智能交通中事件检测与处理技术研究智能交通系统作为现代交通管理的重要组成部分，正日益得到广泛应用。
然而，随着交通流量的不断增加和城市化进程的加速，交通事故和交通拥堵等问题也日益突出。
为了提高交通运输的效率和安全性，智能交通中事件检测与处理技术显得尤为重要。
事件检测可以帮助交通管理者及时发现并处理道路上发生的各种异常事件，从而减少交通事故发生的概率，提高道路通行能力，使交通系统更加智能高效。
因此，对于智能交通中事件检测与处理技术的研究具有重大意义。
一、智能交通系统中的事件检测技术智能交通系统中的事件检测技术主要包括图像识别、视频分析和传感器检测等。
1. 图像识别技术：基于图像识别的事件检测技术可以通过分析交通场景中的图像信息，自动识别出交通流量、车辆行驶状态、交通标志等信息。
例如，通过车牌识别技术可以判断车辆是否违规停放或者逆行，通过行人识别技术可以实时监控人行道上的安全情况。
2. 视频分析技术：视频分析技术可以通过对监控摄像头拍摄到的交通场景进行实时分析，提取出交通事件的特征信息。
例如，通过车辆轨迹分析可以发现交通拥堵地点和时段，通过异常行为分析可以检测出违规行驶和交通事故等事件。
3. 传感器检测技术：传感器检测技术可以通过在路面上布设传感器，实时获取交通流量、车速、道路状况等数据信息。
例如，通过地磁传感器可以实时监测车辆的停放情况，通过雷达传感器可以检测出交通事故发生的概率。
二、智能交通系统中的事件处理技术事件处理是智能交通系统中的另一个重要环节，它负责对检测到的事件进行分类和处理，以提供针对性的交通管理措施。
1. 事件分类：对于检测到的事件，首先需要对其进行分类，以便更好地理解发生的情况。
例如，交通事故可以分为轻微事故和严重事故，交通拥堵可以分为短时拥堵和长时间堵塞等。
2. 事件处理：根据事件的分类结果，智能交通系统可以采取相应的处理措施。
例如，对于交通事故，系统可以自动发送警报给交通警察，同时调度交通信号灯进行优化，以减少事故的发生和交通阻塞的持续时间。
智能交通系统中的交通事件检测与处理技术研究随着城市交通拥堵问题日益凸显，智能交通系统成为了解决交通问题的重要手段。
在智能交通系统中，交通事件检测与处理技术的研究和应用显得尤为重要。
本文将从交通事件的类型、检测方法以及处理技术等方面进行探讨。
1. 交通事件的类型交通事件是指在道路交通运输活动中，由于外界因素或者交通参与者的违规行为等引发的事故或异常情况。
交通事件的类型繁多，包括交通事故、交通拥堵、交通信号不畅、违规行为等。
交通事故是交通事件中最为严重的一类，其会给人身和财产安全带来巨大的威胁。
交通事故的检测和处理技术是交通事件检测与处理技术中的重要研究内容。
同时，交通拥堵也是一个常见的交通事件，其严重影响城市交通效率，因此也需要开展相应的检测与处理工作。
2. 交通事件的检测方法交通事件的检测是智能交通系统中的关键环节。
目前，常用的交通事件检测方法主要有基于视频图像的检测和基于无线传感器网络的检测。
基于视频图像的交通事件检测方法通过监控摄像头获取交通场景图像，并利用图像处理技术进行交通事件的检测。
例如，通过车辆检测算法可以实现对交通事故和交通拥堵的检测。
此外，还可以通过分析交通流量和车辆速度等参数，实现对交通事件的检测与分析。
基于无线传感器网络的交通事件检测方法则通过在道路上布置传感器节点，采集和传输交通信息，实现对交通事件的检测。
这种方法可以对交通事件进行实时监测，并能够提供较为准确的数据支持。
传感器节点可以通过测量车辆通过时间间隔、道路状况等信息，实现对交通拥堵和违规行为的检测。
3. 交通事件的处理技术交通事件的处理技术是智能交通系统中的另一个关键环节。
