基于多源信息的高速公路交通事件检测方法研究
发布时间：2021-09-11 19:51
随着高速公路总里程的不断增加,路网结构越来越复杂,道路交通流量急剧增加,随之产生的道路拥挤、交通安全等问题日益突出。传统的高速公路交通事件检测方法往往基于单一形式的交通信息,且具有过多的假设条件及特定的模型结构,不能满足分析各类检测器数据的需求。因此,需要探索用于交通事件检测的新方法,以充分挖掘各类数据所蕴含的交通信息,进一步提升事件检测的实时性和准确性。基于此,本文展开了基于多源信息的高速公路交通事件检测方法研究。首先,论文归纳和分析了可用于高速公路交通流信息采集的不同类型检测技术,对比各类技术的优缺点,据此明确了以手机切换定位检测器和微波检测器为研究对象,根据技术原理分析、真实数据采集和数据特性分析三个步骤对两类检测技术进行了具体的探究,同时分析了两类数据的可靠性。另外,从多源信息融合技术的原理出发,利用信息论验证了事件检测信息融合的有效性。其次,对事件状态下的交通流特性进行了分析,利用车流波动理论,分析了事件的发生对上下游路段交通流造成的影响,并结合手机切换定位检测器和微波检测器数据的特点,建立了一个包含12个变量的事件检测初始特征变量集,利用随机森林-递归特征消除（RF-RFE...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：106 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究概况
1.2.1 交通事件检测算法研究
1.2.2 基于信息融合的交通事件检测方法研究
1.2.3 国内外研究现状总结
1.3 研究内容及技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 本章小结
第二章 事件检测信息采集及融合技术
2.1 交通信息采集技术
2.1.1 交通信息采集技术概述
2.1.2 交通信息检测技术比较分析
2.2 基于手机切换定位的交通信息采集技术
2.2.1 手机切换定位技术基本原理
2.2.2 基于手机切换定位的交通信息采集技术
2.3 微波交通检测技术
2.4 多源数据特性分析
2.5 事件检测信息融合
2.5.1 信息融合技术
2.5.2 事件检测信息融合结构
2.5.3 事件检测信息融合有效性分析
2.6 本章小结
第三章 交通事件检测特征选择
3.1 车流波动理论
3.2 事件状态下的车流波动分析
3.3 基于RF-RFE的交通事件检测特征选择
3.3.1 构建初始变量集
3.3.2 基于RF-RFE的事件检测特征选择算法
3.3.3 事件检测特征选择案例分析
3.4 事件检测特征参数变化实证分析
3.5 本章小结
第四章 基于粒子群优化及改进LSSVM的事件检测算法
4.1 事件检测算法评价指标
4.2 最小二乘支持向量机分类器
4.2.1 基本原理
4.2.2 核函数数与模型参数确定方法
4.3 粒子群优化方法
4.4 基于PSO-LSSVM的事件检测算法
4.5 基于改进AdaBoost集成PSO-LSSVM的事件检测算法
4.5.1 AdaBoost算法原理
4.5.2 基于改进AdaBoost集成PSO-LSSVM的事件检测算法
4.6 基于多分类PSO-LSSVM事件类型检测算法
4.6.1 基于LSSVM的多类分类
4.6.2 基于多分类PSO-LSSVM事件类型检测算法
4.7 本章小结
第五章 基于多源信息事件检测算法的实证研究
5.1 数据描述及预处理
5.2 算法模型的构建
5.2.1 基于PSO-LSSVM的事件检测模型
5.2.2 基于改进AdaBoost集成PSO-LSSVM的事件检测模型
5.2.3 基于多分类PSO-LSSVM的事件类型检测算法
5.3 算法性能评价
5.4 本章小结
第六章 总结与展望
6.1 研究结论
6.2 研究创新点
6.3 研究展望
参考文献
致谢
附录
作者简介
【参考文献】：
期刊论文
[1]基于核函数切换和支持向量回归的交通量短时预测模型[J]. 李林超,张健,杨帆,冉斌. 东南大学学报(自然科学版). 2017(05)
[2]基于自适应双态粒子群的应急物资配送空间优化[J]. 陈通利,马世发,徐舒苑,黎海波. 热带地理. 2017(03)
