隨著高速公路總里程的不斷增加,路網(wǎng)結(jié)構(gòu)越來越復(fù)雜,道路交通流量急劇增加,隨之產(chǎn)生的道路擁擠、交通安全等問題日益突出。傳統(tǒng)的高速公路交通事件檢測方法往往基于單一形式的交通信息,且具有過多的假設(shè)條件及特定的模型結(jié)構(gòu),不能滿足分析各類檢測器數(shù)據(jù)的需求。因此,需要探索用于交通事件檢測的新方法,以充分挖掘各類數(shù)據(jù)所蘊(yùn)含的交通信息,進(jìn)一步提升事件檢測的實(shí)時(shí)性和準(zhǔn)確性�；诖�,本文展開了基于多源信息的高速公路交通事件檢測方法研究。首先,論文歸納和分析了可用于高速公路交通流信息采集的不同類型檢測技術(shù),對比各類技術(shù)的優(yōu)缺點(diǎn),據(jù)此明確了以手機(jī)切換定位檢測器和微波檢測器為研究對象,根據(jù)技術(shù)原理分析、真實(shí)數(shù)據(jù)采集和數(shù)據(jù)特性分析三個(gè)步驟對兩類檢測技術(shù)進(jìn)行了具體的探究,同時(shí)分析了兩類數(shù)據(jù)的可靠性。另外,從多源信息融合技術(shù)的原理出發(fā),利用信息論驗(yàn)證了事件檢測信息融合的有效性。其次,對事件狀態(tài)下的交通流特性進(jìn)行了分析,利用車流波動(dòng)理論,分析了事件的發(fā)生對上下游路段交通流造成的影響,并結(jié)合手機(jī)切換定位檢測器和微波檢測器數(shù)據(jù)的特點(diǎn),建立了一個(gè)包含12個(gè)變量的事件檢測初始特征變量集,利用隨機(jī)森林-遞歸特征消除（RF-RFE... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：106 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究概況
        1.2.1 交通事件檢測算法研究
        1.2.2 基于信息融合的交通事件檢測方法研究
        1.2.3 國內(nèi)外研究現(xiàn)狀總結(jié)
    1.3 研究內(nèi)容及技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
    1.4 本章小結(jié)
第二章 事件檢測信息采集及融合技術(shù)
    2.1 交通信息采集技術(shù)
        2.1.1 交通信息采集技術(shù)概述
        2.1.2 交通信息檢測技術(shù)比較分析
    2.2 基于手機(jī)切換定位的交通信息采集技術(shù)
        2.2.1 手機(jī)切換定位技術(shù)基本原理
        2.2.2 基于手機(jī)切換定位的交通信息采集技術(shù)
    2.3 微波交通檢測技術(shù)
    2.4 多源數(shù)據(jù)特性分析
    2.5 事件檢測信息融合
        2.5.1 信息融合技術(shù)
        2.5.2 事件檢測信息融合結(jié)構(gòu)
        2.5.3 事件檢測信息融合有效性分析
    2.6 本章小結(jié)
第三章 交通事件檢測特征選擇
    3.1 車流波動(dòng)理論
    3.2 事件狀態(tài)下的車流波動(dòng)分析
    3.3 基于RF-RFE的交通事件檢測特征選擇
        3.3.1 構(gòu)建初始變量集
        3.3.2 基于RF-RFE的事件檢測特征選擇算法
        3.3.3 事件檢測特征選擇案例分析
    3.4 事件檢測特征參數(shù)變化實(shí)證分析
    3.5 本章小結(jié)
第四章 基于粒子群優(yōu)化及改進(jìn)LSSVM的事件檢測算法
    4.1 事件檢測算法評價(jià)指標(biāo)
    4.2 最小二乘支持向量機(jī)分類器
        4.2.1 基本原理
        4.2.2 核函數(shù)數(shù)與模型參數(shù)確定方法
    4.3 粒子群優(yōu)化方法
    4.4 基于PSO-LSSVM的事件檢測算法
    4.5 基于改進(jìn)AdaBoost集成PSO-LSSVM的事件檢測算法
        4.5.1 AdaBoost算法原理
        4.5.2 基于改進(jìn)AdaBoost集成PSO-LSSVM的事件檢測算法
    4.6 基于多分類PSO-LSSVM事件類型檢測算法
        4.6.1 基于LSSVM的多類分類
        4.6.2 基于多分類PSO-LSSVM事件類型檢測算法
    4.7 本章小結(jié)
第五章 基于多源信息事件檢測算法的實(shí)證研究
    5.1 數(shù)據(jù)描述及預(yù)處理
