（交通信息工程及控制专业论文）高速公路交通事件检测与仿真研究.pdf

摘要 随着我国高速公路的建设和发展，高速公路安全逐渐引起人们的重视，而高速公路 交通事件检测技术的完善与成熟对高速公路安全起着关键性作用。当高速公路出现紧急 事件时，交通事件检测技术能够及时发现从而避免造成重大人员伤亡和经济损失，减小 二次事件的发生几率。 本文根据运筹学排队论建立高速公路数据仿真平台。为了更加真实的反映某些路段 车辆的运行情况，通过对仿真的每辆车进行时时跟踪并模拟交通事件发生，产生所需数 据。 本文对现有交通事件检测算法进行研究，并对其有效性进行对比分析，详细分析了 评价交通事件检测算法有效性的方法。通过分析b p 网络、r b f 网络、g 砒叮n ( 广义回归 神经网络) 的基本原理，充分发挥神经网络理论优势并将其应用到交通事件检测算法中， 提出了基于b p 网络、i m f 网络、g i 心烈( 广义回归神经网络) 交通事件检测算法。通过 高速公路数据仿真平台获得的交通状态参数数据，训练和检测基于神经网络的交通事件 算法的有效性。通过对基于b p 网络交通事件检测算法、基于r b f 网络交通事件检测算 法、基于g 对州( 广义回归神经网络) 交通事件检测算法的三种算法进行对比试验和分析， 得出基于g i 心n ( 广义回归神经网络) 交通事件检测算法在逼近能力、分类能力和学习速 度上，具有b p 网络和i 国f 网络无法超越的优势。g 对州最后收敛于样本量集聚较多的 优化回归面，当样本数据缺乏时，预测效果也比较好，并且还可以处理不稳定的数据。 基于g 时、n 交通事件检测算法可获得较高交通事件的检测率和较低的误警率，而且评 价指标的协调性也比其它二种算法好。同时，本文还在现有的交通状态参数中增加车辆 分类交通量。对比两组交通状态参数进行试验和分析，结果表明在交通状态参数中增加 车辆分类交通量，可以提高算法对交通事件的检测率并降低误警率。 关键词：高速公路，排队论，交通事件检测，广义回归神经网络，交通状态参数 a b s t r a c t a l o n gw i m t l l ec o n s 仇l c t i o n 砒l dd e v e l o p m e n to fo u rl l 习l t i o n s 丘e e w a y ，s a f e t ) ，o n 丘e e w a y h a sa u s e dp e o p l e sr e c o g l l i t i o n 鲥u a l l y ，a n dt h ep e r f e c t i o n 锄dm a t u r i t ，o f 柏伍ci n c i d e n t d e t e c t i o nt e c i l r l o l o g yp l a y sak e yr o l eo ni m p f 0 v i n g 丘e e w a ys a f e 够w h e ne m e 唱e n c i e so n 仔e e w a yc o r n eo u t ，m e s ec a nb ed e t e c t e db yn a f f i ci n c i d e n td e t e c t i o nt e c l l l l o l o g yi i lt i m et 0 a v o i d i n gm o m e m o u s n e s sp e r s o n n e lc 弱u a l t i e s 锄de c o n o m i el o s s e s 锄dr e d u c i i l gt t i er i s ko f s e c o n d a d 7i i l c i d e n t s a c c o r d i i l gt oq u e u i n g 吐1 e o r ) rb a s e do no p e r a t i o n a lr e s e a r c h ，t l l em e m o do fe s 讪l i s l l i n g 自e e w a yd a ：t as i i i l u l a t i o np l a t f o n ni sp r o p o s e dh lt l l i sp 印e r i no r d e rt or e n e c tt h eo p e r a t i o n c o n d i t i o no fv c l l i c l e so ns o m er o a ds e c t i o n sm o 陀r e a l l y ，v e l l i c l e 、v 嬲t 翰c k e do n 舶e w a yd a ：t a s i m u l a t i o np l a t f o r i n 丘d mt i i l l et 0t i m et op r o d l l c i n gt h en e c e s s a 巧d a t a t h ep 印e rr e s e a r c h e s 血ee x i s t i n g 仃a m ci n c i d e n td e t e c t i o na l g o r i m m s ，n o