（交通信息工程及控制专业论文）高速公路事件检测算法研究.pdf

五邑大学硕士学位论文 摘要 交通事件检测系统是智能交通系统的重要组成部分，它可以迅速检测和处理道 路上发生的交通事件。自动检测因其成本低、不受天气限制且检测率高而在事件检 测方法中备受关注。自动检测系统的关键部分是事件检测算法。 本文从交通流的基本特点出发，在对国内外现有研究成果的基础上，分析比较 了一些检测算法的原理和特点及其优缺点，针对几种智能算法在高速公路事件检测 中的应用进行了研究。 本论文的主要研究内容包括： 采用径向基函数( r b f ) 神经网络研究高速公路事件检测问题。分析了交通流参数 在有交通事件发生时的变化规律，选择合理的交通流参数作为输入量，构造动态神 经网络结构。在不影响网络泛化能力的同时，加入了多余隐节点的删除和合并策略。 仿真表明，该算法在事件检测中具有检测率高、学习速度快等优点，具有良好的应 用前景。 提出了一种基于支持向量数据描述( s v d d ) 算法的快速事件检测方法。该算 法把有事件样本和无事件样本分别用s v d d 算法进行优化，但每次只对那些对超球 体边界有影响的数据进行优化，该方法既保留了s v d d 算法的优点，又达到加快训 练速度的目的。 关键词：智能交通系统；高速公路；事件检测；径向基函数；支持向量数据描述 五邑大学硕士学位论文 a bs t r a c t t r a f f i ca u t o m a t i ci n c i d e n td e t e c t i o ns y s t e m ( t a i d s ) ，w h i c hi so n eo ft h ek e yp a r t so fi t s ，i s a b l et od e t e c ta n dd e a lw i t ht h et r a f f i ci n c i d e n t so nt h er o a d s m a n yr e s e a r c hw o r k sa r eb e i n gd o n ei n a u t o m a t i cd e t e c t i o nf o ri t sh i g hd e t e c t i o nr a t e ，b u tl o wc o s ta n dw i t h o u tw e a t h e rr e s t r i c t i o n t h e i n c i d e n td e t e c t i o na l g o r i t h mi st h ek e yi na u t o m a t i c a c c o r d i n gt ot h ec h a r a c t e r so ft r a f f i cs t r e a m ，t h et h e o r i e sa n dc h a r a c t e r i s t i c so fs o m ep o p u l a r i n c i d e n td e t e c t i o na l g o r i t h m sa r ea n a l y z e di nt h i sp a p e r b a s e do nt h ea n a l y s i so ft h e i ra d v a n t a g e s a n dd i s a d v a n t a g e s ，s o m ea l g o r i t h m su s e di nt h ef r e e w a yi n c i d e n td e t e c t i o na r ep r e s e n t e d t h em a i nc o n t r i b u t i o nc a nb es t a t e da sf o l l o w s ： t h ep r o b l e mo ff r e e w a yi n c i d e n td e t e c t i o ni ss t u d i e db yu s i n gr a d i a lb a s i sf u n c t i o n ( r b f ) n e t w o r k t h ec h a n g er u l eo ft h et r a f f i cf l o wp a r a m e t e r sw h i l eh a p p e n i n go fi n c i d e n ti sa n a l y z e d t h e d y n a m i cn e u r a ln e t w o r ka r c h i t e c t u r ei sc o n s t r u c t e db ys e l e c t i n gt h ep