（交通信息工程及控制专业论文）基于SVM的高速公路交通事件检测研究.pdf

西南交通大学硕士研究生学位论文第1 页 摘要 如今，高速公路建设的飞速发展给我们带来了显著的经济效益和社会效益。然而， 随着交通需求的不断增长，高速公路交通事件频繁发生，严重影响了高速公路的通行 能力和运营效率。因此，如何快速地检测交通事件的发生并采取措施，以有效减少交 通延误和保障道路安全已成为备受关注的问题。近年来，旨在解决这些问题的交通事 件自动检测技术成为智能交通领域的研究热点，其性能的优劣直接影响高速公路的交 通事件检测的效果，因此对其研究具有非常重要的现实意义。 本文在研究了高速公路交通流特点和交通事件检测基本原理的基础上，对基于支 持向量机( s v m ) 的高速公路事件检测算法进行研究。 首先，考虑到交通事件检测中交通数据样本有限、输入交通特征过于冗余等难点， 本文分交通数据预处理、s v m 模型构建和决策输出三个模块详细设计了基于单个s v m 的交通事件检测算法。在仿真的过程中，先通过对交通数据规范化处理，有效地提高 了检测精度并缩短了检测时间，然后采用主成分分析提取交通流特征，达到降低交通 数据维数、减少计算复杂度和缩短s v m 模型构建时间的目的，并使用遗传算法对s v m 的模型参数进行选择以提高检测准确率。其次，本文在研究了集成学习基本原理的基 础上，对集成学习中的b a g g i n g 方法与b o o s t i n g 方法进行了分析，然后将这两种集成 方法结合s v m 分别进行了交通事件检测仿真。 本文的仿真数据取自1 - 8 8 0 交通数据集，通过对仿真结果的比较和分析，集成s v m 的模型构建时间短，检测准确率高，获得了较优的综合检测性能，为设计高性能的事 件检测算法提供了方法。 关键字：交通事件检测；支持向量机；数据规范化；主成分分析；遗传算法；集成学 习 西南交通大学硕士研究生学位论文第1 i 页 a b s t r a c t t h er a p i dd e v e l o p m e n to fh i g h w a yc o n s t r u c t i o nh a sb r o u g h tu ss i g n i f i c a n te c o n o m i c a n ds o c i a lb e n e f i t s h o w e v e r , w i t ht h eg r o w i n gt r a 历cd e m a n d ，t h ef r e e w a yt r a f f i ca c c i d e n t s f r e q u e n t l yo c c u r , w h i c hs e r i o u s l y a f f e c tt h et r a f f i cc a p a c i t ya n do p e r a t i n ge f f i c i e n c y c o n s e q u e n t l y , h o wt od e t e c tt h et r a f f i ci n c i d e n t sr a p i d l ys oa st ot a k em e a s u r e st or e d u c et h e t r a f f i cd e l a ye f f e c t i v e l ya n de n s u r et h es a f e t yo ft r a n s p o r th a sb e e np a i dm u c ha t t e n t i o n i n r e c e n ty e a r s ，t h et r a f f i ci n c i d e n ta u t o m a t i cd e t e c t i o nt e c h n o l o g yw h i c ha i m st os o l v et h e a b o v ep r o b l e m sh a sb e c o m eac e n t r a li s u u ei n i n t e l l i g e n tt r a n s p o 眦i o n f i e l d i t s p e r f o r m a n c ec a nd i r e c t l yi n f l u e n c et h ef r e e w a yi n c i d e n td e t e c t o i