to i d ym a k e sa c o r n p 锄t i v e 孤a l y s i s0 nm e s ea l g o r i t l l 】 i l s v m i d i 饥b u ta l s ol i s t s l e 印p r o a c h e so fe v a l u a t i n g v a j i d 畸o ft m 伍ci i l c i ( 1 e n td e t e c t i o na l g o r i t h i n ，n 啪u 曲a i l a l y s i sb 弱i cp r i n c i p l e so fb p ，r b f g 砌叮n ( g e n e r a l i z e dr e g r e s s i o nn e u m ln e 咖d ( ) ，t 1 1 ea d v a m a g e so fn e u r a l 眦铆o r k l e o r ) r w e r ea p p l i e dt 0n a m ci 1 1 c i d e md e t e c t i o na l g o r i t h m 1 跏脏ci r l c i d e md e t e c t i o na 1 9 0 r i t h m s b a s e do nb pn e t w o r k 、r b fn e t w o r ka 1 1 dg 心( g e n e r a l i z e dr e g r e s s i o nn e u r a ln e t w o r k ) a r ep u tf 0 刑a r d t a m cs t a _ t i l sp a r 锄e t e r sf 而mt l l e f r e e w a y d a ：t as i m u l a t i o np l a t f o 肌a r e a p p l i e dt 0 勺r a i na i l dt e s tt h ev a l i d i t ) ，o ft m m ci n c i d e n td e t e c t i o na l g o r i t h mb 嬲e do nn e u r a l n 神w o r k n l r d u 曲t e s ta n da 1 1 m y s i s 舰m ci n c i d e n td e t e c t i o na l g o r i t h m sb a s e d 伽b pr 咖r k ， 砌强n 娟v o r k 觚dg 对叮n ( g e n e r a l i z e dr e g r e s s i o nn e u r a ln 咖o d 【) ，t h eg i 心n ( g e n e r a l i z e d r e 黟e s s i o nn e u r a ln e 似d f k ) i 粥as 仃o n ga d v a i l t a g e o na p p r o x i m a t i o na b i l i 吼s o n 讯g c 印a b i l i t i e s ，l e 锄l i n gs p e e d t o w 乏叫b pn e t w o r ka n dr b fn e 铆o r k g 鼢叮n 而l lf i n a l i y c o r e 唱ea tt l l eo p t i m u mr e g r e s s i o ns u r f 配e 、) v _ h e r em o s to fs a m p l e sc e n t r a l i z e w i l e nt l l ed a t a o fs 锄p l e si sn o te n o u g l l t l l ee 脓to f p r e d i c a t i o n 谢l lb ea l lr i 出i tc a na l s od e a l 晰lt l l e u i l c e r t a i nd a t a t r a m ci i l c i d e md e t e c t i o na j g o r i t h mb a u s e do ng 鼢烈n e t 、 ，o r k 诵l lh a v el l i g h e r i n c i d e n td e t e c t i o nr a c ea i l dl o wf h l s ea l a n ：1 1r a l e a n di t se 仃e c t i v e n e s si sb e t t e rt h a nt h eo t h e r i i i t w oa l g o r i 山n s m e a l l w h i l e ，t l l ep 印e ra l s oa d dt h ep a r 锄e t e ro fv e h i c l ec l a s s i f i c a t i o n 仃a m c f l o wi 1 1t l l ee x i s t i n g 衄瓶cs t a t u sp 猢e t e r s c o m p a r i s o no ft 、】旧p