通过交通事件的检测，可以及时发现和掌握交通异常情况，从而采取相应的处理措施。
对于交通事故，智能交通系统可以通过与交通警务系统的联动，实现自动报警和及时疏导交通的功能，有效减少事故发生时间和减轻事故带来的危害。
同时，基于视频图像的交通事故检测技术还可以进行事故原因分析和责任认定。
智能交通系统中的交通事件检测与预警技术研究交通拥堵和交通事故是城市中常见的问题，给人们的出行和生活带来了很大的不便和安全隐患。
为了解决这些问题，智能交通系统中的交通事件检测与预警技术应运而生。
本文将围绕交通事件检测与预警技术展开讨论，探讨其在智能交通系统中的运用和发展前景。
智能交通系统的使用已经能够收集到大量的交通数据，如交通信号、路况、车辆位置等。
通过对这些数据的分析和处理，交通事件检测与预警技术能够及时发现并警示交通拥堵、交通事故以及其他交通异常情况，以提供实时的路况信息和减少交通事故的发生。
在交通事件检测方面，智能交通系统利用各种传感器和监控设备，如交通相机、车载传感器和无线通信设备，收集并分析交通数据。
通过图像处理和机器学习等技术，可以识别交通标志、识别和跟踪车辆、检测道路上的障碍物等。
同时，利用车载通信设备和地面设施的数据传输，可以实时监测路况，并及时发现交通事件。
例如，当交通事件发生时，系统可以通过实时视频图像分析，自动检测事故发生的位置和类型，并向相关部门发出预警信息。
在交通事件预警方面，智能交通系统可以根据交通数据的分析，预测交通拥堵的发生和变化趋势，并提前向驾驶员或路线规划系统发出警示。
通过车辆定位和路径规划算法，系统能够为驾驶员提供最佳出行路线，避开拥堵路段。
此外，智能交通系统还可以通过声音、光线和振动等方式，向驾驶员发出相关提示，提醒他们注意交通安全。
为了提高交通事件检测与预警的准确性和实时性，智能交通系统中的交通事件检测与预警技术正不断地进行研究和改进。
其中，机器学习和深度学习等人工智能技术被广泛应用于交通事件的自动检测与识别。
通过训练大量的交通数据，系统能够学习到交通事件的特征和模式，并能够准确地预测和识别交通事件。
此外，无线通信和物联网技术的快速发展也为交通事件检测与预警技术的提升提供了强大的支持。
随着智能交通系统的不断发展和完善，交通事件检测与预警技术将在未来发挥更加重要的作用。
2001年6月系统工程理论与实践第6期 文章编号:100026788(2001)0620118207公路自动事件检测技术张秀媛,达庆东,张国伍(北方交通大学交通运输学院,北京100044)摘要: 介绍了智能交通系统(IT S)研究中一个重要的领域自动事件检测(A I D)Λ通过对A I D各种检测器特点的描述和算法的分析比较,得知在现有科技知识水平下,只有通过综合集成的方法才能解决交通系统中存在的问题Λ最后对交通事件检测研究提出展望,提出使用软方案和硬方案可以有效地提高A I D效率Λ关键词: 智能交通;事件检测;检测算法;算法集成中图分类号: U12 文献标识码: A αT echno logy of H ighw ay A u tom atic Inciden t D etecti on ZHAN G X iu2yuan,DA Q ing2dong,ZHAN G Guo2w u(In stitu te of T ran spo rtati on,N o rth J iao tong U n iversity,Beijing100044,Ch ina) Abstract T h is paper in troduces au tom atic inciden t detecti on(A I D),a sign ifican t partof IT S.W ith the descri p ti on and comparison