ne f f e c t s ，t h e r e f o r e ，i ti s q u i t ee s s e n t i a lt or e s e a r c ho nt h i si s s u e b a s e do nt h ec h a r a c t e r i s t i c so ff r e e w a yt r a f f i cf l o wa n dt h eb a s i cp r i n c i p l e so ft r a f f i c i n c i d e n td e t e c t i o n ，t h i st h e s i sr e s e r c h e so nf r e e w a yt r a f f i ci n c i d e n td e t e c t i o nb a s e do n s u p p o r tv e c t o rm a c h i n e ( s v m ) f i r s to fa l l ，t a k i n gt h ed i f f i c u l t i e ss u c ha st h et r a f f i cd a t as a m p l ei sl i m i t e da n dt h ei n p u t t r a f f i cc h a r a c t e r i s t i e si st o or e d u n d a n ti n t oc o n s i d e r t a t i o n ，t h et h e s i sd e s i g n st h ef r e e w a y t r a f f i ci n c i d e n td e t e c t i o na l g o r i t h mb a s e do ns i n g l es v mw h i c hi sd i v i d e di n t ot h r e ep a r t s ： t r a f f i cd a t ap r e p r o c e s s i n g ，s v mm o d e lc o n s t r u c t i n ga n dd e c i t i o no u t p u t i n g i nt h e s i m u l a t i o np r o c e s s ，t h ed a t an o r m a l i z a t i o nm e t h o di su s e dt op r o c e s st h et r a f f i cd a t at ob o o s t t h ed e t e c t i o na c c u r a c ya n ds h o r t e nt h ed e t e c t i o nt i m e ；t h e nt h ep r i n c i p l ec o m p o n e n ta n a l y s i s m e t h o di sa d o p t e dt oe x t r a c tt h et r a f f i cf l o wc h a r a c t e r i s t i c s ，w h i c ha i m st or e d u c et h e d e m e n t i o no ft h et r a f f i cd a t a , t h ec o m p u t m i o n a lc o m p l e x i t ya n dt h es v m m o d e l i n gt i m e a t l a s t ，t h eg e n e t i ca l g o r i t h mi su s e dt os e l e c tt h ep a r a m e t e r so fs v mm o d e l ，w h i c ha i m st o b o o s tt h ef r e e w a yi n c i d e n td e t e c t i o na c c u r a c y s e c o n d l y , b a s e do nt h ee n s e m b l el e a r n i n g t h e o r y , t h et h e s i sa n a l y s e st h eb a g g i n ga n db o o s t i n gm e