a r 锄e t e r so ft 1 1 et r a 伍cs t a t e p 觚啷e t c r s ，t h er e s u l t ss h o wt l l a t 仃a 伍cs j t a t l l sp 舢e t e i sa d d e db yt l l ev e h i c l ec l a s s i f i c a t i o n 倘cn o wc a i li m p r 0 v e 舰衔ci n c i d e n td e t e c t i o nr a t ea i l dl o wf a l s ea l a n nr a t e k e ) 啊o r d s ：仔e e w a y ，q u e u i n gt l l e o r y ，仃a m ci i l c i d e n td e t e c t i o n ，g e n e r a l i z e dr e 掣e s s i o n n e u r a ln e 觚o r k ，舰伍cs t a t l l sp 砒m e t e r s 论文独创性声明 本人声明：本人所呈交的学位论文是在导师的指导下，独立进行研究 工作所取得的成果。除论文中已经注明引用的内容外，对论文的研究做出 重要贡献的个人和集体，均已在文中以明确方式标明。本论文中不包含任 何未加明确注明的其他个人或集体已经公开发表的成果。 本声明的法律责任由本人承担。 论文作者签名：张字几z 护汐7 年夕月2 7 日 论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学 校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权 利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成 果时，署名单位仍然为长安大学。 ( 保密的论文在解密后应遵守此规定) 论文作者签名：纸萝儿 铷虢彦永哗 z 7 年夕月刁日 1 引月7 日 长安大学硕士学位论文 1 1 论文研究背景 第一章绪论 改革开放以来，我国的国民经济有了快速的发展，国民生产总值持续高速增长，人 民生活水平进一步提高。在经济发展的过程中，公路交通工具的数量也快速增加，加大 了公路交通的压力，公路交通设施已经不能适应经济发展的要求，成为制约国民经济发 展的“瓶颈i j j 。 1 9 8 8 年，上海至嘉定高速公路1 8 5 k m 建成通车，实现了中国大陆高速公路零的突 破。1 9 9 8 年以后，国家加大基础设施的建设力度，特别是高速公路的建设。例如在2 0 0 1 年，国家用于公路建设的投资达到2 4 0 0 亿元，当年新建高速公路3 0 0 0 k m ，使全国高速 公路的通车里程达到1 9 0 0 0 k m ，总长度超过加拿大而位居全球第二【l 】。高速公路的建设 和发展是国家及地区经济发展水平的风向标，为了改善长期以来交通运输业严重制约经 济发展的状况，公路道路基础设施的落后面貌发生了巨大的变化。中国过去十几年来在 高速公路建设上取得了举世瞩目的成就，截止到2 0 0 5 年底，我国高速公路总里程突破 到4 1 万公里【2 1 。到2 0 0 6 年末，我国高速公路里程达4 5 万公里，到2 0 0 8 年底里程达 6 0 3 万公里，创造了世界高速公路发展的奇迹。并且我国还计划到2 0 2 0 年，基本建成 国家高速公路网，将我国高速公路里程达到8 5 万公里，可以覆盖1 0 多亿人口带动经济 的发展，建设7 条首都放射线、9 条南北纵线和1 8 条东西横线，形成“7 9 1 8 ”网状格局， 这将大大改善我国的交通运输状况，极大地促进我国经济进一步高速发展【3 l 。然而，进 入2 0 世纪后期，伴随着运输需求不断增加，而高速公路在交通运输方面又占有举足轻 重的地位，故高速公路在高峰期拥挤、阻塞日益严重，高速公路的交通事件也不断上升。 根据文献资料显示表明：高速公路的事故率要比普通公路低得多，但同时它设计标准较 高，分向行驶所以高速公路上具有车流量大、车辆行驶速度快、冲击力大的特征，所以 一旦发生事故，往往是恶性事故【l 】。所以，高速公路发生重大、特大恶性交通事故的概 率较大，占事故总数比例高于普通公路【4 1 。如2 0 0 7 年1 2 月1 0 号因受大雾天气影响，浙 江杭金衢高速公路诸暨段发生一起重大交通事故，三十三辆车连坏相撞，事故造成一人 死亡，一人重伤，六人轻伤，一千余辆过往车辆滞留。据不完全统计，此次交通事故至 少使三十三辆车相撞并不同程度受损【5 1 。2 0 0 9 年一辆车牌号为云e 0 8 9 3 4 的载煤大货车 l 第一章绪论 行驶至昆楚高速公路楚昆方向k 1 2 6 + 6 0 0 m 处时，失控后撞在左边中心护栏上，占据了 高速路上的一个车道，煤块散落在路面上。事故发生后，昆楚高速公路交巡警大队在该 车5 0 0 米后放置了警示锥桶和安全警示标志。6 时4 0 分，云南省旅游汽车公司牌号为云 a l l l l 7 的金龙大客车( 车上有3 6 人) 从楚雄出发返回昆明，经过该路段时，发现警示 标志后减速行驶，一辆车牌号为湘n 0 7 3 4 7 的拉西瓜大货车因制动未能减速，将金龙大 客车冲撞至路基下约1 0 0 米的山地内，造成客车上1 4 人当场死亡，2 人送医院途中死亡， 2 0 人受伤。