發(fā)布時間：2017-06-25 03:13

  本文關(guān)鍵詞：基于ER算法的公路交通事件檢測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,公路的建設(shè)與發(fā)展,給人們的生活出行帶來極大的方便。隨之而來的公路安全問題,特別是公路上發(fā)生的各類交通事件,給人們的生命財產(chǎn)安全帶來嚴重挑戰(zhàn)。因此快速檢測并及時處理各類交通事件,降低交通事件帶來的危害開始為人們所關(guān)注。而作為核心的交通事件檢測算法研究,也被許多專家學者所重視,并有了非常豐富的算法成果。基于以上背景,論文依托國家自然科學基金項目“能見度影響下的公路交通流事故風險評估與安全設(shè)計參數(shù)優(yōu)化(編號51578207)”,引入多屬性決策的ER算法模型,將其運用到交通事件特征分析和事件檢測算法設(shè)計過程中。文章首先研究了不同車道數(shù)、天氣條件、能見度和溫度條件下多起交通事件,探求不同條件下交通事件發(fā)生對交通的影響。引入P值表征交通事件特征,分析不同條件下交通事件特征的一般規(guī)律。再運用ER算法對多條件下的交通事件特征進行融合評估,探究多條件下交通事件特征顯著程度的信任度關(guān)系。其次,在上述研究的基礎(chǔ)上,根據(jù)ER算法融合后的交通事件特征關(guān)系,提出多條件下交通事件特征影響因子,將其作為參數(shù)引入交通事件檢測算法當中,提高交通事件檢測的效果。引入ER算法融合后的多條件特征影響因子設(shè)計了多條件影響的多參數(shù)判別算法,多條件影響的貝葉斯網(wǎng)事件檢測算法和多條件影響的SVM事件檢測算法。在此基礎(chǔ)上,為了更好地進行事件檢測并提高算法適用條件,對三種算法檢測結(jié)果進行ER算法的多屬性融合,設(shè)計了基于ER算法的交通事件檢測算法。最后,利用實際道路交通數(shù)據(jù)和事件數(shù)據(jù),以及獲取到的條件數(shù)據(jù),分別進行了多組多條件下交通事件檢測實證研究,分析對比各算法的性能指標,評價不同算法的檢測效果,得出本文結(jié)論。論文在研究交通事件檢測中引入了ER算法,將ER算法的多屬性決策方法引入到事件檢測研究當中,并通過實際數(shù)據(jù)驗證了基于ER算法交通事件檢測算法具有較好的檢測效果,為以后的事件檢測研究提供相關(guān)參考。
【關(guān)鍵詞】：ER算法 交通事件檢測 多條件影響 交通事件特征 小波去噪
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U491
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-16
• 第一章 緒論16-25
• 1.1 研究背景和意義16-17
• 1.1.1 研究背景16
• 1.1.2 研究目的及意義16-17
• 1.2 國內(nèi)外研究現(xiàn)狀17-23
• 1.2.1 國外交通事件檢測算法研究現(xiàn)狀17-18
• 1.2.2 國內(nèi)交通事件檢測算法研究現(xiàn)狀18-20
• 1.2.3 數(shù)據(jù)融合方法在交通事件檢測中應用現(xiàn)狀20-21
• 1.2.4 研究概況小結(jié)21-23
• 1.3 研究內(nèi)容及技術(shù)路線23-25
• 1.3.1 研究內(nèi)容23-24
• 1.3.2 技術(shù)路線24-25
• 第二章 交通事件檢測原理及ER算法理論25-33
• 2.1 交通事件基本概念25-26
• 2.2 交通事件檢測原理分析26-28
• 2.2.1 交通參數(shù)26-27
• 2.2.2 交通事件發(fā)生的影響27-28
• 2.3 經(jīng)典交通事件檢測算法介紹28-29
• 2.3.1 加州算法28
• 2.3.2 指數(shù)平滑算法28-29