of all k inds of detecto rs and algo rithm,w ecan conclude that m etasyn thesis is the on ly m ethodo logy to so lve the tran spo rtati onp rob lem under p resen t level of techno logy and know ledge.A t last th is paper look sfo rw ard to A I D research and concludes that capacity of A I D can be i m p roved by u singsoft2m ethod and hard2m ethod.Keywords in telligen t tran spo rtati on;inciden t detecti on;detecti on algo rithm;algo rithm in tegrati on1 引言交通事件是指公路上偶发性事件如交通事故、故障停车、货物散落和常发性拥堵如早晚高峰等引起的交通堵塞,在本文中主要指交通事故Λ由交通事故引起的非常发性拥堵造成的经济损失是非常大的Λ所以有必要把IT S技术集成到交通监控系统中,以提高交通管理部门检测和清理交通事故和疏导交通拥堵的能力,从而减少经济损失Λ美国、欧洲和其他IT S发达国家,都在实施交通事件管理项目,他们开发不同的算法,采取的不同技术来实现事件检测、清理和信息管理Λ一般来说,事件检测管理必须纳入交通管理指挥中心的管理范畴,这是一个综合交通运营管理中心,接收和处理来自各种渠道的交通信息和数据Λ自动事件检测(A I D)由两个过程组成,即数据收集和数据分析Λ数据收集主要是通过硬件设施(检测器)收集车辆在道路上运行状态参数;数据分析主要是通过软件和具体的算法对数据进行过滤处理,获得能够真实反映交通状态的规律Λ2 数据收集技术过去A I D采用环型线圈作为前端数据采集工具,出现了各种各样的问题,如安装位置和数据不精确等,现在由于计算机硬件和通讯技术的发展,出现了各种各样的车辆检测设备Λ有些虽然还不够成熟或者α比较昂贵,但是将来的公路管理系统将能够集成各种检测器的技术,产生更加稳健的监控和A I D 系统Λ以下是各种检测器的介绍Λ2.1 感应式环型线圈检测器(I LD )I LD 作为一个成熟的技术,具有低廉的价格,已经成为交通运营和监控系统必不可少的工具Λ线圈检测的数据通过通讯线路传到交通管理中心,使用配置A I D 算法的计算机进行分析Λ虽然线圈可以在每秒钟读数据许多次,但是由于距离和传输的问题,只能每隔20或30秒传输一次数据Λ线圈可以测量交通流量、占有率和车辆速度Λ测量的精度取决于I LD 合适地安装选位、精确地操作和维护,这在实际操作过程中是比较难以掌握的,须有经验的交通工程师来完成Λ2.2 视频检测处理系统(V IP )V IP 是通过闭路电视系统或数字照相机、摄像机来进行现场数据采集,采用视频识别技术和数字化技术分析交通数据ΛV IP 能够采集的数据很广,一个摄像机能够采集几个车道的数据,使得检测交通动态行为(如振动波)和各种空间交通参数(如密度、速度、排队长度)成为可能,而这是环型线圈所不能轻易做到的Λ除此以外,视频检测能提供辅助信息,如路肩交通、停车交通、车道变化、速度差异和其它方向的交通拥堵Λ因此,随着高性能计算机和图像处理硬件价格的下降,V IP 的应用前景非常看好Λ2.3 其他辅助检测器磁性检测器(M agnetm eter ),它是一个被动检测设备,本身不产生磁场,放在道路上截取磁性的扰动Λ当一辆汽车驶过时,使得地球磁场产生变化,磁性检测器检测和捕捉异常的磁性变化,它通常用来检测车辆存在的信息Λ在桥梁上面无法埋设I