r o p e rt r a f f i cf l o wp a r a m e t e r sa s i n p u t s as t r a t e g y o fm e r g i n ga n dd e l e t i n gt h er e d u n d a n th i d d e nn o d e si si n t r o d u c e dw i t h o u t p r e j u d i c eg e n e r a l i z a t i o na b i l i t y o ft h en e u r a ln e t w o r k t h ea d j u s t m e n to fh i d d e nn o d e si s i m p l e m e n t e db ya p p l y i n g t h ea d a p t i v e l e a r n i n gm e t h o d ，a n dc a nm a k et h en e u r a ln e t w o r k a u t o m a t i c a l l ys e l e c tl e a r n i n gr a t ei nd i f f e r e n tt r a i n i n gs t a g e s s i m u l a t i o ne x p e r i m e n t ss h o wt h a tt h i s i n c i d e n td e t e c t i o na l g o r i t h mh a ss u c ha d v a n t a g e sa sh i 曲d e t e c t i o nr a t ea n df a s tl e a r n i n ga b i l i t y i ti s f o u n dt ob ep o t e n t i a l l ya p p l i c a b l ei np r a c t i c e s u p p o r tv e c t o rd a t ad e s c r i p t i o n ( s v d d ) i su s e dt os t u d yt h ep r o b l e mo ff r e e w a yi n c i d e n t t h i s m e t h o do p t i m i z e st h ei n c i d e n ts a m p l e sa n df r e e f l o ws a m p l e ss e p a r a t e l y , b u ti to n l yo p t i m i z e st h e d a t e sw h i c hh a v ei n f l u e n c et oh y p e r - s p h e r eo n et i m e s oi tn o to n l yh o l d st h ea d v a n t a g e so fs v d d ， a n db u ta l s og e t so b t a i n e dh i g ht r a i n i n gs p e e d k e y w o r d s ：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 ；f r e e w a y ；i n c i d e n td e t e c t i o n ；r a d i a lb a s i sf u n c t i o n ； s u p p o r tv e c t o rd a t ad e s c r i p t i o n 本人声明 我声明，本论文及其研究工作由本人在导师指导下独立完成，完成论文所用的 一切资料均已在参考文献中列出。 作者：赵晓芳 签字：n 芳 2 0 0 8 年4 月2 5 日 五邑大学硕士学位论文 1 1 研究背景及意义 第一章绪论 据日本调查【l 】，各种运输方式商品流通的平均速度，铁路为4 6 小时，海运为2 0 4 小时，空运为1 7 8 小时，而高速公路由于装运中转环节减少，平均仅为7 9 小时， 加快了商品流通的速度，提高了社会经济效益。同时高速公路的发展还在加快工业 开发、改善工业布局、促进城乡交流、加速沿线经济的发展，缓解城市交通等方面 发挥着积极的作用，使社会受益。但是随着社会经济的快速发展，道路网络不断扩 大，道路交通需求迅速增长，车辆的载重量和速度不断提高。这些又导致了恶性交 通事故的迅速增加，不但威胁人民生命和财产安全，也给道路交通的运行效率带来 了严重的影响。 由于高速公路实行全封闭、全立交方式，其交通流具有流量大和速度高的特点， 因此，高速公路上发生的事故比一般道路事故严重，高速公路事件对交通的影响较 大，且易引起后继事故的发生【2 】。