基于流数据的交通异常事件检测方法研究
发布时间：2021-07-11 06:21
道路交通异常事件检测是交通安全监管和路况控制的重要组成部分,也是目前交通领域研究的热点。然而,由于道路交通状况的实时性、复杂性和偶发性,使得道路交通异常事件的检测具有很大挑战性。交通事件的发生会导致车速、占有率、车流量等交通流参数出现异常变化,故可据此进行交通异常事件的自动检测。本文以美国PeMS系统所提供的I80-E高速路交通流参数和交通事件记录数据为基础,研究了基于交通流参数的异常事件检测方法,主要工作如下:（1）结合现有算法和对道路交通状态基本认识,以统计分析和小波分析等为基础提出相关方法,自适应地提取与道路拥堵、异常车流和状态不稳定性等相关的状态信息。在对道路交通状态进行综合表征的同时,有效消除了各探测器流数据间的量级差异,使得可在同一水平上对不同探测器间的状态进行比较。（2）基于I80-E高速路2016年的数据进行样本搜集,采用线性判别、二次判别、神经网络、支撑向量机、决策树、随机森林等六种算法,经过特征提取、特征优选、参数优选、模型优选等过程,最终构建车辆碰撞事件机器学习检测模型。将该模型应用于I80-E高速路2017年1、2月数据上进行验证,成功检测出58起车辆碰撞事件中...
【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
正常和异常交通状况下的交通流差异
图 2.3 PeMS 系统网站首页与 I80-E 高速路具体位置Fig. 2.3 Homepage of PeMS system and location of I80-E highway本文研究以阿拉米达市 I-80 高速路为主体（如图 2.3 右所示）。I-80 高速路全长约为 20 英里，按照东向与西向可分为 I80-E 和 I80-W 两个路段，其中东向的 I80-E 路段的是本文的研究对象。我们从 PeMS 系统上搜集了 I80-E 高速路相关的交通流参数记录、探测器信息和交通事件记录等数据作为研究的数据基础。这三项数据间可通过时间和空间信息进行关联匹配、关联，形成最终的交通流数据和交通事件样本数据库。三项数据间的关联关系如图 2.4 中所示：事件记录数据库PeMS 系统
图 2.5 I80-E 高速路部分检测器信息示例Fig. 2.5 Information of detectors on I80-E highwayPosition (PM)10 15 20 257.637.6326.8126.81Freeway I80-E in District 4Freeway I80-W in District 4西东S418902S416701S434300S43908S406709S404302S478603S486302S41901S420602S41509S41905S41508S401802S40403S457504S46502S418905S412403S41209S40802S408308S408605S412609S410700S410900S439406S434508S434600S41790340S657140S450540S513140S589540S198140S728040S612040S079140S239140S329040S575140S027040S045140S45040S2140S28140S7040S397440S5140S260140S976040S43040S902040S6040S058140S478040S276340S124040S634840S40147.6326.81东(a) I80-E 和 I80-W 高速公路示意图(b) I80-E 高速公路探测器示意图图 2.6 I80 高速路及 I80-E 高速路各检测器位置图
【参考文献】：
期刊论文
[1]“互联网+交通运输” 汇聚“十三五”发展的新动能[J]. 刘文杰. 中国交通信息化. 2016(01)
[2]基于随机森林的交通事件检测方法设计与分析(英文)[J]. 刘擎超,陆建,陈淑燕. Journal of Southeast University（English Edition）. 2014(01)
[3]小波分析在高速公路事件检测中的应用[J]. 裴瑞平,梁新荣,刘智勇. 公路交通技术. 2007(02)
[4]基于偏差分析的交通事件自动检测算法[J]. 向红艳,刘伟,朱顺应. 中南公路工程. 2007(02)
[5]基于支持向量机的高速公路事件检测[J]. 梁新荣,刘智勇,孙德山,毛宗源. 计算机工程与应用. 2006(14)
[6]基于遗传算法的交通事件检测[J]. 樊小红,荆便顺. 长安大学学报(自然科学版). 2005(04)
[7]基于小波包变换的交通事件检测[J]. 刘伟铭,王倩. 交通与计算机. 2004(06)
[8]交通量预测的神经网络集成方法[J]. 陈淑燕,王炜,瞿高峰,张胜. 公路交通科技. 2004(12)
[9]交通流突变分析的变点统计方法研究[J]. 王晓原,隽志才,贾洪飞,朴基男. 中国公路学报. 2002(04)