t h o dw h i c hb o t hb e l o n gt oe n s e m b l e l e a r n i n g t h e nb o t ho ft h em e t h o d sa r ec o m b i n e dw i t hs v m t os i m u l a t et h ef r e e w a yt r a f f i c i n c i d e n td e t e c t i o ns e p a r a t e l y t h es i m u l a t i o nd a t ai se x t r a c t e df r o mi 一8 8 0t r a 伍cd a t as e t c o m p a r i n ga n da n a l y s i n g t h es i m u l a t i o nr e s u l t s ，t h es v me n s e m b l em e t h o da c h i e v e sb e r e tc o m p r e h e n s i v ed e t e c t i o n p e r f o r m a n c ew i t hl e s sm o d e l i n gt i m ea n dh i g h e rd e t e c t i o na c c u r a c y ，w h i c hp r o v i d e sa m e t h o df o rd e s i g nw e l lp e r f o r m a n c ef o rf r e e w a yi n c i d e n td e t e c t i o n k e yw r o d s ：t r a f f i ci n c i d e n td e t e c t i o n ；s u p p o r tv e c t o rm a c h i n e ；d a t an o r m a l i z a t i o n ； p r i n c i p l ec o m p o n e n ta n a l y s i s ；g e n e t i ca l g o r i t h m ；e n s e m b l el e a r n i n g 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1 保密口，在年解密后适用本授权书； 2 不保密衫使用本授权书。 ( 请在以上方框内打”) 指导老师签名： 日期 乃一j 、弓( 阉，堡舶 名 吖 獬 弦 作 玳 划 瑚 筋 日 位学 西南交通大学硕士学位论文主要工作( 贡献) 声明 本人在学位论文中所做的主要工作或贡献如下： 1 通过对支持向量机( s v m ) 原理的研究，分析了其应用于交通事件检测的适用 性； 2 分析了构建s v m 中的核函数的选取和参数设置问题，详细设计了基于单个 s v m 的交通事件检测算法； 3 采用1 - 8 8 0 交通数据对设计的基于单个s v m 的交通事件检测算法进行应用仿 真。在仿真过程中，分析了对交通数据进行规范化处理的有效性，并将主成分 分析方法应用于交通流特征提取，再利用遗传算法对s v m 模型参数进行选择 来构建s v m 模型，最后用测试数据集检验所构建的s v m 模型的检测效果； 4 分析了集成学习的基本原理，对集成学习中的b a g g i n g 方法与b o o s t i n g 方法进 行了研究和分析，然后分别采用于b a g g i n g 和b o o s t i n g 这两种集成方法进行了 集成s v m 的交通事件检测仿真，并将集成s v m 的检测效果与单个s v m 的检 测效果进行了比较与分析。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成 果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰 写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。 本人完全了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文储虢羹阁 日期：多口d - 6 - ? j 西南交通大学硕士研究生学位论文第1 页 1 1 研究背景及研究意义 第1 章绪论 1 1 1 研究背景 高速公路是指能适应年平均昼夜小客车交通量为2 5 0 0 0 辆以上、专供汽车分道高 速行驶、并全部控制出入的公路。