基于多源数据的城市道路交通事件检测

被引：3

作者：

徐涛 ^{[1
,2
]}

徐爱功 ^{[1
]}

胡超魁 ^{[1
]}

张明月 ^{[1
]}

机构：

[1] 辽宁工程技术大学测绘与地理科学学院

[2] 同济大学智能交通运输系统(ITS)研究中心

来源：

测绘科学 | 2011年 / 06期

基金：

国家高技术研究发展计划(863计划);

关键词：

智能交通系统; 交通事件检测; 数据融合; 城市道路; 差分流量;

D O I：

10.16251/j.cnki.1009-2307.2011.06.036

中图分类号：

U491 [交通工程与交通管理];

学科分类号：

082302 ; 082303 ;

摘要：

针对交通事件自动检测多以高速公路、城市快速路为对象以及使用数据源单一的现状,本文提出一种基于多源数据融合的城市道路交通事件检测方法。在对信号控制下交通事件引起的交通流变化进行分析的基础上,利用杭州市城区浮动车、SCATS、Citilog、OD系统提供的实时交通数据,基于CUSUM算法构建差分流量和速度交通事件检测模型。该模型可以有效抑制交通信号对于交通流的周期性影响,协同视频、行程时间构成两方式三指标的事件检测体系。实验表明,模型在高峰时段和平峰时段均能快速准确检测交通事件。

引用

页码：91 / 94

页数：4

共 9 条

[1] 基于样本容量的浮动车数据路网覆盖能力研究 [J].

辛飞飞 ;

陈小鸿 ;

林航飞 .

公路交通科技, 2009, 26 (08) :140-144

[2] 面向道路网的GPS浮动车覆盖率模型研究 [J].

李清泉 ;

尹建忠 ;

贺奋琴 .

武汉大学学报(信息科学版) , 2009, (06) :715-718

[3] 几类正态过程的CUSUM图 [J].

涂玉娟 ;

冯士雍 .

应用概率统计, 2008, (02) :135-147

[4] 基于浮动车的高速公路交通事件自动判别方法研究 [J].

张存保 ;

杨晓光 ;

严新平 .

武汉理工大学学报(交通科学与工程版), 2006, (06) :973-975+983

[5]

Effective arterial road incident detection: A Bayesian network based algorithm[J] . Kun Zhang,Michael A.P. Taylor.Transportation Research Part C . 2006 (6)

[6] Characterization of freeway capacity reduction resulting from traffic accidents [J].