LD ,同时钢铁对I LD 的性能产生干扰,这时可采取磁性检测器取代I LD 或者两者互相配合使用Λ微波雷达车辆检测器,它以光速、带宽为2.5到24.0GH z 的频率发射电磁能,它能够测量车辆计数、速度,在某种结构下还可以检测车辆存在,一种试验类型可以通过测量车辆的高度进行车种分类工作Λ微波雷达对天气不敏感,可以适应于白天和晚上的运行,尤其是在长距离的开放的公路上就更能发挥它的作用Λ高级的微波雷达检测器组件可以测量目标之间的距离,每个组件可以检测多个区域Λ超声波检测器,它有两种类型Λ第一种是脉冲式多普勒超声检测器,原理类似于多普勒雷达,区别在于它发出频率20到200KH z 超过人类听力范围的声波Λ这些波是压力波,在空气中以740mph 的速度传播Λ它可以测量速度、占有率、车辆存在和排队长度Λ由于超声波从移动车辆反射回来时的复杂性,传感器的有效范围(大约40英尺)小于微波检测器Λ超声波通过大气传播,受限于周围环境的影响,如气温、空气波动和湿度等,这些因素都会影响检测器精度Λ第二种是脉冲式超声波检测器,安装在路面高处如灯杆上,可以检测通过车辆的种类Λ它通过测量从高杆上发射器发出的声波到达路面后返回的时间与到达通过车辆的车顶后返回的时间差来确定车辆类型Λ尽管它在区别小汽车和面包车时有困难,但是能够辨别大多数车辆种类Λ被动声学检测器,它的结构成垂直排列的麦克风阵列,检测接近车辆发出的噪声Λ在声音到达上端麦克风和下端麦克风之间存在一个时间延误,这个延误随着发出声音的车辆的不断接近而变化Λ当车辆在远处时,发出的声音几乎同时到达上端和下端麦克风,当车辆到达麦克风下端时,上端接收的声音通过内部传感器送来,要有一个延迟Λ应用麦克风阵列之间的相关关系可以跟踪车辆,当声音数据被过滤成50到2000H z 带宽时,检测结果达到最佳Λ红外线检测器,它有两种类型Λ第一是激光红外雷达检测器,原理和微波雷达检测器一样,但是发射频率更高(较短的波长),它可以检测车辆存在、车速、流量、占有率和车种信息,适用于白天和黑夜情况Λ它易受到天气条件的影响,发生散射Λ第二是被动红外检测器,它本身不发射能量,而是检测目标发射的能量Λ通过检测道路和车辆发射能量之差,可以确定车辆存在Λ它可以测量流量、占有率和车辆存在信息Λ天气对测量有负面影响Λ蜂窝电话技术,一些交通部门允许驾驶员通过蜂窝电话报告交通事件Λ经过评价发现这种方法比较有效率,一大部分主要交通事件是通过蜂窝电话首先发现的Λ在芝加哥该项研究统计中有,每年受到10万个911第6期公路自动事件检测技术021系统工程理论与实践2001年6月以上的这样的电话,大约三分之二的电话是提供新情况,大约四分之一是重复信息Λ蜂窝电话技术已经受到媒体的关注和大众的接受,此外还有意想不到的效益,如报告交通信号故障、道路碎片垃圾和其它事件引起的交通异常Λ蜂窝电话技术在预测高峰时交通网络的交通事件发生最为有效Λ蜂窝电话不断地普及,利用蜂窝电话技术检测交通事件将来会成为公路监控系统的重要组成部分Λ表1是车辆检测器性能指标比较Λ从以上介绍中我们发现,目前技术水平还没有发展到具有人的智能水平,各种检测设备有其局限性和缺点,不能替代人的作用,所以目前蜂窝电话最能发挥人的主观能动性,成为最快捷、便利、精确的交通事件检测手段Λ目前我国大城市基本上采用事故报警电话方式,如北京“122”事故报警台,作为交通指挥中心的一部分,今年上半年共接各类报警90766起,其中交通事故报警73053起,占总数的80.48%,交通堵塞报警10844起,占总数的11.95%,极大地提高了交通警察的快速反应能力,对及时处置事故现场、抢救伤者、布控查堵交通肇事逃逸犯及有效缓解交通拥堵发挥了不可缺少的重要作用Λ表1 