据统计，我国高速公路每百公里事故率比普通公 路高出3 倍多，每百公里死亡人数是普通公路的5 倍，而国外每百公里的事故发生。 率仅为普通公路的1 3 ，每百公里死亡率仅为普通公路的1 2 。由于我国高速公路是 在十年内快速建成的，在运营体制与管理技术上尚处于初始阶段，并且高速公路事 件的发生是小概率随机事件，是有人一车一环境三者在相互作用、相互影响下的不 协调造成的，它又具有随机性、突发性和复杂性的特点，所以人们无法准确的预测 交通事件于何时何地或何种条件下发生，事件发生后如果缺乏有效的紧急救援体系 将会导致事态的进一步扩大，往往很容易导致二次事故的发生。因此，快速、准确 确定高速公路是否有事件发生及事件地点，并采取有效的管理手段预防和控制交通， 将具有十分重大的现实意义。 总之，智能交通系统越来越引起人们的重视，它的发展对人们的日常生活、社 会的进步、经济的发展都起着重要的作用。交通事件检测系统作为智能交通系统的 重要组成部分，更起着举足轻重的作用，它可以迅速检测和处理道路上发生的交通 事件，减少由于交通事件所带来的人员伤亡、财产损失等影响，避免二次事件的发 生，节约能源，减少污染。交通事件检测算法作为交通事件检测系统的核心内容， 其进展具有非常重要的意义。 五邑大学硕士学位论文 1 2 高速公路运行中存在的问题及原因 高速公路的发展带来客流、物流、信息流的高速运转，极大地提高了运输效率， 带来了显著的社会效益和经济效益。然而，随着通车里程的增长，路网结构日益复 杂，运行过程中存在的各种问题也日趋显著。 1 2 1 交通事件 交通事件是指在高速公路上发生的交通事故、车辆抛锚、货物散落等行为。交 通事件会对交通流状态造成负面影响，造成直接、间接的经济损失，较大程度影响 人们的生活和经济发展。按照对交通流运行产生影响的严重性可将交通事件划分为 两类：交通堵塞和交通拥挤。 交通事故是交通事件的一种表现形式，除可能造成人员伤亡、货物损失和设备 损坏外，在局部还易阻塞车道造成瓶颈，从而诱发二次事故，严重影响高速公路的 通行能力和运营效率。中国是世界上交通事故最严重的国家之一，2 0 0 1 年交通事故 的死亡人数已经超过1 0 万人。近年来，随着机动车辆保有量的增加，道路里程的延 伸，道路交通愈趋复杂，交通事故有愈演愈烈的趋势。因交通事故而死亡的人数、 l o 万人死亡率等指标近年来持续攀高。2 0 0 7 年，全国共发生道路交通事故高达 3 2 7 2 0 9 起，造成8 1 6 4 9 人死亡、3 8 0 4 4 2 人受伤，直接财产损失1 2 亿元。其中，发 生一次死亡1 0 人以上特大交通事故2 6 起，造成3 8 9 人死亡【3 】。英国交通研究实验 室和国际红十字会的联合研究报告预测，未来的交通事故将与严重疾病一样成为全 球主要的死亡原因之一。 1 2 2 环境与能源问题 随着汽车数量的大幅增长，交通运输所引起的主要公害一噪声和空气污染日益 严重，破坏了自然界的生态平衡，影响人类的生存。交通噪声是城市和大交通量高 速公路的主要声源，约占7 0 。交通拥挤时，车辆由于频繁的起动、制动，排出的 废气量是车辆匀速行驶的7 倍或更多，环境污染更加严重。交通对能源的消耗相当 大，而能源消耗也高度依赖于公路运输系统的运行状态。拥挤情况下的车辆加减速 和起动、制动频率加大，能耗很大。拥挤状态下的能耗是最优状态下的两倍，交通 高峰期时这个比例将增加到3 3 倍，短期内可达到8 8 倍。 2 五邑大学硕士学位论文 综上所述，交通事件是造成运行成本增加、事故率提高、能源浪费和环境污染 加剧等的根本原因，造成了巨大的经济损失和社会资源的浪费4 1 。同时还必须认识 到，高速公路交通事件的发生虽然是偶然的，但却是不可避免的。如果能及时检测、 及时报警，协调有关部门进行事件处理，缩短紧急救援对策的响应时间，提高救援 的有效性和可靠性，就能够降低事件造成的损失，最大限度保护旅客生命财产的安 全。 1 3 国内外研究概况 目前，人们对交通事件自动检测系统己作了深入的研究，有关交通事件自动检 测算法研究己经取得了一些进展，近年一些改进的新算法也不断的出现，但至今还 没有一种算法在性能上完全优于其他算法，很多算法还是停留在理论阶段。 国外对高速公路事件检测的研究是随着高速公路的兴起而发展起来，以下就有 代表性的算法做一下简单介绍【5 1 ： 加利福尼亚算法：加州算法开发于1 9 6 5 1 9 7 0 年之间，该算法比较相邻检测站 之间的交通流的相关参数，主要是比较环型线圈检测器获得的占有率数据。随后加 州算法被改进并且扩展为相应的各种交通参数，并且提高区分事件和非事件状况的 能力( p a y n ee ta 1 ，1 9 7 6 ) 。目前已到广泛的承认和应用，并被用作评价其它新算法性 能的标准。