基于CGA-PNN的高速公路交通事件检测算法研究

发布时间：2017-07-17 06:20

  本文关键词：基于CGA-PNN的高速公路交通事件检测算法研究

  更多相关文章： 交通事件检测 概率神经网络 遗传算法 混沌理论

【摘要】：近年来,高速公路快速发展满足了人们日益增加的交通需求,给人民群众带来了极大便利,推动了社会发展。伴随着我国车辆拥有量的不断增加,在其带来便利的同时,由其引发的交通拥堵、交通事故等交通问题也受到了社会各界的广泛关注。高速公路一旦发生事件(事故),带来的损失难以预料。所以,通过对高速公路交通事件检测的研究,提高高速公路运输效率,保障人民生命财产,提供快速、舒适的交通道路环境十分必要。本文在阐述交通流理论的基础上,分析了交通事件发生情况下交通参数变化情况。为了更好的突出事件发生前后交通情况,选用交通量、平均速度、占有率的组合形式作为检测算法的输入特征向量,用I-880交通数据库仿真分析,验证算法的可行性。文中将概率神经网络(PNN)用于高速公路交通事件检测,通过真实交通数据对PNN模型进行仿真。针对PNN模型的平滑因子难以确定、模式层结构冗余的缺点,本文通过实数编码、自适应交叉变异的手段改进遗传算法(GA),形成综合改进遗传算法(IGA),并将其用于PNN模型的平滑因子、模式层结构优化,然后构建基于IGA-PNN交通事件检测模型,通过仿真发现该模型具有较高的检测率、准确率。文章最后引入混沌(Chaos)的概念,采用混沌的方式初始遗传算法的种群。遗传算法迭代过程中,使用混沌方式搜索最优个体附近的参数空间。通过混沌的方式,增加初始种群的多样性,提高算法的局部搜索能力。然后,在此基础上进行基于CGA-PNN的交通事件检测仿真,验证了该方法相比于BP、 IGA-PNN方法具有较高的检测率、高的准确率,为高速公路交通事件检测给出了新方法。
【关键词】：交通事件检测 概率神经网络 遗传算法 混沌理论
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491
【目录】：

• 摘要6-7
• Abstract7-10
• 第1章 绪论10-16
• 1.1 课题背景及研究意义10-12
• 1.1.1 课题研究背景10-11
• 1.1.2 课题研究目的及意义11-12
• 1.2 国内外研究现状12-14
• 1.2.1 国外研究现状12-13
• 1.2.2 国内研究现状13-14
• 1.3 论文主要内容及章节构成14-16
• 第2章 高速公路事件检测原理分析16-26
• 2.1 交通事件基本概念16-21
• 2.1.1 交通流基本参数16-18
• 2.1.2 交通事件概念18-19
• 2.1.3 交通事件下交通流特性19-21
• 2.2 交通事件检测技术方法21-23
• 2.2.1 交通事件检测方法分类21-22
• 2.2.2 交通事件检测系统22-23
• 2.3 交通事件自动检测算法及评价指标23-25
• 2.3.1 交通自动检测算法分类23-24
• 2.3.2 交通自动检测算法评价指标24-25
• 2.4 本章小结25-26
• 第3章 基于PNN的交通事件检测算法分析与设计26-42
• 3.1 概率神经网络原理26-33
• 3.1.1 Parzen窗估计法26-28
• 3.1.2 贝叶斯决策理论28-29
• 3.1.3 概率神经网络基本原理29-33
• 3.2 基于PNN交通事件检测算法33-36
• 3.2.1 PNN算法适应性分析33-34
• 3.2.2 基于PNN交通事件自动检测算法设计34-36
• 3.3 基于PNN的交通事件检测36-41
• 3.3.1 交通仿真数据来源36-39
• 3.3.2 仿真分析39-41
• 3.4 本章小结41-42
• 第4章 基于IGA-PNN交通事件检测研究42-58
• 4.1 遗传算法原理概述42-45
• 4.1.1 遗传算法基本原理42-43
• 4.1.2 基本遗传算法流程43-45
• 4.2 遗传算法改进方法研究45-49
• 4.2.1 编码分析45-46
• 4.2.2 自适应遗传算法46
• 4.2.3 综合改进遗传算法46-47
• 4.2.4 改进方法仿真对比47-49
• 4.3 基于IGA-PNN交通事件检测算法分析49-53
• 4.3.1 基于IGA-PNN交通事件检测的关键点49-51
• 4.3.2 IGA-PNN算法流程设计51-53
• 4.4 仿真结果及分析53-56
• 4.4.1 基于GA-PNN交通事件检测仿真53-55
• 4.4.2 仿真结果对比分析55-56
• 4.5 本章小结56-58
• 第5章 基于CGA-PNN模型交通事件检测研究58-67
• 5.1 混沌基本理论58-59
• 5.1.1 混沌理论58-59
• 5.1.2 常用的混沌映射59
• 5.2 基于CGA-PNN交通事件算法设计59-63
• 5.2.1 混沌遗传优化算法基本思想59-60
• 5.2.2 混沌遗传优化算法流程60-61
• 5.2.3 基于CGA-PNN交通事件检测算法设计61-63
• 5.3 仿真结果及分析63-66
• 5.3.1 基于CGA-PNN交通事件检测仿真63-64
• 5.3.2 仿真结果及对比分析64-66
• 5.4 本章小结66-67
• 总结与展望67-69
• 致谢69-70
• 参考文献70-75
• 攻读硕士学位期间发表的论文75