检测器性能比较检测性能检测器类型车辆存在车辆计数速度估计车辆识别磁性检测器是极好N A N A微波雷达检测器(多普勒)否一般极好较差多普勒超声检测器否好一般N A脉冲超声检测器是很好N A好被动声学检测器否较差一般好主动红外检测器否很好极好N A被动红外检测器否很好较差N A3 数据分析技术由于检测硬件的不同,相应的获取数据的方法也不相同,这样开发的检测算法就无法进行平等的比较Λ最常使用感应式环型线圈作为前端检测工具来获取车辆数据Λ对数据再提炼将会提高算法的性能,获得可靠的A I D系统,并能和其它公路管理子系统如可变信息标志和匝道汇合标志进行集成Λ目前已经开发出许多检测算法,以广泛使用的加利福尼亚算法作为基准,其它算法和它比较决定其的优劣Λ3.1 算法的指标检测率(DR):定义为检测到的交通事件数与存在实时数据库中的实际交通事件数之比,以百分数表示Λ误报率(FA R):定义为不正确地检测次数与算法使用的总次数之比,以百分数表示,但也可以表示为每时间段的误报次数Λ平均检测时间(M TD):定义为根据算法要求检测一个事件所需要的平均时间Λ规定M TD是在给定的FA R和DR条件下获得的Λ这些指标不是独立的,他们之间存在矛盾关系Λ算法在追求检测大范围的事件发生时,必须具有很高的敏感性,同时也会产生大量的误报次数;类似地,较低敏感度的算法产生较低的误报率,但是事件检测率也不高Λ当检测时间变长时,允许算法分析更多的数据,提高了检测率,降低了误报率,但是对交通产生更大的影响Λ所以检测算法的性能体现在对DR、FA R和M TD指标的综合评价,没有必要强调一方最优Λ在具体应用中,事件检测的逻辑机理决定了DR、FA R和M TD之间的平衡关系[1]Λ3.2 算法分类目前交通事件检测算法分为六大类,他们是:比较法、统计法、时间序列法、交通模型和理论模型法、低流量事件检测和高级事件检测技术Λ3.2.1 比较法(模式识别法)比较算法依靠识别正常条件下交通的不正常模式变化机理,即发生一个交通事件,将引起上游环型线圈占有率水平的提高,同时下游占有率水平的降低Λ该算法比较交通参数的量测值和预设值(阈值),当量测值超过阈值时,触发报警系统Λ加利福尼亚算法:开发于1965-1970年之间,始用于洛杉矶公路管理控制中心Λ该算法比较邻近检测站之间的交通条件,主要是比较环型线圈检测器获得的占有率数据Λ步骤如下:①计算上下游检测器之间占有率的绝对差Λ②计算上下游之间占有率量测之差与上游占有率之比Λ③计算上下游之间占有率量测之差与下游占有率之比Λ作为1973年美国联邦公路局资助的研究项目的一部分,开发了10个版本的改进算法,并进行了测试Λ其中Califo rn ia #7和Califo rn ia #8两个版本效果最好Λ在Califo rn ia #7中,第③步值用当前下游占有率的量测值取代,以便压缩波能够被轻易地识别,而压缩波是经常产生误报的原因Λ算法要求持续检查事件条件,以满足至少两次迭代过程ΛCalifo rn ia #8使用镇压特点,即在压缩波被识别之后,延迟5分钟发出事件报警ΛCalifo rn ia #7、Califo rn ia #8和M c M aster 算法是最流行的算法,通常作为评价其它算法的标准Λ波动分析算法(W A ):由加利福尼亚大学伯克利分校开发Λ该算法分析了严重扰动情况下的上下游累计占有率的差异Λ在正常交通条件下,累计占有率之差在零值附近波动,如果存在连续偏差,说明有事件发生Λ多目标事件检测算法(A P I D ):开发A P I D 主要是用于多伦多COM PA SS 高级交通管理系统Λ它吸收和推广了Califo rn ia 