它基于事件发生时上游探测截面占有将增加，下游探测截面占有率将减 少这一事实。其分析为【3 】： 1 ) 衡量上游探测截面与下游探测截面之间占有率的绝对差值； o c c d f = o c c ( f ，) 一o c c q + 1 ，f ) k 1 2 ) 衡量上游探测截面与下游探测截面之间占有率的相对差值； o c c r d f ：o c c ( i , t ) - o c c ( i + 1 , t ) k ， o c c ( f ，f ) 3 ) 衡量上游探测截面与下游探测截面之间的相对于下游占有率的标准占有率 差值。 d o c c t d ：o c c ( i + 1 , t - 2 ) - o c c ( i + 1 , t ) 丘 o c c ( i + 1 ，r 一2 ) 如果上述三个条件都满足，则判定为有事件发生。 3 五邑大学硕士学位论文 式中：o c c ( i ，t ) 表示在右时刻从检测站j 得到的平均占有率：j 表示上游检 测站；i + 1 表示相邻下游检测站；k 、k 和恐分别表示相应的门限值。此后，在加 利福尼亚算法的基础上，涌现了一系列经过改良的算法，在所有这些修正算法中， c a l i f o r n i a # 7 和c a l i f o r n i a # 8 两个算法提供了最好的全面的结果。 标准差( s n d ) 算法：由德克萨斯州交通协会( t t i ) 早在1 9 7 0 1 9 7 5 年期间开发的， 用于休斯顿海湾公路的交通监视和控制中心。该算法是通过一个简单的统计分析得 到的，即用当前交通参数值减去平均值，然后除以标准偏差得到的。s n d 的值反映 了当前交通流状态相对于前几个周期检测到的平均趋势的改变程度，较大的s n d 值 反映了交通流的改变较大，通常连续两个检测周期的s n d 值大于阈值，则认为发生 交通事件。 m c m a s t e r 算法：加拿大m c m a s t e r 大学的研究人员根据突变理论开发了 m c m a s t e r 算法( 1 9 9 0 ) 。这种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，流量和占有率变化平稳，而速度表现为突然的变化。使用从拥挤向 非拥挤状态变化的流量一占有率关系的历史资料，开发一个流量一占有率模板，该模 板在二维坐标轴上由四个区域组成，每个区域代表一种交通状态。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。 基于神经网络的算法：人工神经网络( a n n ) 在高速公路事件检测中的应用首 先在( c h e ue ta 1 ，1 9 9 1 ) 中发现。算法示意图如图1 1 所示。在已经测试的a n n 中， 多层前馈网络( m l f ) 由于较高的d r 和较低的f a r 而表现出良好的性能( c h e wa n d r i t c h i e ，1 9 9 5 ) 。a b d u l h a i ( 1 9 9 6 ) 用概率神经元网络( p n n ) 来进行事件检测，该 神经网络开发用来检测模拟数据和实际数据。结果表明p n n 比c h e u 使用的算法有 较高的d r 和f a r ，并且有相对较高的可移植性。p n n 最大的局限性是由于大规模 的模式层，需要大量的记忆和计算时间。 4 五邑大学硕士学位论文 交 通 决 数 策 据 输入层 中间层 图1 - 1 神经网络事件检测算法示意图 国内高速公路事件检测技术的研究起步较晚，我们主要对国内一些现在常见的 改进a i d 算法做一简单的介绍： 李文江、荆便顺等提出了一种基于小波分析的事件检测算法【9 1 ，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 是否有事件发生。并采用广佛高速公路交通流数据对该算法进行了离线测试，与加 州算法、滤波算法比较，当检测率为9 5 时，其误警率还不及它们的1 4 ，显示出 了该算法的优越性。 史新宏、蔡伯根提出了一种包含各种事件检测算法的优异特性的新算法【1 0 】，该 算法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。但该算法的有效性有待进一步通过实测数据验证。 姜桂艳、温慧敏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【1 1 】。模拟 结果表明，基于单个路段交通流参数标定的模型可以应用于其它路段交通事件的检 测。在d r 、f a r 和m t t d 方面都优于目标方法。但其有效性需要进一步通过实测 数据进行检验。 