• 2.3.3 SND算法29
• 2.4 交通事件檢測算法評價指標與評價方法29-30
• 2.5 ER算法理論介紹30-32
• 2.5.1 ER算法的提出30
• 2.5.2 ER算法的基本評價框架30-32
• 2.6 本章小結(jié)32-33
• 第三章 多條件影響下的交通事件特征分析33-53
• 3.1 車道數(shù)對交通事件特征影響分析33-38
• 3.1.1 二車道交通事件特征33-35
• 3.1.2 三車道交通事件特征35-36
• 3.1.3 四車道交通事件特征36-37
• 3.1.4 車道數(shù)對交通事件特征影響對比分析37-38
• 3.2 天氣條件對交通事件特征影響分析38-41
• 3.2.1 晴天交通事件特征38-39
• 3.2.2 雨天交通事件特征39-40
• 3.2.3 天氣條件對交通事件特征影響對比分析40-41
• 3.3 溫度對交通事件特征影響分析41-45
• 3.3.1 低溫條件下交通事件特征41-42
• 3.3.2 常溫條件下交通事件特征42-43
• 3.3.3 高溫條件下交通事件特征43-44
• 3.3.4 溫度對交通事件特征影響對比分析44-45
• 3.4 能見度對交通事件特征影響分析45-49
• 3.4.1 低能見度條件下交通事件特征46-47
• 3.4.2 高能見度條件下交通事件特征47-48
• 3.4.3 能見度對交通事件特征影響分析48-49
• 3.5 基于ER算法的交通事件特征分析49-52
• 3.5.1 交通事件特征評估指標體系49-50
• 3.5.2 交通事件特征評估等級50-51
• 3.5.3 基于ER算法的交通事件特征評估51-52
• 3.6 本章小結(jié)52-53
• 第四章 基于ER算法的交通事件檢測算法設(shè)計53-65
• 4.1 多條件影響的多參數(shù)判別算法53-55
• 4.1.1 多條件下事件特征影響因子53
• 4.1.2 基于ER算法的多參數(shù)判別算法構(gòu)建53-55
• 4.2 多條件影響的貝葉斯網(wǎng)事件檢測算法55-58
• 4.2.1 貝葉斯網(wǎng)的概念55
• 4.2.2 基于ER算法的事件檢測貝葉斯網(wǎng)的構(gòu)建55-57
• 4.2.3 貝葉斯網(wǎng)算法的推理方法57
• 4.2.4 貝葉斯網(wǎng)算法的報警設(shè)置57-58
• 4.3 多條件影響的SVM事件檢測算法58-62
• 4.3.1 SVM基本理論58-60
• 4.3.2 基于SVM事件檢測算法設(shè)計60-61
• 4.3.3 基于ER算法的特征向量選取61-62
• 4.4 基于ER算法的事件檢測算法62-64
• 4.4.1 算法的評估指標體系62
• 4.4.2 算法的評估等級62-63
• 4.4.3 基于ER算法的事件檢測框架63-64
• 4.5 本章小結(jié)64-65
• 第五章 基于ER算法的交通事件檢測實證分析65-75
• 5.1 實際數(shù)據(jù)的獲取65-66
• 5.1.1 交通參數(shù)數(shù)據(jù)集的獲取65-66
• 5.1.2 條件特征數(shù)據(jù)集66
• 5.2 數(shù)據(jù)的預處理66-69
• 5.2.1 數(shù)據(jù)的小波去噪67
• 5.2.2 Matlab小波去噪方法67-69
• 5.2.3 數(shù)據(jù)的歸一化69
• 5.3 算法試驗結(jié)果及分析69-74
• 5.3.1 仿真試驗69-70
• 5.3.2 仿真結(jié)果及分析70-73
• 5.3.3 算法檢測性能評價73-74
• 5.4 本章小結(jié)74-75
• 第六章 總結(jié)與展望75-77
• 6.1 主要研究成果總結(jié)75-76
• 6.2 研究展望76-77
• 參考文獻77-82
• 攻讀碩士學位期間的學術(shù)活動及成果情況82

