（控制理论与控制工程专业论文）基于神经网络的交通事件检测系统研究.pdf

同等学力硕士学位论文 摘要 随着交通的飞速发展，机动车数量的不断增加，交通事件的频繁发生是交通管理中 必须面对的问题，因此交通事件的自动检测技术就成为智能交通领域的一个热点研究问 题。事件检测技术其作用就是及时地发现道路上已经发生的交通事件，以便对事件作出 快速处理，尽量减少事件带来的损失，避免二次事件的发生。事件检测技术其核心就是 检测算法，算法的性能对整个交通事件检测系统起着至关重要的作用。 本文首先介绍了事件检测的基本概念，对目前存在的典型检钡4 算法的原理作了详细 阐述并且对比了各种算法的性能。其次，研究了神经网络在事件检测领域中的应用，依 据非线性系统的神经网络预测模型，建立了公路交通的神经网络模型。针对目前己有的 交通流宏观模型，考虑b p 网络具有全局逼近的特点，使用改进的b p 网络逼近交通流 模型，并且提出使用r b f 网络，依据交通流的实际检测值与b p 网络输出形成的残差值 作为判断交通事件发生的依据。在本文的最后使用v c + + 和m a t l a b 混合编程的方式， 设计了事件检测系统，进行了仿真工作，通过输入仿真数据，验证了网络的性能，仿真 结果表明，b p 网络和r b f 网络相结合的方式可以使交通事件检测系统同时具有全局逼 近和局部逼近的能力，克服了使用单一前向网络的不足，可以更全面的反映交通事件发 生的本质特征。 关键词：交通事件，事件检测，b p 网络，r b f 网络，残差 基于神经网络的交通事件检溺9 系统研究 a b s t r a c t w i t hr a p i dd e v e l o p m e n to ft r a f f i c ，t h en u m b e ro fm o t o rv e h i c l e si s i n c r e a s i n g c o n t i n u o u s l y ，a n dt h et r a 币cj n c i d e n t st h a th 印p e n6 踟u e n t l ym u s tb es e r i o u s l yc o p e d 谢t hi n a r e ao ft r a m cm a n 艇筘m e n t ，s ot h et e c h n i q u eo fa u t o m a t i ci n c i d e n td e t e c t i o n ( a 【d ) i sa h o t 印o ti n f i e l do fi m e l l i g e mt r a n s p o r t a t i o na t p r e s e n t t h eg o a lo fa u t o m a t i ci n c i d e n t d e t e c t i o ni sd e t e c t i n gai n c i d e n tt h a th a sh 印p e n e do nt h er o a di nt i m e ，t h u st h ei n c i d e mc o u l d b ep r o c e s s e di nar e l a t i v e l yb r i e fp e r i o do ft i m et od e c r e a s et h e1 0 s s ，a n dv o i dh a p p e n i n g a n o t h e ri n c i d e n tb r o u g h tb yt m si n c i d e mt h ec o r eo fa u t o m a t i ci n c i d e md e t e c t i o ni s d e t e d i o na l g o r i t h m ，t h ea l g o r i t i sv e r yi m p o r t a n tf o r t h ew h o l et r a 西ci n c i d e m sd e t e c t i o n s y s t e m i nm i sp a p i nt h e 矗r s tp l a c e ，t h ec o n c e p to fa mi si n t r o d u c e d ，t h eb a s i cp r i n c i p l e so f r e p r e s e m a t i v ea l g o r i t h j n sa r ee x p a t i a t e da l dt h ec a p a b i l i t i e so fa l lk i n d so fa l g o r i t h m sa r e c o m p a r e d i nt h es e c o n dp l a c e ，t h e 印p l i c a t i o no f n e u r a ln e t 、帅r k ( n n ) j nt h ef i e l do fa ii s r e s e a r c h e d ，a c c o r d i n gt 0n e u r a ln e t w o r kf o r e c a s t i n gm o d e lo f n o n l i n e a rs y s t e 氇t h en e u r a l n e t 、v o r km o d e lo f r 0 a dt r a m ci sb u b e c a u s et h cb pn 咖o r kh a st h ec 