周伟、罗石贵提出了一种基于模糊综合识别的事件检测算法【1 2 】，该算法可以检 测拥挤并确定拥挤成因，仿真结果表明，在d r 为9 6 0 5 时，f a r 为3 0 9 ，相当 于加州算法和滤波算法的1 4 ，表现出了良好的性能。 周雪铭提出了一种同时基于小波分析和神经网络的a i d 算法【1 3 】，其基本思想是 通过小波变化对原始采样信号进行奇异点检测，然后通过神经网络对小波变换的结 果进行分类，最后给出交通事件的信息。通过m a t l a b 仿真实验，表明该算法相对 5 五邑大学硕士学位论文 于传统的事件检测算法能更准确、快速地实现分类。 祝梦华提出了一种基于一类学习的高速公路事件检测算法【1 4 1 。该算法的优点是 在分类时，它不需要花费大量的精力去采集、处理、分析异常值数据，只需对正常 数据进行分析即可，这在训练判决条件时减少了训练的数据量，并为检测过程提供 了方便。实验结果表明该方法具有较高的检测率，误报率得到有效的控制。 裴瑞平提出了一种基于小波变换和l s s v m 的事件自动检测算法【l5 1 。首先用小 波变换来提取特征数据，然后用l s s v m 进行分类，仿真结果表明该算法具有检测 时间短、检测率高和误报率低的优点，为事件检测提供了一种切实可行的新思路。 但这些仅限于理论方面的研究，由于高速公路数据的随机性，这些算法还没有 能真正应用在我国的高速公路管理系统中。 1 4 课题存在的难点 衡量事件检测系统和算法性能的基本指标有：误报率、检测率和平均检测时间： 通常用检测率和误报率来度量事件检测算法和系统的性能，而用平均检测时间 反映算法和系统的效率。但这些参量之间存在的对立矛盾，使得事件检测技术面临 两大难题： 第一：事件的检测率上不去。在实际的应用中，高的事件检测率是算法和系统 成功的第一要素。但用同一种算法，对在相同的环境和交通状况中的事件进行检测 时，检测率越高，误报率也越高；同样，若要误报率变低，常常会使检测率也降低。 从成本的角度而言，若每一时间均需派遣人员或装备到事件地点进行处理，则较高 的误报率将会大量浪费人力、物力。因此，必须设计一种算法来折中这个问题，使 得在高检测率的前提下，系统的误报次数比较低。 第二：实时性问题。由于高速公路距离很长，检测到的数据量一般都比较大， 数据在传输中存在实时性问题。实时性问题是检测算法和系统工作效率的关键因素， 对于高速公路事件检测系统来说尤为重要。但如果要求有较高的检测率，必须处理 大量数据，这必然延长了检测时间，实时性能大为降低。因此，解决实时性问题也 是一个难点。 所以，既要提高事件检测的灵敏度，又要减少事件的误报率和检测的实时性是 事件检测系统的难点。由于本课题应用的具体环境，准备考虑在保证检测率较高的 前提下，增强系统的实时性。 6 五邑大学硕士学位论文 1 5 本论文的主要内容安排 本课题主要是在对经典和现代事件自动检测算法分析和比较的基础上，总结现 有成果的优缺点，对高速公路传感器采集的交通流参数进行处理和分析，综合考虑上 下游交通流参数数据，分别研究了径向基函数( r b f ) 神经网络和支持向量数据描 述( s v d d ) 在高速公路事件检测中的应用。 本论文的内容具体安排如下： 第一章是绪论。本章主要介绍了论文的研究背景和意义，概述国内外事件检测 算法研究的动态情况，并分析了课题的难点所在，同时指出了论文的主要内容安排。 第二章是高速公路交通流特性描述。主要介绍了交通流的概念及其基本模型， 分析了交通流的宏观参数及交通流参数之间相互的关系。 第三章是高速公路事件检测系统。本章主要介绍了交通事件的划分，然后分析 了交通事件自动检测系统的基本工作流程，给出了事件检测算法的评价指标及相互 之间的关系。 第四章是径向基神经网络在事件检测中的应用。本章主要介绍了径向基神经网 络的基本理论，给出具体的改进算法步骤，并用实际数据对算法进行仿真。 第五章是基于支持向量数据描述的事件检测算法。本章在比较其他几种算法有 缺点的基础上，并用统一的数据进行仿真比较。 第六章是总结与展望。归纳了以上各章节的内容，以及在此课题上进一步研究 和发展的方向。 7 五邑大学硕士学位论文 第二章高速公路交通流特性描述 高速公路上车辆运行情况主要取决于交通流中车辆间的相互作用以及高速公路 的几何特征，此外车辆运行还受到环境条件的影响。由于高速公路上发生的事故比 一般道路事故严重，且易引起后继事故的发生，所以快速、准确确定高速公路是否 有事件发生及事件地点，可以大大减小事件的的危害程度，尽早排除事件对高速公 路通行能力的影响，通过匝道控制和车道使用控制等，使控制系统产生相应的反应， 保证交通正常运行。本文主要研究的是偶发性拥挤下的交通事件自动检测算法。 2 1 交通流特性及其基本模型 2 1 1 交通流的概念 交通流是指在道路上运行车辆构成的流动形态。其中人( 驾驶员) 、车、路是构 成交通流的基本要素。 