算法的精华,集成为一个独立系统Λ其中包括大流量算法、小流量算法、中等流量算法、事件终止算法、压缩波检测和连续检测算法Λ在线测试表明A P I D 系统在大交通流条件下性能优越,在小交通流条件下性能较差Λ模式识别算法(PA TR EG ):由英国道路交通研究实验室(TRRL )研发的,和高占有率算法H I OCC 算法联合使用检测事件发生Λ该算法通过跟踪和量测相邻检测器之间的特殊模式交通的旅行时间来估计车辆速度,并和预设阈值比较,当低于阈值时,触发事件报警系统Λ通过有限的离线评价显示该算法在交通量超过1500vph 时存在问题,此时交通模式太随机以致无法识别Λ莫尼卡算法(M on ica ):开发于1991年,属于欧盟DR I V E 项目中的子项目ΛM on ica 算法在H ERM ES 项目的头两年期间被测试Λ它是建立在连续车辆之间车头视距的测量值和方差,以及连续车辆之间的速度差的基础之上,当这些参数经历大规模扰动超过预设阈值时,事件报警系统启动ΛM on ica 算法与车道数和其它路段的交通行为无关,但是要求检测器间距较短,通常500-600米Λ3.2.2 统计算法统计算法是运用统计原理决定检测数据是否和观测数据存在显著差异Λ标准差(SND )算法:由德克萨斯州交通协会(T T I )早在1970-1975年期间开发的,用于休斯顿海湾公路(I -45)的交通监视和控制中心Λ该算法基于这样的判断,即如果交通变量测量值发生突然变化,那么公路上存在交通事件Λ算法用超过一分钟时间的占有率平均值、标准差和历史数据的平均值、标准差进行连续比较Λ通常情况下,计算三分钟或者五分钟的均值和标准差,连续迭代一次或两次,当存在显著差异时,触发事件报警系统Λ贝叶斯(Bayesian )算法:采用当路段通行能力下降时事件发生的频率的历史数据,使用贝叶斯统计技术计算由下游车道堵塞引起的交通事件的概率Λ虽然该算法和Califo rn ia 算法一样,使用相邻两个检测器之间的相对占有率之差作为基础,但是不同之处在于它是计算由事件引起的相对占有率之差的条件概率Λ完成该算法需要三个历史数据库,即事件发生条件下的流量和占有率、无事件发生条件下的流量和占有率及发生事件的类型、位置和影响Λ3.2.3 时间序列和平滑(滤波)算法分析和平滑长时间的原始数据以消除短期的交通扰动,例如随机波动、交通脉冲和压缩波Λ经过处理的数据和预设阈值进行比较,如果有显著差异证明有事件发生Λ时间序列A R I M A 算法:通过对美国各个交通监控中心的数据库分析,研究人员发现公路上的交通流可以用求和自回归滑动平均时间序列模型(A R I M A )描述Λ该模型能够通过平均前三个时间段的观测值和121第6期公路自动事件检测技术221系统工程理论与实践2001年6月预测值之间的误差,来预测当前时间段(t)和前一时间段(t-1)交通变量的差值Λ该模型通常用作短期交通预测和置信区间预测Λ预测数据与观测数据存在大的偏差时,启动事件报警系统Λ高占有率算法(H I OCC):由英国人开发,检查平稳和缓慢行驶的车辆的存在性,通过环型线圈检测这些车辆的占有率数据Λ使用一台计算机每秒扫描检测器占有率数据十次,检查连续几个瞬时值是否超过阈值,如果超过阈值,启动事件报警系统Λ单、双指数平滑算法:通过过去和现在的占有率观测值的权值,预测将来的交通条件Λ大多数此类算法在数学上表示为单指数和双指数函数,用一个平滑常数表示过去观测的权重Λ在有些模型中,可以通过跟踪信号,即所有以前预测值和观测值之差的总和来识别事件发生Λ在无事件发生条件下,跟踪信号值稳定在0附近Λ在事件发生时,预测参数值和实际参数值显著不同,跟踪信号显著地偏离零值Λ低频传递滤波算法(L PF):L PF产生平滑的移动平均值,去除噪声和高频数据成份,允许低频数据通过ΛL