高速公路交通事件自动检测算法

被引：26

作者：

李琦 ^{[1
]}

姜桂艳 ^{[2
]}

机构：

[1] 青岛市城市规划设计研究院

[2] 宁波大学海运学院

来源：

哈尔滨工程大学学报 | 2013年 / 34卷 / 09期

基金：

高等学校博士学科点专项科研基金; 浙江省自然科学基金;

关键词：

交通运输系统工程; 交通事件自动检测; 收费数据; 标准偏差法;

D O I：

暂无

中图分类号：

U491.116 [];

学科分类号：

摘要：

为解决目前我国高速公路交通检测器布设数量严重不足所导致的交通事件检测效果不佳的问题,在分析了收费数据特征的基础上,设计了一种基于收费数据的交通事件自动检测算法.该算法以标准偏差法为基础,首先为了减少因交通波动引发的误警,提出了一种基于滚动时间序列的交通参数合成方法;在此基础上,为了减少因常发性交通拥挤引发的误警,提出了一种综合考虑交通参数数据横向时间序列和交通参数数据纵向时间序列的改进方案;进而,为了减少因算法自身的检测逻辑引发的误警,提出了一种基于数据分析时间窗口内的交通参数标准差以及当前采样间隔交通参数相对于其以前平均值改变程度的改进方案.采用我国浙江省沪杭甬高速公路的实测收费数据进行验证和对比分析的结果表明,在相同的误警水平下,本文算法的检测率明显优于标准偏差法,平均检测时间与标准偏差法基本持平,且本文算法具有良好的鲁棒性.

引用

页码：1193 / 1198+1208 +1208

页数：7

共 9 条

[1]

基于纵向时间序列的快速路交通事件检测算法 [J].

牛世峰 ;

姜桂艳 ;

李红伟 ;

姜卉 .

哈尔滨工业大学学报, 2011, 43 (02) :144-148

[2]

交通事件检测技术的进展研究 [J].

温慧敏 ;

杨兆升 .

交通运输系统工程与信息, 2005, (01) :25-28+73

[3]

道路交通状态判别技术与应用.[M].姜桂艳著;.人民交通出版社.2004,

[4]

A Threshold-Based Real-Time Incident Detection System for Urban Traffic Networks.[J].Faisal Ahmed;Yaser E. Hawas.Procedia - Social and Behavioral Sciences.2012,

[5]

Development and evaluation of arterial incident detection models using fusion of simulated probe vehicle and loop detector data.[J].Hussein Dia;Kim Thomas.Information Fusion.2010, 1

[6]

Reduced multivariate polynomial-based neural network for automated traffic incident detection.[J].D. Srinivasan;V. Sharma;K.A. Toh.Neural Networks.2008, 2

[7]

Incident detection using support vector machines.[J].Fang Yuan;Ruey Long Cheu.Transportation Research Part C.2003, 3

[8]

Development and adaptation of constructive probabilistic neural network in freeway incident detection [J].

Jin, X ;

Cheu, RL ;

Srinivasan, D .

TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES, 2002, 10 (02) :121-147

[9]

Archived Intelligent Transportation System Data Quality: Preliminary Analyses of San Antonio TransGuide Data.[J].Shawn Turner;Luke Albert;Byron Gajewski;William Eisele.Transportation Research Record.2000, 1

← 1 →