拉西瓜大货车也随之翻至客车旁约5 0 米的地方，导致车上2 人当场死亡，1 人送医院抢救无效死亡，2 人受伤【6 j 。从浙江杭金衢高速公路发生重大交通事故和昆楚 高速公路发生的特大交通事故对比可以发现二次事故( 即在高速车流遇到意外的停车或 缓慢冲击波时发生的车辆追尾事故) 造成人员和财产损失更大。当今社会无论是发达国 家还是发展中国家都非常关注高速公路的安全问题。因为都存在着不同程度的突发性的 交通事件和堵塞问题。如果高速公路上发生交通事故，往往很快会引发交通瓶颈，极易 造成二次事故，往往二次事故更为严重，从而严重影响高速公路的经济效益和运行效率， 给出行人员的安全带来威胁，给高速公路管理部门增大管理难度和负担。所以，实时交 通事件管理并针对交通事件及时采取有效的疏导策略是非常重要的，但交通事件检测技 术是交通事件管理的基础。如果没有及时发现交通事件发生位置、交通事件种类和交通 事件的大小怎么能及时采取有效的疏导策略? 而当今通信技术和检测技术手段的应用， 已使得该项技术的研究完全可行。交通事件检测是高速公路交通事件管理的基础，其作 用是通过对所采集的交通信息进行分析处理，快速判定是否有交通事件发生并及时采取 有效的疏导策略防止二次事故发生。 1 2 研究目的和意义 高速公路交通事件管理在产生巨大的经济效益的同时还能带来诸多无法度量的社 会效益如缓解交通事件当事人的紧张心理和减少交通事件带来的不便，减少延误，减少 有害气体的排放，减少二次交通事件的发生几率，改善公共关系掣7 1 。高速公路交通事 件管理主要包括五个主要步骤：交通事件检测，交通事件确定，交通事件反应，交通事 件清理，交通管理并通知司机【3 】。交通事件检测是整个过程的第一步也是最重要的一步。 本文将针对高速公路交通现状中存在的主要问题和实际情况，开展对交通事件检测的研 2 长安大学硕士学位论文 究。通过对先进的理论与技术研究，将其应用到高速公路交通事件检测算法中去，以提 高交通事件检测算法的性能，以便快速定位发现交通事件，及时疏导交通事件避免二次 事故，从而确保高速公路“安全、快速、高效、舒适”基本目标的实现【9 】。 本论文选题的重要意义： 高速公路安全性优于普通公路。但是，高速公路上交通量大，车速高，频频发生的 交通事故也以其事故等级高、人员伤亡程度都较普通公路严重，即恶性事故多的特点引 起了社会各界的广泛关注【1 0 1 。一旦出现恶性交通事件需要及时发现，先进的交通事件检 测技术可有效地提高高速公路交通事件检测效率和效果，从而快速发现交通事件，为交 通管理部门提供实时、准确、可靠的交通信息；避免二次事故发生，从而提高高速公路 的安全性。进而最大限度地发挥交通事件条件下的道路运营效率。所以开展交通事件检 测的研究，为了有利于及早发现交通事件，有效实时交通疏导，及时消除交通事件影响， 避免二次事故发生。最大可能的减小交通事件对环境和人类的危害。 本文将重点研究神经网络在交通事件检测中的应用，是对现有交通事件检测算法的 丰富与扩展，并提出增加新的交通状态参数，是对现有的交通状态参数不足提出的改进。 本文的研究可以为后续研究奠定良好的基础，而且具有重要的指导意义和参考价值，为 确保高速公路“安全、快速、高效、舒适的基本目标具有重要意义。本文利用先进神 经网络理论作为基础，结合国内高速公路的实际现状进行研究并给出一些建议，最大限 度的提高交通事件检测的有效性，为以后将神经网络理论应用到实际的高速公路交通事 件检测中奠定基础。 1 3 研究方法及研究内容 本文的高速公路交通流数据是由高速公路数据仿真平台获得，故首先要对交通流仿 真进行研究，得到仿真数据后。利用神经网络设计交通事件检测算法并对交通事件进行 检测，验证其有效性，找出最适合应用于高速公路交通事件检测算法的神经网络模型。 高速公路数据仿真平台包括两个部分：交通仿真和检测器仿真。交通仿真部分包括 两个模块：随机车辆数据模块和车辆运行数据模块。随机车辆数据模块主要是产生车辆 ( 编号、类型、产生时间) ，为高速公路提供仿真车辆。车辆运行数据模块主要是使仿 真车辆在仿真高速公路上运行并要仿真出遇到各种交通事件后车辆的反应。最后设计交 3 第一章绪论 通检测器仿真。可以根据交通仿真检测器检测出平均车速、交通流量、占有率、车辆分 类交通量，并根据所得数据验证给出的基于神经网络交通事件检测新算法的有效性。 本文共验证了三种神经网络b p ，l m f ，g i 心附，考察三种神经网络中那种神经网络 应用于交通事件检测算法最佳。并在传统交通参数中提出加入新的交通状态参数( 车辆 分类交通量) ，相比传统交通状态参数对交通事件的检测效果有显著提高，具有良好的 有效性。为以后交通事件检测算法的研究具有参考价值。 1 4 论文结构安排 论文除了第一章绪论和结语与展望以外，根据研究的重点和难点，确定全文总体结 构及各章研究内容如下： 第二章：描述交通事件的属性和分析交通事件，简单阐述交通事件检测技术迄今为 止一些重要的算法和理论，分析出最具有发展潜力的交通事件检测算法，并阐述交通事 件检测算法的评价指标与评价方法为后面本文研究的核心算法提出评价标准。 