高速公路是专供汽车高速行驶的公路，一般为双向四车道。具体特性如下【1 6 】： 1 ) 实行交通限制。限制上路汽车的最低和最高速度，一般适应8 0 k m h 以上的 速度，规定速度小于5 0 k m h 的汽车不准上路，解决了混合交通问题。 2 ) 实行分隔行驶。在对向行驶的车道间设置中央分隔带，实行对向行车分隔。 在同向行驶车道上画行驶线，使快慢车道分开，减少超车和同向车速相差过多造成 的干扰。 3 ) 严格控制出入。采用全封闭、全立交方式，规定车辆只能从指定的互通式立 交匝道进出。对于不准车辆进出的路口，设置分离式立交加以隔绝，消除了交叉口 处侧向车辆的干扰。 4 ) 高标准的线形。极大限度地避免长直线路段，采用大半径曲线。增加路线的 美感，更有利于行车安全。 5 ) 密集形的管理。有充分的管理设施、控制设施、交通标志、安全设施、旅客 服务设施及收费站点等。 2 1 2 交通流特性描述 交通流运行状态的定性、定量特征称为交通流特性。用来描述和反映交通流特 8 五邑大学硕士学位论文 性的物理量称为交通流参数。交通流参数一般分为宏观参数和微观参数。宏观参数 主要描述交通流作为整体表现出来的特性，包括交通量、速度和交通密度。微观参 数用于描述交通流中彼此相关的个体车辆之间的运行特征，如车头时距、车头间距 左盘 寸0 2 1 3 高速公路交通事件对交通流的影响 高速公路上发生交通事件时，其交通量还没有达到通行能力时就开始下降，由 畅行状态变成拥挤状态，导致道路通行能力降低，不能满足当前的交通需求，造成 交通拥挤。而正常交通产生的拥挤是从低于通行能力，经若干时间达到通行能力， 然后开始产生拥挤。简单来讲，当高速公路某一路段发生事件时，事件点通行能力 立即下降。如果下降到低于交通需求时，交通流受到影响，产生偶发性交通拥挤， 在出事地点下游的一定范围内将出现交通流反常；上游车辆因交通受阻而减速，下 游车辆稀少而加速；出事车道上的交通流量减少，相邻车道因交通流合并而车流量 增多；上游道路的时间占有率增大，下游的时间占有率减小等等。总之，当发生交 通异常时，交通流参数在一定范围内将比正常值偏大或偏小【1 7 】。 2 2 交通流的基本参数 交通流参数一般分为两大类：宏观参数和微观参数，本文重点阐述交通流宏观 参数。 2 2 1 交通量 交通量g 是指单位时间丁内通过某地点或断面的车辆数。由于交通量是一个 随机数，不同时间、不同地点交通量都是变化的，因此在表达方式上通常取某一段 时间内的平均值作为该时间的代表交通量。交通量分为日交通量、小时交通量、流 量等，若以小时交通量计算，单位为( 辆1 1 ) 。交通量在道路规划中有一定的参考价值， 但不能单独作为道路设计、计算、分析的依据，应结合其它参数度量综合考虑。 2 2 2 车速 车速1 ，是指车辆在单位时间内通过的距离。设行驶距离为j ，所需时间为，车 速可用s t 表示，按照s 和r 的取值不同，车速分为地点车速、行驶车速、区间车速、 9 五邑大学硕士学位论文 时间平均车速和空间平均车速等。 1 ) 地点车速：是指车辆驶过某一地点的瞬时速度。通常用作道路设计、交通管 制规划资料。 2 ) 行驶车速：是指车辆通过一段路程，在实际行驶时间内的车速( 不含停车时 间) 。可用于计算道路使用者的成本效益分析。 3 ) 区间车速：又称行程车速，是指车辆在某一路段所行距离除以行驶的总时间 ( 包括行车及停车时间) 所得的速度。这是一项综合性指标，用以评价道路通畅程度， 估计行车延误情况，要提高运输效率，归根结底就是提高车辆的行程车速。 4 ) 平均车速：平均车速可用两种方法计算：一种是时间平均车速，是指在给定 的时间间隔内测得的、通过某一地点的所有车辆的地点车速的算数平均值。另一种 是区间平均车速，是指在某一特定瞬间，占据一定道路区间的所有车辆的速度的平 均值。实质上，时间平均车速是点的测量；区间平均车速是与道路长度有关的测量。 行车速度和交通量一样，也是一个随机变量。研究表明：在乡村公路和高速公路上， 行车速度一般呈正态分布，在高速公路匝道口处，车辆比较集中，车速一般呈偏态 分布。由于每辆车的速度都不尽相同，因此交通流本身不可能用一个精确的速度值 来表示，只能用若干单个车辆的速度分布来表示，即平均的或有代表性的数值来近 似代表特定的交通流整体。 2 2 3 交通密度和占有率 1 ) 密度七：是指一定长度的车道内瞬间拥有的车辆数，单位为( 辆k i n 车道) 。 密度很难直接测出，可以通过车速和流量计算出来，它们的关系是【5 】： k ：里( 2 1 ) 1 ， 式中：k 为交通密度( 辆m ) ；q 为交通量( 辆h ) , 1 ，为区间平均车速( k m h ) 。 交通量和速度比较容易测量，常作独立参数，密度一般认为是从属量，从上式 可知，当交通量一定时，密度与速度成反比。