它一般能适应1 2 0 公里4 , 时或者更高的速度，路面 有4 个以上车道的宽度，中间设置分隔带，采用沥青混凝土或水泥混凝土高级路面，禁 止行人和非机动车在路上行走，与其他线路采用立体交叉、行人跨线桥或地道通过u 1 。 高速公路作为经济发展的产物，已经成为一个国家现代化水平的重要标志之一。 自从1 9 3 2 年德国修建世界上第一条高速公路以来，高速公路在世界范围内得到了快速 发展瞳1 。高速公路大大缩短了省际及重要城市之间的时空距离，使人们的出行更为方便、 舒适、安全和快速，加快了区域间人流、物流、信息流的快速发展，社会质量大大提 升：它促进了货物运输在信息、组织、集散、运送、服务等方面向快速优质方向发展， 有效降低了生产运输成本，使整体道路服务水平得到了大幅度提高。 因此，高速公路的快速发展，带动和促进了经济发展与社会进步，给人们带来了 巨大的经济效益和社会效益。然而随着交通需求的不断增长，高速公路上的交通事件 频繁发生，经常造成高速公路交通拥挤。在造成高速公路交通拥挤的许多因素中，大 部分可以归纳为常发性拥挤和偶发性拥挤。常发性拥挤可以通过控制交通需求或者提 高通行能力等对策处理，而偶发性拥挤由于发生地点和时间的无法预测性，难以用以 上策略解决，往往引起严重的交通拥挤现象b ，。经研究表明，偶发性拥挤的诱导因素有 交通事故、车辆故障、货物倾落、暂时维护与修理、施工活动、信号和检测器等高速 公路机电系统故障及其他的特殊但非正常的交通事件n 1 。这些交通事件在大交通流量条 件下，通常会引发不同程度的道路交通拥挤，不仅会造成高速公路运营效率的降低， 还会衍生出交通安全、二次事故、环境污染以及能源浪费等一系列交通与社会问题； 在小交通流量条件下，即使交通事件不会对交通流的运行产生较大的负面影响，但通 常因车辆少、车速高，一旦发生交通事件往往会造成较严重的车辆损坏和人员伤亡等 后果，严重损坏了高速公路“安全、快速、高效、舒适、环保”的形象。 因此，及时发现交通事件、实时疏导交通拥挤、快速开展救援，一直是高速公路 管理的重要任务。然而，交通事件自身具有很强的随机性和不可预测的破坏性，其发 生的时间和地点无法事先获知，无形中给交通事件检测增加了很大的难度和复杂性， 也对高速公路正常交通运行构成了潜在的威胁。因而如何快速检测交通事件，及时疏 导交通拥挤，最大限度地减轻交通事件的影响，成为了国际交通研究领域关注的热点， 也倍受高速公路管理部门的重视。 1 1 2 研究目的和意义 随着计算机技术、信息技术、通信技术、电子控制技术的飞速发展，人们意识到 利用这些新技术把车辆、道路、使用者紧密结合起来，这不仅能够有效的解决交通阻 塞问题，而且对交通事故的应急处理、环境的保护、能源的节约都有显著的效果。因 此，智能交通系统( i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ，i t s ) 应运而生，i t s 的研究 和发展为解决道路的拥挤问题提供了有效的途径龉1 。对于高速公路而言，快速、高效应 对高速公路交通意外事件，可大大地减小事件对高速公路交通的冲击，从而提高交通 运输效率。然而，高速公路事件的救援的效率很大程度上依赖于交通事件检测技术， 较早检测出交通事件并提出响应控制策略进行紧急救援极其重要。因此，交通事件检 西南交通大学硕士研究生学位论文第2 页 测技术也成为了i t s 的基础关键技术理论h 1 。 开展交通事件检测技术的研究对提高道路运行效率，保障行车安全等方面都具有 重要意义，其具体表现在： ( 1 ) 先进的交通事件检测方法可有效地提高高速公路交通事件的检测效率和效果， 从而快速发现交通事件，为交通管理部门提供实时、准确、可靠的交通信息，及时对 事件进行处理，并快速有效的对交通事件诱发的交通拥堵车辆进行疏散，避免二次事 故的发生，同时还能降低车辆的延误时间嫡，。 ( 2 ) 通过不同算法对交通事件进行检测时，可对交通事件中的车辆行为模型进行 分类研究，可为研究非稳定交通流下的车辆行为模型奠定理论基础，丰富交通流理论 的内涵，具有重要的学术价值盯，。 ( 3 ) 交通事件检测系统是i t s 的重要组成部分，而一个良好的交通事件检测系统 可以为i t s 的其它子系统提供非周期性交通流状态变化信息，并为其他系统的运行提 供数据支持，从而确保了i t s 的各个系统能够同步、快速、高效的运行。 