第三章：阐述基于神经网络交通事件检测算法的发展和优势，并阐述神经网络的一 般神经模型，为本文将神经网络应用于交通事件检测算法做基本的理论铺垫。 第四章：由于本文所需数据量较大，交通事件时交通流数据在实际中很难采集，所 需数据较灵活，故根据实际情况编写高速公路数据仿真平台，产生所需数据。这一章主 要是描述所用交通仿真理论和程序的编写。为论文的第五章神经网络在交通检测中的应 用提供所需数据。 第五章：分析作为交通事件检测算法中常用的传统交通状态参数，提出加入新的交 通状态参数并验证其有效性。确立并验证神经网络在交通事件中的应用优势，建立基于 b p 网络、i m f 网络、g 砌州三种交通事件检测算法。通过交通事件检测算法的有效性 评价，比较新的交通状态参数与传统的交通状态参数对交通事件检测算法有效性的影 响，并比较三种基于神经网络交通事件检测算法的优劣。分析比较出最佳应用于交通事 件检测的神经网络及交通状态参数。 4 长安大学硕士学位论文 第二章交通事件检测研究进展评述 据估计发达国家高速公路中6 0 7 0 的延误是由交通事件引起的，而交通事件的 早期检测与及早分流可以使其引起的延误大幅度降低。自2 0 世纪6 0 年代开始的交通事 件自动检测算法( a u 幻m a t i ci n c i d e n td e t e c t i o n 简称赳d ) 目前一直是协助交通管理部门处 理交通事件【1 。 2 1 交通事件叙述 高速公路的发展带来了经济、文化的高速运转，极大地提高了交通运输效率，高速 公路网在国民经济、文化发展中发挥着极其重要的作用。然而，随着高速公路通车里程 的增长，高速公路网越来越发达。单条道路的突发交通事件，可能会对整个路网形成较 严重的影响。然而在最近几年各类交通事件明显增多，二次事故也不断增多，给人们的 出行安全埋下了隐患，使高速公路管理部门的工作面临着巨大困难1 1 。据文献【l 】和资料 显示：高速公路与一般公路相比高速公路具有全封闭、设计标准高、全立交、分道行 驶、线形好、有完整的高速公路监控系统与预警系统，因而事故率比一般公路低得秒1 】； 但是高速公路由于车速快、动量大、冲击力强，一旦发生事故其严重程度远远超过普通 公路上的事故。不仅一次事故波及的车辆多、货物损失和设备损失大，人员伤亡高，而 且会造成严重的交通阻塞，往往很快会引发交通瓶颈，极易造成二次事故，二次事故更 为严重，严重影响高速公路通行能力和运营效率。 2 1 1 交通事件的定义 交通事件一般是随机事件，其发生的时间、地点、持续时间都不确定的，这些因素 的随机性是由交通需求的随机性引起的。在描述交通事件时，要确定以下参数来客观地 描述交通事件：事件发生时间、事件持续时间、事件发生位置、事件规模【。 2 1 2 交通事件分析 根据交通事件发生原因和造成人员伤亡、货物损失和设备损失情况，将交通事件分 为常发性交通事件和偶发性交通事件，交通事故是偶发性交通事件的主要表现形式【。 在表2 1 中列出了道路上常见的交通事件和交通事件的分类。其中雾雨雪事件即是常发 5 第二章交通事件检测研究进展评述 性交通事件也是偶发性交通事件。雾雨雪事件的分类是根据实际情况而定。 表2 1 道路中常见的交通事件及分类 事件分类 常发性交通事件偶发性交通事件 交通阻塞 交通事故 速度限制 车道控制 汽车失灵 汽车起火 路面凹陷 路面积水 货物洒落 道路关闭 施工 - 雾雨雪 表2 1 中“表示相应类型的交通事件。 常发性交通事件的产生一定会影响高速公路的通行能力和运行效率但不一定会造 成人员伤亡、货物损失和设备损失例如施工、道路关闭。偶发性交通事件例如交通事故、 汽车起火，产生的影响除了高速公路事件本身的人员伤亡、货物损失和设备损失外，还 在局部上阻塞车道造成瓶颈，诱发二次事故造成更大的人员伤亡、货物损失和设备损失， 如果交通事件发生时，能够及时检测，及时报警，及时产生应急救援需求并协调有关部 门进行事件处理，缩短有效的应急救援响应时间，提高救援的有效性和可靠性，就能降 低交通事件所造成的损失，提高高速公路运行效率，最大程度地保护旅客的生命和财产 安全。 2 2 交通事件检测技术的研究 2 2 1 模式识别算法 这类算法是从正常交通状态中识别和区分出交通事件。它们根据交通事件发生时出 6 长安大学硕士学位论文 事地点及其上游截面的交通流量下降、占有率明显增加和平均车速显著降低，这一事实 来判别交通事件是否发生。它们把检测的交通参数值( 例如交通流量，占有率，平均车 速) 与事先确定的阈值相比较，当参数超过阈值时将产生交通事件报警。常用的有加利 福尼亚算法、a p i d 算法、p a t r e g 算法等。加利福尼亚算法：由美国加利福尼亚运输 部开发，并得到了广泛的认可和应用，并作为经典算法来评价新算法的有效性。该算法 是属于双截面算法的一种，具体方法步骤如下【1 】【1 2 】【1 3 】：( 1 ) 计算相邻两个检测站的占 有率之差，与阈值相比较；( 2 ) 计算相邻两个检测站占有率的相对差值，与阈值相比较； ( 3 ) 计算下游检测站处前后2 m i i l 内占有率相对差值，与阈值相比较。当三个条件全都 满足时，就会发出交通事件报警。 