[10]基于小波分析和神经网络的交通事件自动检测[J]. 周雪铭. 公路与汽运. 2002(04)
博士论文
[1]基于GIS的智能高速公路管理关键技术研究与实现[D]. 王忠军.解放军信息工程大学 2009
[2]基于信息融合的高速公路事件检测建模与仿真[D]. 覃频频.西南交通大学 2007
硕士论文
[1]基于固定检测器的区域交通状态判别方法研究[D]. 魏强.吉林大学 2011
[2]基于多源数据的快速路交通事件自动检测算法研究[D]. 赵晓娟.北京工业大学 2010
本文编号：3277520
【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
正常和异常交通状况下的交通流差异
图 2.3 PeMS 系统网站首页与 I80-E 高速路具体位置Fig. 2.3 Homepage of PeMS system and location of I80-E highway本文研究以阿拉米达市 I-80 高速路为主体（如图 2.3 右所示）。I-80 高速路全长约为 20 英里，按照东向与西向可分为 I80-E 和 I80-W 两个路段，其中东向的 I80-E 路段的是本文的研究对象。我们从 PeMS 系统上搜集了 I80-E 高速路相关的交通流参数记录、探测器信息和交通事件记录等数据作为研究的数据基础。这三项数据间可通过时间和空间信息进行关联匹配、关联，形成最终的交通流数据和交通事件样本数据库。三项数据间的关联关系如图 2.4 中所示：事件记录数据库PeMS 系统
图 2.5 I80-E 高速路部分检测器信息示例Fig. 2.5 Information of detectors on I80-E highwayPosition (PM)10 15 20 257.637.6326.8126.81Freeway I80-E in District 4Freeway I80-W in District 4西东S418902S416701S434300S43908S406709S404302S478603S486302S41901S420602S41509S41905S41508S401802S40403S457504S46502S418905S412403S41209S40802S408308S408605S412609S410700S410900S439406S434508S434600S41790340S657140S450540S513140S589540S198140S728040S612040S079140S239140S329040S575140S027040S045140S45040S2140S28140S7040S397440S5140S260140S976040S43040S902040S6040S058140S478040S276340S124040S634840S40147.6326.81东(a) I80-E 和 I80-W 高速公路示意图(b) I80-E 高速公路探测器示意图图 2.6 I80 高速路及 I80-E 高速路各检测器位置图
【参考文献】：
期刊论文
[1]“互联网+交通运输” 汇聚“十三五”发展的新动能[J]. 刘文杰. 中国交通信息化. 2016(01)
[2]基于随机森林的交通事件检测方法设计与分析(英文)[J]. 刘擎超,陆建,陈淑燕. Journal of Southeast University（English Edition）. 2014(01)
[3]小波分析在高速公路事件检测中的应用[J]. 裴瑞平,梁新荣,刘智勇. 公路交通技术. 2007(02)
[4]基于偏差分析的交通事件自动检测算法[J]. 向红艳,刘伟,朱顺应. 中南公路工程. 2007(02)
[5]基于支持向量机的高速公路事件检测[J]. 梁新荣,刘智勇,孙德山,毛宗源. 计算机工程与应用. 2006(14)
[6]基于遗传算法的交通事件检测[J]. 樊小红,荆便顺. 长安大学学报(自然科学版). 2005(04)
[7]基于小波包变换的交通事件检测[J]. 刘伟铭,王倩. 交通与计算机. 2004(06)
[8]交通量预测的神经网络集成方法[J]. 陈淑燕,王炜,瞿高峰,张胜. 公路交通科技. 2004(12)
[9]交通流突变分析的变点统计方法研究[J]. 王晓原,隽志才,贾洪飞,朴基男. 中国公路学报. 2002(04)
[10]基于小波分析和神经网络的交通事件自动检测[J]. 周雪铭. 公路与汽运. 2002(04)
博士论文
[1]基于GIS的智能高速公路管理关键技术研究与实现[D]. 王忠军.解放军信息工程大学 2009
[2]基于信息融合的高速公路事件检测建模与仿真[D]. 覃频频.西南交通大学 2007
硕士论文
[1]基于固定检测器的区域交通状态判别方法研究[D]. 魏强.吉林大学 2011
[2]基于多源数据的快速路交通事件自动检测算法研究[D]. 赵晓娟.北京工业大学 2010
本文编号：3277520
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3277520.html