【相似文献】

中国期刊全文数据库 前10条

1 童剑军;;设计是关键——高速公路交通事件检测技术的设计、使用与评测[J];中国交通信息产业;2007年09期

2 童剑军;;能干啥 想干啥——高速公路交通事件检测技术的设计、使用与评测之二[J];中国交通信息产业;2007年12期

3 童剑军;;好不好 值不值——交通事件检测技术的设计、使用与评测之三[J];中国交通信息产业;2008年02期

4 罗鹃;何彦辉;;秦岭终南山公路隧道火灾和交通事件检测研究[J];中国交通信息化;2011年05期

5 张云伟,刘跃明;交通事件检测的一种滤波算法[J];云南工业大学学报;1998年04期

6 姜紫峰,刘小坤;基于神经网络的交通事件检测算法[J];西安公路交通大学学报;2000年03期

7 吕琪,王慧;基于动态神经网络模型的交通事件检测算法[J];公路交通科技;2003年06期

8 温慧敏,杨兆升;交通事件检测技术的进展研究[J];交通运输系统工程与信息;2005年01期

9 李传志;胡如夫;;公路交通事件检测技术的研究与展望[J];交通科技与经济;2008年05期

10 郑玉兴;;交通事件检测系统在高速公路中的应用[J];北方交通;2009年07期

中国重要会议论文全文数据库 前6条

1 温慧敏;杨兆升;姜桂艳;邵长丰;;基于多层感知器神经网络的高速公路交通事件检测方法[A];第七届北京青年科技论文评选获奖论文集[C];2003年

2 姚智胜;邵春福;;基于v-支持向量分类机的交通事件检测方法研究[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（上册）[C];2005年

3 温慧敏;;交通事件检测数据融合技术研究[A];第一届中国智能交通年会论文集[C];2005年

4 高颖;;快速路交通事件检测算法研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 覃频频;牙韩高;黄大明;;基于Logit模型的城市道路交通事件检测仿真[A];第一届中国智能交通年会论文集[C];2005年

6 刘小明;蒋新春;张杰;吴家宇;;基于视频检测的高速公路车辆交通行为安全状态分析[A];2008第四届中国智能交通年会论文集[C];2008年

中国重要报纸全文数据库 前1条

1 王国忠 李岸;我省高速公路信息监控中心二期工程将重点建五大系统[N];山西日报;2008年

中国博士学位论文全文数据库 前1条

1 蔡志理;高速公路交通事件检测及交通疏导技术研究[D];吉林大学;2007年

中国硕士学位论文全文数据库 前10条

1 张凯;高速公路交通事件检测与仿真研究[D];长安大学;2009年

2 沈舒;高速路网运行状态评估模型、仿真及技术实现[D];南京大学;2013年

3 谢聪;基于CGA-PNN的高速公路交通事件检测算法研究[D];西南交通大学;2016年

4 李桂林;基于视频图像的逆行交通事件检测方法的研究[D];安徽工程大学;2016年

5 刘清泉;基于混合支持向量机多分类器的交通事件检测方法研究[D];长沙理工大学;2009年

6 曾钢;高速公路交通事件检测建模及应用研究[D];中南大学;2009年

7 邵士雨;基于视频的交通事件检测算法研究[D];山东大学;2013年

8 代青敏;高速公路交通事件检测算法研究[D];长安大学;2012年

9 王琪;基于神经网络和支持向量机的高速公路交通事件检测[D];西南交通大学;2006年

10 李驰新;基于神经网络的交通事件检测系统研究[D];兰州理工大学;2006年

，

本文编号：552357