[3]基于GA启发式抽样的交通事件自动检测[J]. 李苗华,陈淑燕,劳叶春,谷健. 交通信息与安全. 2016(05)
[4]时空因素影响下在线短时交通量预测[J]. 李林超,何赏璐,张健. 交通运输系统工程与信息. 2016(05)
[5]优化BPAdaBoost算法及其交通事件检测[J]. 刘庆华,丁文涛,涂娟娟,方守恩. 同济大学学报(自然科学版). 2015(12)
[6]基于GA-WNN的高速公路事件检测[J]. 谢聪,余立建. 交通科技与经济. 2015(06)
[7]关于AdaBoost.RT集成算法时间序列预测研究[J]. 查翔,倪世宏,张鹏. 计算机仿真. 2015(09)
[8]融合多源数据的ABC-SVM快速路交通事件检测[J]. 丁宏飞,秦政,李演洪,刘博. 中国安全科学学报. 2015(06)
[9]基于朴素贝叶斯分类的高速公路交通事件检测[J]. 张轮,杨文臣,刘拓,施奕骋. 同济大学学报(自然科学版). 2014(04)
[10]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)
博士论文
[1]基于机器学习的交通状态判别与预测方法研究[D]. 商强.吉林大学 2017
[2]基于多源异质数据的高速公路交通状态估计方法研究[D]. 何赏璐.东南大学 2017
[3]基于手机信令的轨道交通乘客出行行为分析方法研究[D]. 胡永恺.东南大学 2017
[4]智能交通中的多核支持向量机与分类器集成方法研究[D]. 肖建力.上海交通大学 2013
[5]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]基于多源数据的高速公路短时交通状态预测方法研究[D]. 葛志鹏.东南大学 2016
[2]面向多源数据融合的高速公路检测器布设方法研究[D]. 王浩淼.东南大学 2015
[3]复杂环境下基于图像特征的交通事件检测算法研究[D]. 王祥波.华南理工大学 2015
[4]基于视频检测的高速公路交通事件影响预测研究[D]. 刘晓亮.山东大学 2015
[5]基于DSRC下高速公路作业区安全管理研究[D]. 冯堃.长安大学 2014
[6]基于移动通信仿真的城市主干路行程车速手机数据采样效果研究[D]. 尤伟杰.西南交通大学 2014
[7]基于AdaBoost集成PSO-RBF的高速公路交通事件检测算法研究[D]. 张乐.西南交通大学 2014
[8]基于视频与检测线圈的高速公路交通事件检测系统研究[D]. 杨梅.长安大学 2013
[9]公路交通事件自动检测算法研究[D]. 胡春丽.西南交通大学 2013
[10]基于视频图像的交通事件自动识别算法研究[D]. 王自上.北京交通大学 2010
本文编号：3393614
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：106 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究概况
1.2.1 交通事件检测算法研究
1.2.2 基于信息融合的交通事件检测方法研究
1.2.3 国内外研究现状总结
1.3 研究内容及技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 本章小结
第二章 事件检测信息采集及融合技术
2.1 交通信息采集技术
2.1.1 交通信息采集技术概述
2.1.2 交通信息检测技术比较分析
2.2 基于手机切换定位的交通信息采集技术
2.2.1 手机切换定位技术基本原理
2.2.2 基于手机切换定位的交通信息采集技术
2.3 微波交通检测技术
2.4 多源数据特性分析
2.5 事件检测信息融合
2.5.1 信息融合技术
2.5.2 事件检测信息融合结构
2.5.3 事件检测信息融合有效性分析
2.6 本章小结
第三章 交通事件检测特征选择
3.1 车流波动理论
3.2 事件状态下的车流波动分析
3.3 基于RF-RFE的交通事件检测特征选择
3.3.1 构建初始变量集
3.3.2 基于RF-RFE的事件检测特征选择算法
3.3.3 事件检测特征选择案例分析
3.4 事件检测特征参数变化实证分析
3.5 本章小结
第四章 基于粒子群优化及改进LSSVM的事件检测算法
4.1 事件检测算法评价指标
4.2 最小二乘支持向量机分类器