然而，密度是这三个交通流参数中最 重要的一个参数，它是衡量交通拥挤状态的恰当指标。它能够更直观、更确切地表 示交通需求量。密度还可以近似地度量驾驶员操纵车辆的舒适性和灵活性，由于密 度具有瞬时特性，随观测时间和区间而变化，而且反映不出与车辆长度和速度的关 系，所以在交通工程中又引入了道路占有率的概念。 1 0 五邑大学硕士学位论文 2 ) 道路占有率：分空间占有率和时间占有率 在观测路段长度内，行驶车辆的总长度占该路段长度的比例称为空间占有率。 o s ：坠1 0 0 ( 2 2 ) x 式中：厶为第f 辆车的长度；x 为观测路段长度。 由此可知车流密度只能表示车流的密集程度，而空间占有率则能反映某路段上 车流的长度。 在一定时间内，车辆通过某道路上的任一截面所需时间的累计值与观测总时间 的比值的百分数，称为时间占有率。 o t ：单1 0 0 ( 2 - 3 ) 式中：，。为第f 辆车的地点车速；t 为观测时间。 2 3 交通流基本参数的关系 2 3 1 车速与密度的关系 车速与密度模型有许多种，最常用的是线性模型( 格林希尔茨速度一密度模型) ， 即： 1 ，= 口+ b k( 2 4 ) 式中：口，b 为待定参数，当密度k 趋于0 时，车速1 ，接近自由流车速v ，由上 式得c 1 = v i 。当密度很大时，车辆无法行驶，这时的密度称为阻塞密度乃，当k = 乃时， 1 ，= 0 ，得6 = 一考，将口、6 代入上式，得速度一密度的线性关系式： 弘叭卜争 协5 ， 2 3 2 流量与密度的关系 将速度一密度关系式代入基本关系式q = i n , ，得流量一密度模型： 一争 沼6 ， 五邑大学硕士学位论文 即q 和k 的二次抛物线的关系，当流量取最大时，对应的密度为最佳密度( 也 ， 称为临界密度) k ，即： 令皇望：o 4 1 , - ， 得_ 一等= 。 = 等 上式代入式( 2 6 ) 得：g 。= _ k j r v f ( 2 - 7 ) 2 3 3 流量与车速的关系 将关系式弘v z ( 1 - 争转换肌= k j ( 1 - 与v f 并代m i j 基本关系式g 蜥帽流量 一车速模型： q ：k j ( 1 ，一马 ( 2 8 ) v f 由此可知，临界车速等于自由车速的一半，即= 鲁。当o 1 ， 时，g ， 交通流处于拥挤状态；当 ， p 墒 ( 4 - 3 ) 新节点的中心为新的样本x ；，扩展常数取k d ，k 为重叠因子，隐节点到输出层 2 0 五邑大学硕士学位论文 的权植取e j 。开始时隐含层没有节点，取6 = 互。如果新性条件有一个不满足，则调 整隐含层的中心、扩展常数、输出权值w 和偏移量b 。 4 2 2 参数的调节 隐节点参数的调整可用梯度法( l m s ) 或扩展的卡尔曼滤波器法( k e f ) 进行 调节。为加快学习速度，本文采用自适应的梯度法来调节数据中心q 、扩展常数、 输出权值w 和偏移量b 。 当输入第，个样本不满足新性条件时，神经网络对第f 个数据中心和扩展常数的 调整公式分别为： 矿1 = + 刁o + i ) e j v ，j 巧 = + 2 刁( f + l 巳，( i l 一一c 川) i i 一一q1 1 2 4 削 c = c + r l ( t + d e ，v 卅硝枷e 专，( 1 lx j _ i i ) ( x j q ) 4 。5 ) w = w + r p ，( 1 lx j qi i ) i ( 4 6 ) b ( + 1 ) = b ( ) + r ( 。+ 1 ) p ， ( 4 7 ) 其中，7 ( ，代表第r 次调整时的学习速率，大的学习速率可能导致系统的不稳定， 小的学习速率虽然可以保证网络的误差最终趋于最小误差值，但将会导致训练较长， 收敛速度很慢。随着新样本的增加，隐节点数的增减，即网络的结构发生了变化。 对训练初期较好的学习速率，不见得对后来的训练合适。这里采用变化的自适应学 习速率，使网络的训练在不同的阶段自动调整学习速率。下面给出了一种自适应学 习速率的调整公式【2 5 】： 止。 矿枷= 铲 p ( 1 0 4 e ( )( 4 8 ) 其他 此方法可以保证网络总是朝着误差下降的方向调整，直到使其学习过程稳定为 2 1 五邑大学硕士学位论文 4 2 3 隐节点的删除和合并 一随着节点的不断增加和参数的不断调整，特别是待训练样本量比较大时，可能 会引入多余的节点。对于连续的多个输入样本，如果某个隐层节点的输出 ，( i lx ，一qi i ) 较小，即该节点不被激活，则说明该节点对输入量的影响很小，该隐 节点是多余的。为防止误删，不被激活的次数c o u n t 一往往取较大的值。同时随着训 练样本的逐渐增多和网络参数的不断调整，有些隐层节点的数据中心和扩展常数离 的很近，即 一c 川 6 n 和p 一 e - - 那么令 a k + i 。