PF算法处理邻近检测器的占有率时使用了两个平均值:第一是三分钟移动平均值(或者中值),用来详细区分瓶颈拥堵和事件发生;第二是在第一个三分钟前的相邻占有率差的五分钟平均值(或者中值),直接比较连续时间段的占有率差值可以区别常发性拥堵和交通事件Λ荷兰算法(D u tch):和M on ica算法相似,单独分析某公路路段的数据,和上下游情况互不影响Λ它通过指数平滑滤波方法检测车道滤波后的平均速度Λ如果测量的参数超过预设的阈值,启动事件报警系统Λ3.2.4 交通模型和理论算法这些算法使用复杂的交通流理论描述和预测有事件发生和无事件发生的交通行为,实测的交通参数与预测的交通参数进行比较[2]Λ动态模型算法:把交通流速度-密度关系和流量-密度关系引入检测分析中,假定公路交通的突然变化服从可以预测的模式Λ两个统计假设检查程序运行检查交通观测数据中的流量-密度关系,他们是多重模型法(MM)和一般似然率法(GL R)Λ该算法使用MM方法计算条件概率,作为检测事件的控制方法,使用GL R方法度量观测的流量-密度模式显示事件发生的可能性Λ该算法建立在交通流动态模型之上,既使用流体模型(宏观模型),又使用跟车模型(微观模型)来描述流量、速度和密度的关系Λ因为检测器只提供固定位置的占有率数据,必须首先从基于时间的检测数据转换为基于空间的平均值Λ突变理论——M c M aster算法:突变理论顾名思义,即当其它变量表现为平滑的连续变化时,关键变量表现为突然的跳跃变化Λ该算法建立在这样的前提下,即当交通从拥挤状态向非拥挤状态变化时,流量和密度变化平稳,而速度表现为突然的变化Λ使用从拥挤向非拥挤状态变化的流量-密度关系的历史资料,开发一个流量-密度模板,该模板在坐标轴上由四个区域组成,每个区域代表一个特别的交通状态Λ该算法的原理是在模板和观测数据之间作两次比较检查,第一次比较确定检测器附近是否拥挤,如果拥挤,通过检查下游检测器的交通状态确定拥挤的来源Λ3.2.5 低流量事件检测算法大多数算法在低流量交通状态下存在问题,这是因为他们检测交通宏观变量如流量、排队和拥挤,在车辆少时,这些宏观变量在事件发生时变化不显著Λ德克萨斯交通协会开发一套低流量检测算法,它使用某公路段车辆的输入输出分析来确定事件是否发生Λ根据进入车辆的速度和进入时间(假设车辆以不变速度通过测试区)预测它的离开时间Λ在车辆进入路段和预测的离开路段时刻对车辆进行计数,如果离开车辆数小于进入车辆数,说明该路段发生了交通事件;如果离开车辆数等于进入车辆数,说明没有事件发生;如果离开车辆数大于进入车辆数,情况不明Λ3.2.6 高级事件检测技术模糊几何算法:把不精确推理和不确定性引入事件检测逻辑中Λ该算法通过开发模糊边界对不精确数据或资料不全的数据进行近似推理Λ确定性算法如Califo rn ia和M c M aster基本上属于二进制决策过程,非0即1Λ模糊方法能够表示0-1之间的任何数值,从而得到事件发生的任何可能的概率Λ一些模糊算法使用占有率趋势因子和相邻检测器之间速度密度比较方法Λ神经网络算法:是用来模拟人脑的思维过程,进行并行处理获得最终结果Λ一个神经元网络由许多简单的并行连接的处理单元(PE)构成Λ单个PE可以接受来自许多其它PE 输出的由相关连接决定权值的输入,并快速把处理结果输出给其它PE ΛA I D 神经网络算法采用多层、前馈(M L F )结构,包括输入层、中间层和输出层三层结构Λ每层的PE 个数的变化范围从16个到60个不等ΛM L F 的输入包括上下游速度、时间平均流量和密度Λ网络需要必要的训练,建立合适权值的PE 连接,具有从过去的实验和错误中学习的能力Λ概率神经元网络(PNN )的分析能力比M L F 要强,它引入事件发生的先验概率、道路条件和误判损失(如错误划分严重事故的损失)等参数Λ4 