在加利福尼亚算法的基础上，涌现出一系列经过改进的新算发，例如由p a n y e h j 在1 9 7 6 年研究开发经过测试的一种改进算法( 称为算法7 ) 取得了良好的效果，该算法 包括了对事件结束的检验。在这些算法中，算法7 和加利福尼亚算法类似，不同是算法 7 没有采用计算下游检测站处前后2 m i l l 内占有率相对差值，与阈值相比较这一条件。 但这两个算法的各种性能都表现的比较好。 c a l i f o n l i 甜7 算法用一分钟平均占有率，即在时刻t 从检测站f 得到的平均占有率， 按式( 2 1 ) 、式( 2 2 ) 和式( 2 3 ) 三个条件，判断事件是否发生： d c c d f = d c c ( f ，) 一d c c ( f + l ，f ) k i( 2 1 ) d 砌泖：塑萼譬掣拭2 ( 2 2 ) d g c ( f ，n 、7 d d c c 四：塑萼篆等罢掣塑毛 ( 2 3 ) d c c ( f + 1 。，一2 ) 。 、7 如果式( 2 1 ) 、式( 2 2 ) 和式( 2 3 ) 条件都满足，则判定交通事件发生。 a p i d ( a np u 印o s ei n c i d e n td e t e c t i o n ，简称a p i d ) 算法：是有c h a i l ga n dl i n 在1 9 9 3 年在多伦多开发的。该算法整合和扩展c a l i f - o r n j a 算法，是对经典算法的一种改进，并 且有压缩波检验程序和持续检验程序【1 3 】。它是一个综合的探测算法，该算法的目标是能 在任何交通流状态下都具有较高的检测率，较低误警率和较低平均检测时间。该算法与 c a l i f 0 n l i a 算法相比主要是可以使用在不同的交通条件下。据资料表明a p i d 系统在繁重 的交通条件下工作最好，在低流量情况下性能最差。因为该算法考虑的过于全面，而该 第二章交通事件检测研究进展评述 算法的理论基础模式识别，所以该算发对各种交通条件的反应过于敏感。 p a t r e g ( p a 仕e mr e c o g l l i t i o n ) 算法：该算法是由交通公路调查实验室( t i 己i 也) 提出 在1 9 7 9 年，这个算法设计主要是针对在入口道和交织段之间的交通流相互干扰严重 且占有率高的路段。该算法是根据估计车辆通过相邻两个检测器间的时间，推测出车辆 的运行速度作为预先确定的速度极限值。然后在根据当前时刻检测器检测的速度，将这 一速度与预先确定的速度极限值相比较，当这一速度低于极限值速度给予报警。 2 2 2 统计算法 这类算法是是运用统计技术和检测数据来检测交通事件的一类算法。是利用统计技 术和检测数据预测出当前的交通状态参数数据，然后在根据当前实际检测结果同预测数 据加以比较：如果存在较大偏差，可能有交通事件发生启动事件报警系统。统计算法基 本上不考虑依靠什么理论，而仅仅采用统计技术进行交通事件数据的识别。统计算法中 常用的有标准偏差( s n d ) 算法、贝叶斯( b a y e s i a l l ) 算法等。 标准偏差( s n d ) 算法：由德克萨斯州交通协会( t t i ) 在1 9 7 0 1 9 7 4 年期间开发【1 3 】。该 算法是通过一个简单的统计分析得到标准偏差值，用标准偏差值来衡量交通状态参数数 据相对于以前的时间间隔中测到的平均趋势的改变程度，当存在明显差异时，触发交通 事件报警系统【1 1 。判断是否发生交通事件： ( f ) = 型产k 舯州归吉扣川 s = 丢喜c x 。一。一x 。c r ，2 i 式中 x 。( ，) 一当前预测交通变量值； s 一前刀个采样交通变量的标准差； k 一门限值； 鼢眇一标准偏差。 贝叶斯( b a y e s i a n ) 算法：该算法由l e v i i l 和鼬- a u s e 在1 9 7 8 年开发，该算法与其它的 算法最大不同之处在于它把发生交通事件的表示不再是简单的0 和l ，引入了概率来表 长安大学硕士学位论文 示这是它的一个亮剧1 3 1 。完成贝叶斯统算法需要三个历史数据库：无交通事件时的路段 信息数据、有交通事件的路段信息数据和交通巡逻日志数据。将交通事件的类型，位置 和交通事件的大小都记录在数据库中。然后根据所有的历史资料进行分析，统计计算确 定如果占有率发生变化是否有交通事件发生或无交通事件发生。该算法平均检测时间很 高主要是由于需要时间辨认交通事件。 2 2 3 时间序列和修正算法 这类算法对原始数据做低通滤波处理，以消除短期的交通扰动( 如通信噪声、暂时 性的系统故障、压缩波等原因) ，经过处理的交通状态数据和预测阈值进行比较，如果 交通状态数据有突变则证明有交通事件发生。时间序列和修正算法中常用的有时间序列 算法、高占有率算法、平滑算法等。 时间序列址u m a 算法：通过对美国各个交通监控中心的数据库分析，趾吼e d 和 c 0 0 k 在1 9 8 2 年运用b o x - j e n l ( i n s 时间序列分析技术中的白回归移动平均方法a r i m a 开 发了一种交通事件检测算法【”】。该算法通常用作短期交通预测和9 5 置信区间预测。该 模型能够通过前三个时间段的观测值预测当前交通状态，如果当前检测器检测的交通状 态与预测交通状态有较大偏差时，触发交通事件报警系统。 