基于ER算法的公路交通事件检测研究

发布时间：2017-06-25 03:13

  本文关键词：基于ER算法的公路交通事件检测研究，由笔耕文化传播整理发布。

【摘要】：近年来,公路的建设与发展,给人们的生活出行带来极大的方便。随之而来的公路安全问题,特别是公路上发生的各类交通事件,给人们的生命财产安全带来严重挑战。因此快速检测并及时处理各类交通事件,降低交通事件带来的危害开始为人们所关注。而作为核心的交通事件检测算法研究,也被许多专家学者所重视,并有了非常丰富的算法成果。基于以上背景,论文依托国家自然科学基金项目“能见度影响下的公路交通流事故风险评估与安全设计参数优化(编号51578207)”,引入多属性决策的ER算法模型,将其运用到交通事件特征分析和事件检测算法设计过程中。文章首先研究了不同车道数、天气条件、能见度和温度条件下多起交通事件,探求不同条件下交通事件发生对交通的影响。引入P值表征交通事件特征,分析不同条件下交通事件特征的一般规律。再运用ER算法对多条件下的交通事件特征进行融合评估,探究多条件下交通事件特征显著程度的信任度关系。其次,在上述研究的基础上,根据ER算法融合后的交通事件特征关系,提出多条件下交通事件特征影响因子,将其作为参数引入交通事件检测算法当中,提高交通事件检测的效果。引入ER算法融合后的多条件特征影响因子设计了多条件影响的多参数判别算法,多条件影响的贝叶斯网事件检测算法和多条件影响的SVM事件检测算法。在此基础上,为了更好地进行事件检测并提高算法适用条件,对三种算法检测结果进行ER算法的多属性融合,设计了基于ER算法的交通事件检测算法。最后,利用实际道路交通数据和事件数据,以及获取到的条件数据,分别进行了多组多条件下交通事件检测实证研究,分析对比各算法的性能指标,评价不同算法的检测效果,得出本文结论。论文在研究交通事件检测中引入了ER算法,将ER算法的多属性决策方法引入到事件检测研究当中,并通过实际数据验证了基于ER算法交通事件检测算法具有较好的检测效果,为以后的事件检测研究提供相关参考。
【关键词】：ER算法 交通事件检测 多条件影响 交通事件特征 小波去噪
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491
【目录】：

• 致谢7-8
• 摘要8-9
• ABSTRACT9-16
• 第一章 绪论16-25
• 1.1 研究背景和意义16-17
• 1.1.1 研究背景16
• 1.1.2 研究目的及意义16-17
• 1.2 国内外研究现状17-23
• 1.2.1 国外交通事件检测算法研究现状17-18
• 1.2.2 国内交通事件检测算法研究现状18-20
• 1.2.3 数据融合方法在交通事件检测中应用现状20-21
• 1.2.4 研究概况小结21-23
• 1.3 研究内容及技术路线23-25
• 1.3.1 研究内容23-24
• 1.3.2 技术路线24-25
• 第二章 交通事件检测原理及ER算法理论25-33
• 2.1 交通事件基本概念25-26
• 2.2 交通事件检测原理分析26-28
• 2.2.1 交通参数26-27
• 2.2.2 交通事件发生的影响27-28
• 2.3 经典交通事件检测算法介绍28-29
• 2.3.1 加州算法28
• 2.3.2 指数平滑算法28-29
• 2.3.3 SND算法29
• 2.4 交通事件检测算法评价指标与评价方法29-30
• 2.5 ER算法理论介绍30-32
• 2.5.1 ER算法的提出30
• 2.5.2 ER算法的基本评价框架30-32
• 2.6 本章小结32-33
• 第三章 多条件影响下的交通事件特征分析33-53
• 3.1 车道数对交通事件特征影响分析33-38
• 3.1.1 二车道交通事件特征33-35
• 3.1.2 三车道交通事件特征35-36
• 3.1.3 四车道交通事件特征36-37
• 3.1.4 车道数对交通事件特征影响对比分析37-38
• 3.2 天气条件对交通事件特征影响分析38-41
• 3.2.1 晴天交通事件特征38-39
• 3.2.2 雨天交通事件特征39-40
• 3.2.3 天气条件对交通事件特征影响对比分析40-41
• 3.3 温度对交通事件特征影响分析41-45
• 3.3.1 低温条件下交通事件特征41-42
• 3.3.2 常温条件下交通事件特征42-43
• 3.3.3 高温条件下交通事件特征43-44
• 3.3.4 温度对交通事件特征影响对比分析44-45
• 3.4 能见度对交通事件特征影响分析45-49
• 3.4.1 低能见度条件下交通事件特征46-47
• 3.4.2 高能见度条件下交通事件特征47-48
• 3.4.3 能见度对交通事件特征影响分析48-49
• 3.5 基于ER算法的交通事件特征分析49-52
• 3.5.1 交通事件特征评估指标体系49-50
• 3.5.2 交通事件特征评估等级50-51
• 3.5.3 基于ER算法的交通事件特征评估51-52
• 3.6 本章小结52-53
• 第四章 基于ER算法的交通事件检测算法设计53-65
• 4.1 多条件影响的多参数判别算法53-55
• 4.1.1 多条件下事件特征影响因子53
• 4.1.2 基于ER算法的多参数判别算法构建53-55
• 4.2 多条件影响的贝叶斯网事件检测算法55-58
• 4.2.1 贝叶斯网的概念55
• 4.2.2 基于ER算法的事件检测贝叶斯网的构建55-57
• 4.2.3 贝叶斯网算法的推理方法57
• 4.2.4 贝叶斯网算法的报警设置57-58
• 4.3 多条件影响的SVM事件检测算法58-62
• 4.3.1 SVM基本理论58-60
• 4.3.2 基于SVM事件检测算法设计60-61
• 4.3.3 基于ER算法的特征向量选取61-62
• 4.4 基于ER算法的事件检测算法62-64
• 4.4.1 算法的评估指标体系62
• 4.4.2 算法的评估等级62-63
• 4.4.3 基于ER算法的事件检测框架63-64
• 4.5 本章小结64-65
• 第五章 基于ER算法的交通事件检测实证分析65-75
• 5.1 实际数据的获取65-66
• 5.1.1 交通参数数据集的获取65-66
• 5.1.2 条件特征数据集66
• 5.2 数据的预处理66-69
• 5.2.1 数据的小波去噪67
• 5.2.2 Matlab小波去噪方法67-69
• 5.2.3 数据的归一化69
• 5.3 算法试验结果及分析69-74
• 5.3.1 仿真试验69-70
• 5.3.2 仿真结果及分析70-73
• 5.3.3 算法检测性能评价73-74
• 5.4 本章小结74-75
• 第六章 总结与展望75-77
• 6.1 主要研究成果总结75-76
• 6.2 研究展望76-77
• 参考文献77-82
• 攻读硕士学位期间的学术活动及成果情况82

【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 周林;基于ER算法的公路交通事件检测研究[D];合肥工业大学;2016年

6 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

7 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

8 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

9 代青敏;高速公路交通事件检测算法研究[D];长安大学;2012年

10 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

  本文关键词：基于ER算法的公路交通事件检测研究，，由笔耕文化传播整理发布。

本文编号：480566