研究展望目前还没有一种算法能够检测出所有的交通事件和常发性拥堵与偶发性拥堵之间的区别,在表2中可以看到各种检测算法的效果,这只是在特定的条件下进行试验的结果,换一种公路条件或一组历史数据可以得出另外一种结果Λ另外从以上介绍中我们发现大多数算法在交通流高度稠密或中等稠密条件下可以取得良好的效果,而只有少数算法在低密度交通流条件下可以取得较好效果,所以在特定的公路条件下,根据实时交通流的变化,进行算法组合提高A I D 算法效率成为将来研究的重点Λ下面提出了两种提高A I D 算法性能的方案,一种称为软方案,另一种称为硬方案Λ4.1 算法、计算机、人的综合集成(软方案)由于各种算法描述道路特性和状态的差异,所以为了提高A I D 的性能,必须根据具体的道路特点、交通流变化情况、检测数据的可靠性和该条道路常发事故的特点对各种算法进行综合集成,结合计算机数据库系统,形成交通事件检测专家系统,专家系统的评判值再经过操作人员的经验或者视频图象、电话的确认,最后断定是否发生事故或其它交通事件,我们称这套解决方案为软方案Λ如美国明尼苏达州圣保尔市D I V ER T 系统[3]的一级检测过程使用检测器的连续检测数据进行平滑处理,通过算法识别潜在的交通事件,二级检测过程交通监控中心的操作人员使用设在公路上的视频系统对交通事故和拥挤进行可视化监控,如果发生交通事件,通过交通信号控制和可变信息标志立即进行路径诱导和交通分流Λ4.2 研发车辆碰撞振动检测器(硬方案)采用算法检测交通事件发生与否,是充分利用道路和车辆的宏观变量的变化,如道路流量、平均速度、车辆占有率、车流密度等状态变化来推测道路宏观现象如交通拥堵、排队等和微观现象如交通事故、车辆故障等的发生,而算法本身缺乏对交通事件或事故的机理的认识,所以对交通拥堵等宏观现象的识别可以有很高的精确度,而对微观现象如交通事故、车辆故障等的检测效果不佳Λ为了充分识别交通事故的发生,必须研究识别交通微观现象发生的方法,本文认为由于目前检测传感技术和通讯计算机技术的突飞猛进,在深入研究车辆追尾、刮碰、侧翻等事故的力学原理之后,可以研制一种车载传感设备,检测车辆的碰撞和振动强度是否超过阈值,以确定车辆是否发生事故,如果发生事故,可以通过卫星定位和无线传输等高科技手段直接通知交通指挥中心Λ这是一种微观检测方法,我们称之为硬方案,它是一种可靠的代替交通事件检测算法的解决方案,但是它仅局限于车辆微观状态的检测Λ可以预计由于从道路状态的检测直接转移到车辆状态的检测,极大地提高了车辆事故预报的准确性和稳健性,这种解决方案必将成为未来A I D 研究的重点部分Λ美国明尼苏达州交通部、州巡逻部门等联合开发的M ayday P lu s 系统[4]就是这样一种系统,它有三个组成部分:调度平台(安装在州巡逻部门)、通讯网关和车载模块Λ下面简要介绍三个部分的规格和功能Λ调度平台(D I )是用来显示和管理从车载设备接受的信息,信息内容从车载模块(I VM )发射,通过通讯网关(CG )传到调度平台Λ这些信息包括:车辆位置、车辆定位期望误差、车辆最终停靠位置、碰撞主要受力方向、车辆身份、车载模块的蜂窝或卫星电话号码、发生事故的日期和时间、碰撞角速度、翻车指示、发生事故前的行驶路径和数据信息的路由以及车主信息Λ通讯网关是系统的心脏,它同时接受车载模块和调度平台的数据,进行识别、分类,根据内容选择通道传输Λ车载[5]模块包括一部蜂窝或卫星电话、无线电话天线、收发器、备用电池、GPS 天线和自动碰撞通知设备Λ自动碰撞通知设备是由V eridian Engineering 公司开发的,由三维碰撞传感器、接收器和有相关电子设备的计算机处理器Λ目前该系统仍处在测试阶段,各方意见321第6期公路自动事件检测技术。