印a b i l i t yo f g l o b a l a p p m a c ha n dt l l e r ei sar n o d e lo fm a c r o s c o p i c a lt r a 衢cs t r e a m ，s oak i n do f 印p r o v 酣b p n e t w o r ki su s e dt os i m u l a t et h em o d e lo fm a c m s c o p i c a lt m f f i cs t r e a m ，o nt h e0 t h e rh a r i da n e wv i e 、v p o i n ti sp u tf o n a r d ，t h a ti su s i n gd i 情 c r e n c eb e t w e e nr e a ld e t e c t e dv a l u e sa n do u p u t s o fb pn e t w o r ka st h ec r i t e r i o nt oj u d g ew h e t h e ro rn o tt r a f n ci n c i d e n th a sh a p p e n e di nt h e f i n a lp a no f t h i sp 印e r as y s t e mo f a l di sd e s i g l l e d b yu s i n gv c + + a n dm a t l a b ，s i m u l a t i o n w o r ki sa l s od o n ei nt h i ss y s t e 札b yi n p u t t i n gs i m u l a t i o nd a 氓c a p a b 钉i t i e so ft w o 蛔n d so f n e u r a jn e t 、v o r k sa r et e s t i f i e d ，t h er e s u ho f s i 舢l a t i o ni n d i c 砒e st h a tt h i sw a yo f c o n l b i n i n gb p n e t w o r ka n dr b fn e 柳o r kc o u l dm a l 【e 打a 珩ci n c i d e n td e t e c t i n gs y s t e mh a v ea b i l i t yo f9 1 0 b a l a p p r o a c ha n dl o c a l 印p r o a c h ，a f l db yt h i sw a y ，s h o r t c o m i n g so fo n l yu s i n go n ek i n do f f o n 删i n gn e t w o r ka r eo v e r m e ， b a s i cc a u s eo ft r 缅ci n c i d e m si sr e n e c t e dm o r e p a n i c u l a r l f k e y w 0 r d s ：1 r a 伍ci n c i d e n t ，a u t o m a t i ci n c i d e n td e t e c t i o n ，b pn e t w o r l ( ，r b fn e t w o r k d m 、e r e n c e 同等学力硕士学位论文 插图索引 图1 1 智能交通子系统框图4 图1 2 交通拥挤对交通参数的影响示意图5 图1 3 交通事件检测流程图7 图1 4 环形检测器组成框图8 图1 5 传播时间差法示意图8 图1 6 加利福尼亚# 7 算法决策过程示意图1 1 图1 7 标准偏差法的决策过程示意图1 3 图1 8 指数平滑算法的决策过程示意图1 4 图1 9a 代m a s t e r 算法的交通状态分类图1 6 图2 1 基本神经元模型2 2 图2 2 神经元常用函数的图形2 3 图2 3 前馈网络结构图2 3 图2 4 递归网络结构图2 3 图2 5 有师学习示意图2 4 图2 6 无师学习示意图2 4 图2 7 强化学习示意图2 4 图3 1 道路路段和检测器布置示意图2 6 图3 2 系统正向建模示意图一2 7 图3 3b p 网络模型2 8 图3 4 事件检测原理2 8 图3 5r b f 网络模型2 9 图4 1 系统组成框图3 6 图4 2 系统数据流图3 6 图4 3 事件检测流程图3 8 图4 4 系统主界面3 9 图4 5b p 网络参数设置界面3 9 图4 6r b f 网络参数设置界面3 9 图4 7 样本数据更新界面4 0 图4 8b p 网络和r b f 网络的训练误差曲线4 2 图4 9b p 网络预测误差曲线4 3 图4 1 0r b f 网络预测误差曲线4 3 图4 1 1 检测指标统计界面4 3 基于神经网络的交通事件检测系统研究 表1 1 事件检测算法的性能指标 表4 1 样本数据库表结构 表4 2 检测性能指标对比 附表索引 1 9 3 7 4 3 兰州理工大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 作者签名：李驰新日期；2 0 0 6 年5 月2 2 日 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。本人授权兰州理工大学可以将本学位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、缩印或扫描等复制手段保存 和汇编本学位论文。 