本论文所依托的科研项目为国家“十五”科技攻关重大项目《基础交通信息采集与融合技术研究》和国家自然科学基金项目《智能化高速公路突发事件监控系统关键理论与方法研究》。
通过对高速公路交通事件管理过程进行分析,明确了交通事件管理系统的各类用户及其需求,以此为基础对系统功能进行了设计,并建立了高速公路交通事件管理系统的结构框架。
在对经典交通事件自动检测算法进行回顾后,对交通事件状态下高速公路交通流特性进行分析,设计了基于人工神经网络的双截面高速公路交通事件自动检测(Double Section-Artificial Neural Network, DS-ANN)算法,并利用模拟数据对其进行了有效性分析和可移植性分析,结果表明DS-ANN 算法在性能上优于已有的经典AID 算法。此外,为有效降低误报率,论文设计了三级报警制度。模拟分析表明,三级报警制度对提高AID 算法性能方面具有重要的现实意义。
为了提高交通事件检测算法的有效性,论文对DS-ANN 算法的适用条件进行了模拟分析,掌握了检测站间距、交通需求、交通事件严重程度和数据采集时间间隔对DS-ANN 算法的影响规律。
论文最后对交通事件状态下高速公路的控制方案进行了研究,通过对多种控制方式的分析,设计了主线控制和匝道控制相协调的控制方法,运用模拟方法对不同交通事件状态下的控制方案进行了对比分析,最终确定了不同情况下FIMS 的最佳控制方案。
