基于CGA-PNN的高速公路交通事件檢測算法研究.pdf

1、近年來，高速公路快速發(fā)展?jié)M足了人們?nèi)找嬖黾拥慕煌ㄐ枨?，給人民群眾帶來了極大便利，推動了社會發(fā)展。伴隨著我國車輛擁有量的不斷增加，在其帶來便利的同時，由其引發(fā)的交通擁堵、交通事故等交通問題也受到了社會各界的廣泛關(guān)注。高速公路一旦發(fā)生事件（事故），帶來的損失難以預(yù)料。所以，通過對高速公路交通事件檢測的研究，提高高速公路運輸效率，保障人民生命財產(chǎn)，提供快速、舒適的交通道路環(huán)境十分必要。
　　本文在闡述交通流理論的基礎(chǔ)上，分析了交通事件發(fā)

2、生情況下交通參數(shù)變化情況。為了更好的突出事件發(fā)生前后交通情況，選用交通量、平均速度、占有率的組合形式作為檢測算法的輸入特征向量，用I-880交通數(shù)據(jù)庫仿真分析，驗證算法的可行性。
　　文中將概率神經(jīng)網(wǎng)絡(luò)(PNN)用于高速公路交通事件檢測，通過真實交通數(shù)據(jù)對PNN模型進行仿真。針對PNN模型的平滑因子難以確定、模式層結(jié)構(gòu)冗余的缺點，本文通過實數(shù)編碼、自適應(yīng)交叉變異的手段改進遺傳算法(GA)，形成綜合改進遺傳算法(IGA)，并將其用于

3、PNN模型的平滑因子、模式層結(jié)構(gòu)優(yōu)化，然后構(gòu)建基于IGA-PNN交通事件檢測模型，通過仿真發(fā)現(xiàn)該模型具有較高的檢測率、準(zhǔn)確率。文章最后引入混沌(Chaos)的概念，采用混沌的方式初始遺傳算法的種群。遺傳算法迭代過程中，使用混沌方式搜索最優(yōu)個體附近的參數(shù)空間。通過混沌的方式，增加初始種群的多樣性，提高算法的局部搜索能力。然后，在此基礎(chǔ)上進行基于CGA-PNN的交通事件檢測仿真，驗證了該方法相比于BP、IGA-PNN方法具有較高的檢測率、高