由此可见，开展对交通事件检测的技术研究对于改进高速公路管理的技术手段， 提高高速公路运行效率，保障高速公路行车安全以及后续理论研究都具有十分重要的 意义。然而，交通事件检测方法的核心是事件自动检测算法( a u t o m a t i ci n c i d e n t d e t e c t i o na l g o r i t h m ，简称a i d 算法) i s 。交通事件检测算法性能的好坏直接影响事件 检测精度和错误检测率的高低。 1 2 国内外研究现状 1 2 1 国外研究现状 国外对高速公路交通事件检测方法的研究是随着高速公路的兴起而开始的。自 1 9 6 1 年起，国外一些学者就相继提出并建立了各类交通事件检测算法，其中部分算法 在实际应用当中得到了良好的效果和收益。 1 9 6 5 至1 9 7 0 年期间，美国加利福尼亚运输局开发了加利福尼亚算法，也称加州算 法。这种算法为最早开发的a i d 算法【9 j 。加得福尼亚算法属于双截面事件检测算法， 它是基于事件发生时上游截面占有率将增加，下游检测截面占有率将减少这一原理。 随后p a y n e 和t i g n o r 在1 9 7 8 年公布了1 0 种基于最初的加州算法的改进新方法，其中 效果比较好的是c a l i f o r n i a 群7 和c a l i f o r n i a 群8 算法 9 。1 1 。 1 9 7 0 年，c o o k 和c l e v e l a n d 提出了双指数平滑( d e s ) 算法，其主要用于对突发交通 事件的检测。这种方法以交通参数数据的双指数平滑值作为预测值，通过比较交通参 数数据的预测值和实测值来构造一个跟踪信号，当该跟踪信号超过预定的闭值时，可 触发事件警报【1 2 】。 1 9 7 0 至1 9 7 5 年期间，德克萨斯州交通协会( t t i ) 开发了以判别突发交通事件为主 要功能的s n d ( s t a n d a r dn o r m a ld e v i a t e ) 检测算法，并应用于休斯顿海湾公路的交通 监视和控制中心【4 1 0 】。 1 9 7 5 年，加拿大m c m a s t e r 大学的研究人员t h o r n 根据突变理论，即“函数中的一 个变量产生非连续特性而其他变量只显示连续性变化”，在当交通从拥挤状态向非拥挤 状态变化时，流量和占有率变化平稳，而速度表现为突然的变化的前提下，开发了 m c m a s t e r 算法【4 】o 1 9 7 8 年l e v i n 和k r a u s e 开发了贝叶斯算法i j 引，该方法在加州算法的基础上，通过 计算突发交通事件或常发性拥挤引起的占有率变化的条件概率完成对拥挤事件的自动 判别。 西南交通大学硕士研究生学位论文第3 页 1 9 7 9 年a h m e d 和c o o k 运用b o x j e n k i n s 随机时间序列分析技术中的a r i m a ( a u t o r e g r e s s i v ei n t e g r a t e dm o v i n g a v e r a g e ) 开发了一种突发交通事件的判别算法【l 引。 上述为国外早期开发的交通事件检测算法，其中加利福尼亚算法和m c m a s t e r 算法 是两种公认程度较高的算法，这两种算法通常被用作其他新开发的a i d 算法的性能比 对。而近年来，随着电子和计算机技术的飞速发展和对智能交通技术研究日益深入， 结合人工智能的交通事件检测算法相继出现。 上世纪9 0 年代初，c h e w 等人最先将人工神经网络( a n n ) 应用于高速公路的突 发交通事件判别，设计了人工神经网络结构模型，并取得了良好的检测效果。1 9 9 5 年 c h e w 和r i t c h i e 又开发了基于多层前馈网络( m l f ) 的算法，该神经网络由输入层、中 间层和输出层二层组成，输入层由上下游流量、速度、占有率组成，中间层处理数据， 输出层产生交通事件和非交通事件信号【1 5 t1 6 】。 1 9 9 3 年h s i a o 首先提出应用模糊逻辑检测交通事件，通过模糊集中的隶属度函数 扩展了常规集合理论，使交通模式分类这种复杂的高维问题得到了较好解决【1 7 】。19 9 4 年c h a n ge c 和w a n gs h c 提出了改进的模糊逻辑交通事件检测算法，在高流量的 条件下把模糊逻辑应用到c a l i f o n i a j 8 算法中，模糊集合算法将不精确推理和不确定性 引入突发交通事件的判别逻辑。