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 童劍軍;;設(shè)計是關(guān)鍵——高速公路交通事件檢測技術(shù)的設(shè)計、使用與評測[J];中國交通信息產(chǎn)業(yè);2007年09期

2 童劍軍;;能干啥 想干啥——高速公路交通事件檢測技術(shù)的設(shè)計、使用與評測之二[J];中國交通信息產(chǎn)業(yè);2007年12期

3 童劍軍;;好不好 值不值——交通事件檢測技術(shù)的設(shè)計、使用與評測之三[J];中國交通信息產(chǎn)業(yè);2008年02期

4 羅鵑;何彥輝;;秦嶺終南山公路隧道火災和交通事件檢測研究[J];中國交通信息化;2011年05期

5 張云偉,劉躍明;交通事件檢測的一種濾波算法[J];云南工業(yè)大學學報;1998年04期

6 姜紫峰,劉小坤;基于神經(jīng)網(wǎng)絡(luò)的交通事件檢測算法[J];西安公路交通大學學報;2000年03期

7 呂琪,王慧;基于動態(tài)神經(jīng)網(wǎng)絡(luò)模型的交通事件檢測算法[J];公路交通科技;2003年06期

8 溫慧敏,楊兆升;交通事件檢測技術(shù)的進展研究[J];交通運輸系統(tǒng)工程與信息;2005年01期

9 李傳志;胡如夫;;公路交通事件檢測技術(shù)的研究與展望[J];交通科技與經(jīng)濟;2008年05期

10 鄭玉興;;交通事件檢測系統(tǒng)在高速公路中的應用[J];北方交通;2009年07期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 溫慧敏;楊兆升;姜桂艷;邵長豐;;基于多層感知器神經(jīng)網(wǎng)絡(luò)的高速公路交通事件檢測方法[A];第七屆北京青年科技論文評選獲獎論文集[C];2003年

2 姚智勝;邵春福;;基于v-支持向量分類機的交通事件檢測方法研究[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學術(shù)論壇（交通運輸工程學科）論文集（上冊）[C];2005年

3 溫慧敏;;交通事件檢測數(shù)據(jù)融合技術(shù)研究[A];第一屆中國智能交通年會論文集[C];2005年

4 高穎;;快速路交通事件檢測算法研究[A];提高全民科學素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

5 覃頻頻;牙韓高;黃大明;;基于Logit模型的城市道路交通事件檢測仿真[A];第一屆中國智能交通年會論文集[C];2005年

6 劉小明;蔣新春;張杰;吳家宇;;基于視頻檢測的高速公路車輛交通行為安全狀態(tài)分析[A];2008第四屆中國智能交通年會論文集[C];2008年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 王國忠 李岸;我省高速公路信息監(jiān)控中心二期工程將重點建五大系統(tǒng)[N];山西日報;2008年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 蔡志理;高速公路交通事件檢測及交通疏導技術(shù)研究[D];吉林大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張凱;高速公路交通事件檢測與仿真研究[D];長安大學;2009年

2 沈舒;高速路網(wǎng)運行狀態(tài)評估模型、仿真及技術(shù)實現(xiàn)[D];南京大學;2013年

3 謝聰;基于CGA-PNN的高速公路交通事件檢測算法研究[D];西南交通大學;2016年

4 李桂林;基于視頻圖像的逆行交通事件檢測方法的研究[D];安徽工程大學;2016年

5 周林;基于ER算法的公路交通事件檢測研究[D];合肥工業(yè)大學;2016年

6 劉清泉;基于混合支持向量機多分類器的交通事件檢測方法研究[D];長沙理工大學;2009年

7 曾鋼;高速公路交通事件檢測建模及應用研究[D];中南大學;2009年

8 邵士雨;基于視頻的交通事件檢測算法研究[D];山東大學;2013年

9 代青敏;高速公路交通事件檢測算法研究[D];長安大學;2012年

10 王琪;基于神經(jīng)網(wǎng)絡(luò)和支持向量機的高速公路交通事件檢測[D];西南交通大學;2006年

  本文關(guān)鍵詞：基于ER算法的公路交通事件檢測研究，，由筆耕文化傳播整理發(fā)布。

本文編號：480566