通過時間和空間信息進行關(guān)聯(lián)匹配、關(guān)聯(lián)，形成最終的交通流數(shù)據(jù)和交通事件樣本數(shù)據(jù)庫。三項數(shù)據(jù)間的關(guān)聯(lián)關(guān)系如圖 2.4 中所示：事件記錄數(shù)據(jù)庫PeMS 系統(tǒng)

圖 2.5 I80-E 高速路部分檢測器信息示例Fig. 2.5 Information of detectors on I80-E highwayPosition (PM)10 15 20 257.637.6326.8126.81Freeway I80-E in District 4Freeway I80-W in District 4西東S418902S416701S434300S43908S406709S404302S478603S486302S41901S420602S41509S41905S41508S401802S40403S457504S46502S418905S412403S41209S40802S408308S408605S412609S410700S410900S439406S434508S434600S41790340S657140S450540S513140S589540S198140S728040S612040S079140S239140S329040S575140S027040S045140S45040S2140S28140S7040S397440S5140S260140S976040S43040S902040S6040S058140S478040S276340S124040S634840S40147.6326.81東(a) I80-E 和 I80-W 高速公路示意圖(b) I80-E 高速公路探測器示意圖圖 2.6 I80 高速路及 I80-E 高速路各檢測器位置圖

【參考文獻】：
期刊論文
[1]“互聯(lián)網(wǎng)+交通運輸” 匯聚“十三五”發(fā)展的新動能[J]. 劉文杰.  中國交通信息化. 2016(01)
[2]基于隨機森林的交通事件檢測方法設(shè)計與分析(英文)[J]. 劉擎超,陸建,陳淑燕.  Journal of Southeast University（English Edition）. 2014(01)
[3]小波分析在高速公路事件檢測中的應(yīng)用[J]. 裴瑞平,梁新榮,劉智勇.  公路交通技術(shù). 2007(02)
[4]基于偏差分析的交通事件自動檢測算法[J]. 向紅艷,劉偉,朱順應(yīng).  中南公路工程. 2007(02)
[5]基于支持向量機的高速公路事件檢測[J]. 梁新榮,劉智勇,孫德山,毛宗源.  計算機工程與應(yīng)用. 2006(14)
[6]基于遺傳算法的交通事件檢測[J]. 樊小紅,荊便順.  長安大學(xué)學(xué)報(自然科學(xué)版). 2005(04)
[7]基于小波包變換的交通事件檢測[J]. 劉偉銘,王倩.  交通與計算機. 2004(06)
[8]交通量預(yù)測的神經(jīng)網(wǎng)絡(luò)集成方法[J]. 陳淑燕,王煒,瞿高峰,張勝.  公路交通科技. 2004(12)
[9]交通流突變分析的變點統(tǒng)計方法研究[J]. 王曉原,雋志才,賈洪飛,樸基男.  中國公路學(xué)報. 2002(04)
[10]基于小波分析和神經(jīng)網(wǎng)絡(luò)的交通事件自動檢測[J]. 周雪銘.  公路與汽運. 2002(04)

博士論文
[1]基于GIS的智能高速公路管理關(guān)鍵技術(shù)研究與實現(xiàn)[D]. 王忠軍.解放軍信息工程大學(xué) 2009
[2]基于信息融合的高速公路事件檢測建模與仿真[D]. 覃頻頻.西南交通大學(xué) 2007

碩士論文
[1]基于固定檢測器的區(qū)域交通狀態(tài)判別方法研究[D]. 魏強.吉林大學(xué) 2011
[2]基于多源數(shù)據(jù)的快速路交通事件自動檢測算法研究[D]. 趙曉娟.北京工業(yè)大學(xué) 2010



本文編號：3277520