4.2.1 基本原理
4.2.2 核函数数与模型参数确定方法
4.3 粒子群优化方法
4.4 基于PSO-LSSVM的事件检测算法
4.5 基于改进AdaBoost集成PSO-LSSVM的事件检测算法
4.5.1 AdaBoost算法原理
4.5.2 基于改进AdaBoost集成PSO-LSSVM的事件检测算法
4.6 基于多分类PSO-LSSVM事件类型检测算法
4.6.1 基于LSSVM的多类分类
4.6.2 基于多分类PSO-LSSVM事件类型检测算法
4.7 本章小结
第五章 基于多源信息事件检测算法的实证研究
5.1 数据描述及预处理
5.2 算法模型的构建
5.2.1 基于PSO-LSSVM的事件检测模型
5.2.2 基于改进AdaBoost集成PSO-LSSVM的事件检测模型
5.2.3 基于多分类PSO-LSSVM的事件类型检测算法
5.3 算法性能评价
5.4 本章小结
第六章 总结与展望
6.1 研究结论
6.2 研究创新点
6.3 研究展望
参考文献
致谢
附录
作者简介
【参考文献】：
期刊论文
[1]基于核函数切换和支持向量回归的交通量短时预测模型[J]. 李林超,张健,杨帆,冉斌. 东南大学学报(自然科学版). 2017(05)
[2]基于自适应双态粒子群的应急物资配送空间优化[J]. 陈通利,马世发,徐舒苑,黎海波. 热带地理. 2017(03)
[3]基于GA启发式抽样的交通事件自动检测[J]. 李苗华,陈淑燕,劳叶春,谷健. 交通信息与安全. 2016(05)
[4]时空因素影响下在线短时交通量预测[J]. 李林超,何赏璐,张健. 交通运输系统工程与信息. 2016(05)
[5]优化BPAdaBoost算法及其交通事件检测[J]. 刘庆华,丁文涛,涂娟娟,方守恩. 同济大学学报(自然科学版). 2015(12)
[6]基于GA-WNN的高速公路事件检测[J]. 谢聪,余立建. 交通科技与经济. 2015(06)
[7]关于AdaBoost.RT集成算法时间序列预测研究[J]. 查翔,倪世宏,张鹏. 计算机仿真. 2015(09)
[8]融合多源数据的ABC-SVM快速路交通事件检测[J]. 丁宏飞,秦政,李演洪,刘博. 中国安全科学学报. 2015(06)
[9]基于朴素贝叶斯分类的高速公路交通事件检测[J]. 张轮,杨文臣,刘拓,施奕骋. 同济大学学报(自然科学版). 2014(04)
[10]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)
博士论文
[1]基于机器学习的交通状态判别与预测方法研究[D]. 商强.吉林大学 2017
[2]基于多源异质数据的高速公路交通状态估计方法研究[D]. 何赏璐.东南大学 2017
[3]基于手机信令的轨道交通乘客出行行为分析方法研究[D]. 胡永恺.东南大学 2017
[4]智能交通中的多核支持向量机与分类器集成方法研究[D]. 肖建力.上海交通大学 2013
[5]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]基于多源数据的高速公路短时交通状态预测方法研究[D]. 葛志鹏.东南大学 2016
[2]面向多源数据融合的高速公路检测器布设方法研究[D]. 王浩淼.东南大学 2015
[3]复杂环境下基于图像特征的交通事件检测算法研究[D]. 王祥波.华南理工大学 2015
[4]基于视频检测的高速公路交通事件影响预测研究[D]. 刘晓亮.山东大学 2015
[5]基于DSRC下高速公路作业区安全管理研究[D]. 冯堃.长安大学 2014
[6]基于移动通信仿真的城市主干路行程车速手机数据采样效果研究[D]. 尤伟杰.西南交通大学 2014
[7]基于AdaBoost集成PSO-RBF的高速公路交通事件检测算法研究[D]. 张乐.西南交通大学 2014
[8]基于视频与检测线圈的高速公路交通事件检测系统研究[D]. 杨梅.长安大学 2013
[9]公路交通事件自动检测算法研究[D]. 胡春丽.西南交通大学 2013
[10]基于视频图像的交通事件自动识别算法研究[D]. 王自上.北京交通大学 2010
本文编号：3393614
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3393614.html