    5.2 算法模型的構(gòu)建
        5.2.1 基于PSO-LSSVM的事件檢測模型
        5.2.2 基于改進(jìn)AdaBoost集成PSO-LSSVM的事件檢測模型
        5.2.3 基于多分類PSO-LSSVM的事件類型檢測算法
    5.3 算法性能評價(jià)
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究結(jié)論
    6.2 研究創(chuàng)新點(diǎn)
    6.3 研究展望
參考文獻(xiàn)
致謝
附錄
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于核函數(shù)切換和支持向量回歸的交通量短時(shí)預(yù)測模型[J]. 李林超,張健,楊帆,冉斌.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[2]基于自適應(yīng)雙態(tài)粒子群的應(yīng)急物資配送空間優(yōu)化[J]. 陳通利,馬世發(fā),徐舒苑,黎海波.  熱帶地理. 2017(03)
[3]基于GA啟發(fā)式抽樣的交通事件自動(dòng)檢測[J]. 李苗華,陳淑燕,勞葉春,谷健.  交通信息與安全. 2016(05)
[4]時(shí)空因素影響下在線短時(shí)交通量預(yù)測[J]. 李林超,何賞璐,張健.  交通運(yùn)輸系統(tǒng)工程與信息. 2016(05)
[5]優(yōu)化BPAdaBoost算法及其交通事件檢測[J]. 劉慶華,丁文濤,涂娟娟,方守恩.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(12)
[6]基于GA-WNN的高速公路事件檢測[J]. 謝聰,余立建.  交通科技與經(jīng)濟(jì). 2015(06)
[7]關(guān)于AdaBoost.RT集成算法時(shí)間序列預(yù)測研究[J]. 查翔,倪世宏,張鵬.  計(jì)算機(jī)仿真. 2015(09)
[8]融合多源數(shù)據(jù)的ABC-SVM快速路交通事件檢測[J]. 丁宏飛,秦政,李演洪,劉博.  中國安全科學(xué)學(xué)報(bào). 2015(06)
[9]基于樸素貝葉斯分類的高速公路交通事件檢測[J]. 張輪,楊文臣,劉拓,施奕騁.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(04)
[10]基于隨機(jī)森林的交通事件檢測方法設(shè)計(jì)與分析(英文)[J]. 劉擎超,陸建,陳淑燕.  Journal of Southeast University（English Edition）. 2014(01)

博士論文
[1]基于機(jī)器學(xué)習(xí)的交通狀態(tài)判別與預(yù)測方法研究[D]. 商強(qiáng).吉林大學(xué) 2017
[2]基于多源異質(zhì)數(shù)據(jù)的高速公路交通狀態(tài)估計(jì)方法研究[D]. 何賞璐.東南大學(xué) 2017
[3]基于手機(jī)信令的軌道交通乘客出行行為分析方法研究[D]. 胡永愷.東南大學(xué) 2017
[4]智能交通中的多核支持向量機(jī)與分類器集成方法研究[D]. 肖建力.上海交通大學(xué) 2013
[5]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]基于多源數(shù)據(jù)的高速公路短時(shí)交通狀態(tài)預(yù)測方法研究[D]. 葛志鵬.東南大學(xué) 2016
[2]面向多源數(shù)據(jù)融合的高速公路檢測器布設(shè)方法研究[D]. 王浩淼.東南大學(xué) 2015
[3]復(fù)雜環(huán)境下基于圖像特征的交通事件檢測算法研究[D]. 王祥波.華南理工大學(xué) 2015
[4]基于視頻檢測的高速公路交通事件影響預(yù)測研究[D]. 劉曉亮.山東大學(xué) 2015
[5]基于DSRC下高速公路作業(yè)區(qū)安全管理研究[D]. 馮堃.長安大學(xué) 2014
[6]基于移動(dòng)通信仿真的城市主干路行程車速手機(jī)數(shù)據(jù)采樣效果研究[D]. 尤偉杰.西南交通大學(xué) 2014
[7]基于AdaBoost集成PSO-RBF的高速公路交通事件檢測算法研究[D]. 張樂.西南交通大學(xué) 2014
[8]基于視頻與檢測線圈的高速公路交通事件檢測系統(tǒng)研究[D]. 楊梅.長安大學(xué) 2013
[9]公路交通事件自動(dòng)檢測算法研究[D]. 胡春麗.西南交通大學(xué) 2013
[10]基于視頻圖像的交通事件自動(dòng)識別算法研究[D]. 王自上.北京交通大學(xué) 2010



本文編號：3393614