城市快速路交通事件檢測智能算法研究.pdf

1、交通事件自動檢測是智能交通系統的一個重要組成部分，其實時性與準確性直接關系到交通控制與交通誘導的效果。為了提高城市快速路交通事件檢測算法的檢測率、降低誤報率、縮短平均檢測時間，本文設計和改進了加利福尼亞算法、神經網絡檢測算法等多種交通事件的自動檢測算法，并研究了由交通事件引起的偶發(fā)性擁堵和常發(fā)性擁堵的辨別。這些算法均取得了比較好的檢測效果。論文的主要研究成果如下：
　　 1)研究了目前交通事件檢測的原理和方法，利用PARAMIC

2、S交通仿真軟件模擬北京市從大望橋與四惠橋之間的京通快速路的交通狀況，得到交通事件發(fā)生前后的宏觀交通參數的變化，并對該數據進行了分析。
　　 2)分析了加利福尼亞算法目前的現狀和存在的問題，提出了一種自適應遺傳算法與加利福尼亞算法相結合的自動檢測算法。該算法跟傳統的加利福尼亞算法相比較，克服了其閾值難確定的缺點。
　　 3)分析了神經網絡算法目前的現狀和存在的問題，提出了一種基于自適應遺傳算法與神經網絡相結合的自動檢測算法

3、，改進了神經網絡參數和結構學習方法，同傳統的加利福尼亞算法以及現有的神經網絡算法相比較，提高了算法效率和準確度。
　　 4)分析了交通擁堵的特點，介紹了常發(fā)性擁堵和偶發(fā)性擁堵的區(qū)別，設計了一種基于神經網絡的交通擁堵自動辨別算法，利用改進的自適應梯度算法優(yōu)化神經網絡的權值參數，既能保證神經網絡參數收斂到極小值，又具有快的學習速度，提高了神經網絡的檢測效果。
　　 論文最后對研究工作進行了總結，并提出了今后需進一步深入研究的