高占有率算法( h i o c c ) ：是根据p a t r e g ( p a mr - e c o g m t i o n ) 算法发展而来的【1 3 】， 该算法是根据如果有交通事件发生车辆可能会停车或相对缓慢行驶。通过检测器检测道 路上的占有率数据，每秒扫描道路上检测器占有率数据十次，会给出一个分析道路上占 有率的值为卜1 0 ，0 表示在一秒内没有一辆车辆在检测器上，1 0 表示在整个一秒内都 有车辆在检测器上。如果检测连续几个周期都为1 0 将触发交通事件报警系统。该算法 不同其它算法之处在于设计了中断报警机制。 平滑算法：通过过去和现在的占有率观测值的权值，预测将来的交通流参数，交通 事件检测是根据交通流参数的变化来检测的。检测系统的通信噪音干扰了反映交通事件 的信号，所以在交通事件检测算法中，常用指数平滑法、双指数平滑法对交通状态参数 中的占有率值进行平滑。对检测数据进行平滑后，误警率会明显降低。 2 2 4 低流量交通事件检测算法 大多数算法在低流量交通状态下存在检测率很低的问题，这是因为它们基本上都是 o 第二章交通事件检测研究进展评述 基于通过比较实际交通流数据与预测交通流数据是否有显著变化，而在低流量交通时交 通事件发生，实际交通流数据也变化不显著。由于这种情况下德克萨斯交通协会开发出 一套低流量检测算法，它是使用上下游检测器检测的交通流量来判定是否有交通事件发 生【1 3 】。根据上游检测器检测到的车辆运行速度和检测时间预测它到达下游检测器的时 间。在车辆到达上游检测器和离开下游检测器时间段对车辆进行统计，当离开下游检测 器车辆总数小于进入上游检测器车辆数时，触发交通事件报警系统。当离开下游检测器 车辆总数等于进入上游检测器车辆数时，不触发交通事件报警系统。当离开下游检测器 车辆总数大于进入上游检测器车辆数时，无法判定。 2 2 5 交通模型和理论算法 这类算法是根据交通流理论模型来检测交通事件的，该类算法在低流量时有效性较 差，因为是根据实际检测到的交通状态同预测的交通状态加以比较分析来确定是否有交 通事件发生。交通模型和理论算法中常用的有：动态模型算法、突变理论算法等。 突变理论( p e r s 硼da i l dh a l l ，1 9 8 9 ) ( c a l la l l dh a l l ，1 9 8 9 ) ：该算法是由加拿大m c m a s t e r 大学土木工程系研究开发出来的，故又称为m c m a s t e r 算法【。该算法在判断拥挤存在 的过程中，该算法除了考虑交通流量参数外，还要考虑平均车速和道路上的占有率。当 平均速度低于某个值时或道路上的占有率高于某个值时，就判定交通事件发生，并检查 下游检测器的交通状态确定拥挤的来源。为降低误警率，该算法规定只有当检测器连续 三个检测周期，均出现平均车速低于阈值或占有率高于阈值或交通流量都在拥挤区域 内，才判定为交通事件发生。除此之外，连续两个检测周期，道路上占有率和交通流量 都超过阈值时，也判定为有交通事件发生。 2 2 6 高级事件检测算法 模糊几何算法：把模糊性带入了交通事件检测算法之中，该算法通过研究模糊数学 对不精确数据或资料不全的数据进行近似推理。模糊几何算法与其它算法不同之处是该 类算法能够表示交通事件发生的任何可能的概率( o 1 之间的任何数值) 。 神经网络算法( 融t c h i ea j l dc h e u ，1 9 9 3 ) ，近几年人工神经元网络( a n n ) 算法已应用于 交通事件检测问题中，并充分显示了比其他传统算法的优越性。神经网络算法是模拟人 脑的思维过程，进行并行处理获得最终结果。基于神经网络交通事件检测算法不需要人 1 0 长安大学硕士学位论文 为建立检测模型，让神经元网络自动学习实际道路上发生和未发生交通事件时的交通流 数据，直接归纳出交通流的规律，建立起交通事件检测模型。基于神经网络交通事件检 测算法可以更好的适应高速公路随机性、模糊性、动态性和不确定性的非结构化的复杂 多变的交通状况。避免了传统算法因人为建立的模型与实际情况不符导致算法有效性不 佳的情况。 2 3 交通事件检测各种算法比较 模式识别算法中c m i f 0 n l i a 算法系统中的3 个主要缺陷是：( 1 ) 对于每个地点的阈 值标定很困难。而阈值的选择与检测效果息息相关，特别在大的路网中，每个独立的阈 值必须根据道路实际情况( 如匝道、弯道、山地、天气等) 的不同而分别标定，因为实 际的高速公路中有许多特殊情况比如高速公路中有风口的地方，车辆都要被限速，车辆 速度过高容易引发交通事故此时易出现误报。( 2 ) 交通事件判断不能有效地捕捉到所有 可能的交通模式。因为选择阈值不仅要考虑高峰时刻还要考虑其他时间。如果阈值定的 过低，检测率会升高但误警率就会过高；如果阈值定的过高，检测率就会降低。( 3 ) 需 要标定的阈值依赖于地点及历史数据的质量和人的判断，而在实际中特殊路段较难选择 阈值，往往达不到所期待的效果，而在各地点取常数同样也达不到预期目标【l 2 1 。 多目标事件检测算法( a p i d ) ：它与c a l i f o r n j a 算法最显著的不同，它使用平滑的占 有率作为检测变量来减少误警率，但是它们所用的基本理论一样的。