e n 材= 以 2 2 ( 4 1 0 ) ( 4 1 1 ) ( 4 1 2 ) ( 4 1 3 ) ( 4 1 4 ) ( 4 1 5 ) ( 4 1 6 ) ( 4 1 7 ) 、- 、 一 x ，- ， i 七 口 胃胤 + o 口 = 、- 、 聆 ，- ，y 五邑大学硕士学位论文 吼+ l = k o0 以= 材。，i l ( 4 18 ) 即分配一个新节点。否则按下面迭代公式进行调整： ( 玎) = r v ( n - 1 ) + k e 。 ( 4 1 9 ) k 。= 只一，吒【尺。+ 酵一l 屯】- 1 ( 4 - 2 0 ) 只= 【i k 。b ：】只一l + q ， ( 4 - 2 1 ) 然后，计算所有隐节点的输出：q ( k = 1 ，2 k ) ，并找出绝对值最大的隐节点的 输出1o - - i ，计算每个隐节点的归一化的值：名爿乏l ( 肛l ，2 ，m ) ，如果连续 m 次r 都小于仃，则删除第k 个隐节点，同时按卡尔曼算法要求减小p n 的维数。 其中：是距离x 。最近的隐节点的中心，w = ，q ，玎，q ，a k ，壤t ，吒r ，b 。是 梯度向量是：吮= v 。y ( 玎) ，毛是测量误差变量；p n 是误差协方差矩阵；q 是一个数 量，它决定在梯度方向允许的随机步长。假设需要调整的参数为n 个，p n 就是一个 n x n 的正的确定的对称矩阵；当一个新的隐节点被分配时，p n 的维数依照下式增 加：p n _ 【1 芝i 】，的维数由新增节点引入的新参数的数目决定。 4 3 算法实现 综上所述，算法实现的具体步骤如下： 1 ) 开始无隐节点，取艿= ，6 - 五 2 ) 读入数据x ，根据式( 4 1 ) 计算r b f 网络的输出，再根据式( 4 2 ) 、( 4 3 ) 判断是否要增加隐节点，如果需要则新节点的中心为石，扩展常数取材， k 为重叠因子，隐节点到输出层的权植取p 。如果不需要则转向3 ) 。 3 ) 初始化，7 ( 们，按式( 4 4 ) 一( 4 8 ) 式调整隐节点的数据中心和扩展常数，直 到达到要求的输出误差或最大调整步数。 4 ) 检查是否有隐节点需要合并，若满足式( 4 9 ) ，则合并隐节点。 5 ) 记录隐节点中输出的最小值的神经元编号，如果某神经元输出连续最小的次 数达到c o u n t m 。，则删除该神经元。 6 ) 令万= m i n a d e c a y s m 。) ，d e c a y 为分辨率衰减常数。j = n ，转向2 ) 继 续。 五邑大学硕士学位论文 4 4 仿真研究 4 4 1 输入参数的选择 从某检测站下午1 4 ：0 0 - - 2 0 ：o o 的交通参数变化图( 如图4 2 ) ，可以看出占有 率在1 4 ：0 0 开始急剧增加，速度急剧减小，到大约1 6 ：0 0 时流量不再增加，即此 时该路段开始出现交通拥挤，直到1 6 ：3 0 左右占有率开始有所下降，速度有所回升， 可知这时车辆处于走走停停的状态，1 8 ：o o 之后拥挤开始减弱，交通开始逐渐恢复 正常，1 8 ：3 0 左右拥挤结束。从中可以看出速度和占有率在不同的交通状态下变化 比较明显，流量不明显。为了使该算法具有较强的实用性，对流量采用相素级的参 数融合，使其能够体现交通流从拥挤开始到结束等特征【2 5 1 ( 如图4 3 ) 。所以这里选 取以下交通参数的归一化值作为r b f 网络的输入：占有率、速度、占有率速度和 占有率流量。 某检测站某日1 4 ：- - 2 1 3 ：的交通流示意图 图4 2 某检测站下午1 4 ：0 0 - - 2 0 ：0 0 的交通变化图 五邑大学硕士学位论文 害 奏 删 篝 奄 4 4 2 仿真结果 图4 3 对流量采用像素级融合后的交通流情况示意图 数据来自高速公路路段1 - 8 8 0 实地线圈数据集和事件数据集【1 0 1 ，选取3 0 0 组数 据作为训练样本，从中选取6 4 组作为测试样本，其中1 5 组为有事件发生时的数据。 首先对采集到的样本归一化处理，理论上说，对于前向网络来说不是必要的，样本 数据可以直接用来训练网络。在数据跨度很大时，还是要进行归一化较好，而且在 样本数据很庞大时，用归一化的样本，训练时间【2 引。 开始网络无隐节点，初始偏置取第一个样本的期望值，即取b = y o 。输出为o 1 时代表交通顺畅，0 9 代表交通拥挤。通过仿真，当重叠系数k = - o 8 2 6 ，最大距离分 辨率6 m a x = 1 2 ，最小距离分辨率6 m i n = 0 1 5 分辨率衰减常数d e c a y = 0 9 5 ，误差分辨率 晶i n = o 0 2 8 ，初始学习速率r ( o ) = o 0 0 1 5 ，数据中心距离的最小值c m i n = o 0 1 ，