基于一類學(xué)習(xí)的高速公路事件檢測(cè)方法.pdf

1、高速公路突發(fā)事件通常是指在高速公路上行駛的車輛發(fā)生碰撞、刮擦、翻車、失火或爆炸等所造成的車貨損壞及人員傷亡，這些不可預(yù)知的交通事件給國(guó)家和人民帶來極大的損失，嚴(yán)重影響高速公路的正常運(yùn)行。 當(dāng)高速公路發(fā)生突發(fā)事件時(shí)，發(fā)生路段在短時(shí)間內(nèi)，上游交通流出現(xiàn)擁擠，車速變慢，密度超過正常平均值；下游交通流出現(xiàn)疏散，密度小于平均值，這將會(huì)導(dǎo)致通行能力迅速下降。如果下降到低于交通需求時(shí)，就會(huì)產(chǎn)生偶發(fā)性交通擁擠，致使交通癱瘓。 然而，交通

2、事件的發(fā)生頻率一般比較小，大部分時(shí)間為無(wú)事件發(fā)生情況，即對(duì)于采集的樣本數(shù)據(jù)，大量的樣本會(huì)集中在某一個(gè)緊湊區(qū)域，稱為正常樣本；而少量事件樣本會(huì)根據(jù)事件發(fā)生時(shí)的特征散布在緊湊區(qū)域的周圍。為了達(dá)到檢測(cè)目的，本論文引入基于SVM的一類學(xué)習(xí)方法來解決此問題。該方法在特征空間上建立學(xué)習(xí)樣本分布區(qū)域的模型并構(gòu)造判決函數(shù)，當(dāng)未知樣本落入判決區(qū)域內(nèi)部時(shí)判為正常，否則判為異常。該方法無(wú)須對(duì)樣本的分布給出任何先驗(yàn)的統(tǒng)計(jì)假設(shè)，即使樣本分布是非凸、非連通的也可以

3、得到很好的判決函數(shù)，學(xué)習(xí)的過程也不存在局部收斂問題。并且對(duì)于事件檢測(cè)時(shí)的漏報(bào)和誤報(bào)，只需讓判決函數(shù)盡可能緊湊的覆蓋學(xué)習(xí)樣本即可。 針對(duì)高速公路事件發(fā)生時(shí)各個(gè)交通參數(shù)變化的特征，論文中采用對(duì)事件發(fā)生敏感度最高的3個(gè)交通參數(shù)的變換量作為特征值，根據(jù)實(shí)地?cái)?shù)據(jù)進(jìn)行樣本的訓(xùn)練學(xué)習(xí)，標(biāo)定了判別模型；對(duì)于實(shí)際中存在的檢測(cè)率和誤報(bào)率之間的對(duì)立矛盾，采用折中的處理方式，保證檢測(cè)率較高的前提下，降低事件的誤報(bào)率，增強(qiáng)實(shí)時(shí)處理能力，實(shí)驗(yàn)檢測(cè)結(jié)果表明該