故有些人认为a p i d 算法尽管避免了c a l i f i o n l i a 算法中某些理论上的不足，但它对各种交通条件的反应过于 敏感【1 2 l 。据一些文献和资料显示在该算法离线试验下：算法在8 6 的事件检测率下， 平均检测时间为2 5 5 分钟，误警率为o 0 5 ，该算法表现出了良好的性能【1 3 】。该算法 理论上在各种交通状态性能都很优越，但实际上该算法只在大交通量条件下性能优越， 而在小交通量条件下性能较差( m a s t e r s ，l 锄，a n d w b n g1 9 9 1 ) 。 统计算法是运用统计技术和检测数据来检测交通事件的一类算法，统计算法基本上 不考虑依靠什么理论，是利用统计技术和线圈数据预测出当前的交通状态参数数据，然 后在根据当前实际检测结果同预测数据加以比较，从而进行模式或异常数据的识别。统 计算法中标准差( s n d ) 算法对其进行的一个离线性能评估表明：这种算法在9 2 的交通 事件检测率下，平均检测时间为1 1 分钟，误警率为1 3 【1 3 】。这种算法有效性较高， 第二章交通事件检测研究进展评述 但它的阈值却很难判定的，如果阈值没有选准将直接影响算法的有效性。然而阈值具体 的判定方法还没有很好的办法。由于算法依赖于经过检测器的冲击波，所以检测器的空 间布置距离也是个问题【1 3 】，在实际很难做到检测器的密集布设。贝叶斯( b a y e s i a l l ) 算法： 据一些文献和资料显示：该算法离线试验下检测率为1 0 0 ，误警率为o ，平均检测 时间为4 分钟【1 3 】。算法对于检测率和误警率检测效果较好，但是平均检测时间太长。该 算法不同于其它算法的地方是检测结果不再是有无交通事件，而是给出发生交通事件的 概率。l e v m 和e 在1 9 7 9 年评价了贝叶斯算法：( 1 ) 贝叶斯判别算法对于阈值的 标定是非常重要的，阈值的确定将直接影响到该算法的检测率、误警率和平均检测时间。 ( 2 ) 需要建立给定交通流参数值的情况下，交通流处于异常状态和正常状态的条件概 率的数学描述。实际应用中往往难以达到，这是该算法一个致命的缺点f 1 射。 时间序列甜u m a 算法据一些文献和资料显示：该算法离线试验下检测率1 0 0 ， 误警率2 6 ，平均检测时间o 5 8 分钟【l3 1 。并且该算法与d e s 和加州算法进行比较。当 误警率都降到l 时，a 魁m a 算法的检测率和检测时间都超过它们。但时间序列法存 在以下缺陷【1 2 】：该算法假定交通模式服从历史的趋势，故要求天气状态、道路条件和交 通流数据都很稳定，否则将会影响该算法的有效性，而实际的高速公路交通状态具有随 机性、模糊性、动态性、不确定性。( 2 ) 该算法的阈值很难确定，这也是该算法的一 大缺点。( 3 ) 该算法在小交通量下的有效性较差。 m c m a s t e r 算法有很多明显的优点：( 1 ) 在这个算法中，下游检测器的故障不会影 响交通事件检测，这与c a l i f 0 r n i a # 8 算法不同。( 2 ) 在检测交通事件时，该算法考虑了 平均车速、交通流量、道路上的占有率和偶发性拥挤情况时交通流数据的变化，而 c a l i f o m i a # 8 只使用占有率作为输入，所以可以降低误警率【1 5 】。( 3 ) 平均检测时间为3 0 s ， 比c a l i f o n l i a # 8 要快；但是它的采样周期长度为3 0 s ，加大了系统的负担而c a l i f l o m i a # 8 采样周期长度为1 2 0 s 。m c m a s t e r 算法主要的缺点是：该算法在定义阻塞与非阻塞边界 时考虑了交通流及道路几何线形的变化，因而该算法需要对不同的地点和不同的数据集 重新定义，而且该算法预定的阻塞与非阻塞边界不能在实时运行过程中随时间变化，这 导致其可移植性较差【1 6 】。 随着高速公路通车里程的增长，路网结构日趋复杂，而目前为止已开发的高速公路 事件检测算法中，并没有一种算法的成效完全优于其它算法，不同的算法只是在不同情 1 2 长安大学硕士学位论文 况下其性能优越。基于神经网络的交通事件检测算法有其优势，引入神经网络进行交通 事件检测对于随机的交通状态参数变化具有更好的适应性，能及时跟随交通状态参数的 变化，精确度更高，适应性更好。根据i uc h e n 等人( 1 9 9 3 ) 使用从微观仿真程序产生的 数据进行仿真验证表明：神经网络算法的有效性明显优于c a l i f b n l i a 算法。相信神经网 络算法的潜力将很大【1 2 】。 2 4 交通事件检测算法有效性评价指标与评价方法 为了便于考察a i d 算法的检测性能，通常需要采用一定的指标和方法对其进行评 价。目前，常用的a i d 算法性能评价指标有三个：事件检测率( d e t e c t i o n 胁e ，d r ) 、 误警率( f a l s ea l 姗胁e ，f a r ) 和平均检测时间( m e 孤t i m et od e t e c t i o 玛m t l l d ) 。事 件检测率越高越好，误警率越小越好，平均测算时间越短越好。其中，事件检测率是指 在特定时间段内