该算法通过设定模糊边界对不精确数据或不完整的数 据进行近似推理，从而得到突发交通事件的可能发生概率【i 8 1 。 1 9 9 6 年a b d u l h a i 提出了应用概率神经网络( p n n ) 对突发交通事件进行检测的算法， 首次将交通事件发生的道路条件和误判损失( 如错误划分严重事故的损失) 等参数引入 a i d 算法开发中【1 9 。 2 0 0 0 年s r i n i v a s a n 提出了基于混合模糊逻辑遗传算法的交通事件检测算法，算法 中模糊控制器的灵活性和鲁棒性可使该模型的函数相当复杂，对不精确的数据具有高 度的容错性，将遗传算法的优化能力用十优化模糊设计参数，使算法达到最优性能【2 们。 2 0 0 3 年f a n gy u a n 和r u e yl o n gc h e u 将支持向量机( s v m ) 技术应用到a i d 算法 中，分别运用主干路网的模拟数据和加利福尼业的1 - 8 8 0 高速公路实测数据进行测试， 并与多层前反馈神经网络测试结果比较【2 。 2 0 0 4 年yl i 和m m c d o n a l dc 提出了一种基于浮动车的高速公路交通事件检测算 法，该算法基于平均行程时间和相邻两时段平均行程时间差双变量分析模型而设计【2 2 1 。 综上所述，国外高速公路a i d 算法的研究过程大致分为两个阶段：早期的以加利 福尼亚算法和m c m a s t e r 算法为代表的经典a i d 算法研究阶段；后期的以神经网络、 模糊理论和支持向量机为代表的人工智能算法研究阶段。虽然人工智能a 算法是基 于新兴的理论和技术研究开发的，但在交通事件检测效率和效果上已表现出突出的优 势，极大地推动了高速公路a i d 算法的研究进展。 1 2 2 国内研究现状 相对于国外，国内的交通事件检测研究起步较晚，在高速公路运营和管理方也还 缺乏系统可靠的理论和方法。 1 9 9 4 年邓卫等基于高速公路交通突变理论，提出了在确认交通拥挤出现的同时， 判别交通拥挤类型的算法【2 引。 1 9 9 7 年李文江等提出了一种基于小波分析的事件检测算法，该算法首先构造二进 小波，对交通流数据进行二进小波转换，检测其奇异点，根据判断逻辑确定是否有事 件发型2 4 1 。 1 9 9 8 年张云伟等提出了交通事件检测的种滤波算法，利用w i e n e r ( 维纳) 数字滤 波原理，在此基础上判断是否拥挤，以及是否属于事件所引起的拥挤【2 5 1 。 2 0 0 1 年史新宏等提出了一种包含各种事件检测算法的优异特性的新算法，该算法 西南交通大学硕士研究生学位论文第4 页 将各个判决步骤模块化，各模块根据其相应的要求采用不同的事件检测算法的某个较 好的特性【2 6 】。同年，姜桂艳、温慧敏等提出了一种具有三级报警制度的高速公路交通 事件自动检测系统，并以人工神经网络技术为依托，设计了基于单个检测设施的a i d 算法鲫。 2 0 0 3 年杨兆升等在对与传统不确定性推理融合算法比较的基础上，提出应用模糊 综合决策模型来进行多目标多传感器的信息融合，来解决在交通事件中的多传感器的 交通事件识别问题【2 8 1 。 2 0 0 5 年巨永锋等阐述了数据融合的3 个层次( 数据级融合、特征级融合、决策级融 合) 在交通异常检测中的具体应用以及交通异常事件检测的数据融合系统模型【2 9 1 。同 年，姚智胜等提出基于v 支持向量分类机的交通事件检测方法，并以微观交通模拟的 数据验证模型的效果【3 0 j 。 2 0 0 6 年梁新荣、刘智勇等提出了用支持向量机分类方法研究高速公路交通事件检 测问题，根据交通事件对交通流参数的影响规律选择了支持向量机的输入量，并进行 了仿真研究【3 l 】。 2 0 0 7 年裴瑞平、梁新荣、刘智勇提出了一种基于小波变换和最小二乘支持向量机 的交通事件自动检测算法，利用小波变换提取特征数据，使用最小二乘支持向量机进 行分类【3 2 1 。 2 0 0 9 年陈淑燕、王炜等将集成学习的思想运用到高速公路交通事件检测的研究中， 采用集成支持向量机的方法有效的提高了检测精度【3 3 1 。 综上所述，国内对交通事件检测算法的研究主要集中在的新技术、新理论的应用 研究方面，包括小波变换、神经网络、模糊理论、支持向量机等，能够跟踪国际交通 研究领域的方向，具有一定的前瞻性，并取得了一定的研究成果。 1 3 论文的主要内容 本文以高速公路交通事件为研究对象，针对目前交通事件检测