本学位论文属于 l 、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“”) 作者签名：李驰新 导师签名：曹洁 山 日期：2 0 0 6 年5 月2 2 日 日期：2 0 0 6 年5 月2 2 日 同等学力硕士学位论文 第1 章智能交通系统及交通事件检测 1 1 智能交通系统概述 近年来，城市交通拥堵、交通事故频发、交通环境恶化，世界各国面临着共同的问 题：无论是发达国家还是发展中国家都通承受着交通情况恶化的困扰。传统办法是修建 或扩建道路。但是，随着人口的增长，城市人均居住面积日益减少，可供修建道路的空 问也越来越少，同时，交通系统是一个复杂的系统，交通系统的基本构成要素包括四个 方面：人( 交通出行者、驾驶员和管理者) 、物( 货物) 、各类交通工具和相应的交通设 施，单从一个角度来考虑，都将很难解决交通问题。在这种背景下，把四个方面综合起 来系统地解决交通问题的思路油然而生，通过利用现代先进的运营组织、通信、控制、 计算机、传感器、显示和信息科学手段，便产生了智能交通系统。有资料显示，目前在 欧洲国家使用或试用的交通控制、路况信息、避免碰撞等电子系统，可以减少行车时问 1 5 2 0 ，减少交通事故5 2 0 ，减少塞车1 5 2 0 ，减少污染物排放1 0 一1 5 ，减少能耗 1 0 一1 5 。 智能运输系统( i t s l 术语的正式认定是在1 9 9 4 年。此前，美困称为“智能车辆道路 系统”，欧洲称为d r i v e 、p r o m e t h e u s 、r t 、p r o m o t e ；日本称为c a c s 、r a c s 、 u t m s 、c s ；国际标准化组织f l s 0 1 称为t i c s 。尽管术语和名称不同，但它们都属于 智能运输范畴的科研计划或项目。i t s 是园际上对运用计算机、信息、通信、自动控制、 电子、系统工程等一系列先进的现代科学技术，以提高交通运输效率、增强交通安全性 为最终目标的集成系统f 交通控制与线路导行系统、车辆行驶安全控制系统、交通运输 信息服务系统等) 的统称。 智能交通系统( 1 t s ) 是交通信息系统在信息化基础上发展到的一个更高阶段，分 为广义和狭义，广义的智能交通系统应该包括交通的规划、设计、实施与运行管理都实 现智能化；而狭义的智能交通系统则主要指交通运输系统的管理与组织的智能化。其实 质上就是利用高技术对传统的交通运输系统进行改造而形成的一种信息化、智能化、社 会化的新型现代交通系统。是将先进的信息技术、数据通信传输技术、传感技术、控制 技术以及计算机处理技术等，有机的集成与整合。因此，伴随着今后科学技术的全方位 发展，i t s 的研究也必然会随之得到发展，并逐步得到完善。可以预见，2 1 世纪乃至未 来的i t s 是一个动态发展的系统，其发展与完善是与现代科技紧密融合的【】1 2 】。 世界上像美国、西欧和日本等发达国家为了解决共同面临的交通问题，竟相投入大 量资金，开始大规模进行道路交通运输的智能化研究试验，并取得了很大的进展。我国 自“九五”期间开始开发i t s 体系结构，研究制定相关标准，提出建立i t s 共用信息平 台，并对技术经济评价作了具体论述，但相对其他国家，我国的智能交通系统还较落后， 实施不完善。下面对智能交通的发展阶段作一简要介绍： 1 2 0 世纪6 0 9 0 年代 这是i t s 的早期发展阶段，主要项目有：2 0 世纪6 0 年代美国的电子线路引导系统 ( e r g s ， e 1 e c t r o n i cr o u t eg u i d a n c es y s t e m ) ，7 0 年代日本的c a c s ( c o m p r e h e n s i v e a - u t o m o b i l e c o n t m ls v s t e m ) ，8 0 年代德国的l i s b ，英国的a u t o g u l d e ，瑞典的a s e ， 法国的m a r a t h o n ，日本的r a c s ( r o a da u t o m o b i l ec o m m u n i c a t i o ns y s t e m ) 和 a m t i c s ( a d v a n c e dm 0 b i l e t r a 币ci n f o r m a t i o na n dc o m m u n i c a t i o ns y s t e m ) 。19 8 9 年，美 国联邦运输部( d o t ) 向国会提出运用高科技成果改善道路交通的长达3 0 年的战略计 划，名为“智能车辆道路系统”( i s ，i n t e l l i g e mv e h i c l e h i 曲w a ys y s t e m ) 。 主要研究内容有；总体问题与建模、检测技术、通信技术、控制技术和路线导行技 术；人为因素、最佳信息内容、效益分析、出行前出行方案优选技术、公交信息和调度 技术等；动态称重、自动车辆分类、识别、定位、载货辨识、驾驶员辨识等；车距车速 自动控制、驾驶员视野扩大、避碰技术、系统可靠性分析等；总体问题与建模：人因行为 分析与交通安全：数据库。 其研究目标是：降低交通事故、加强交通安全、提高原有交通运输设旌的运行效率、 降低环境污染、改善交通环境。 经济合作与发展组织( o e c d ) 在调查智能运输系统的研究及其应用的现状的基础上， 对l t s 研究所取得的研究成果及其应用现状进行了评价，于1 9 8 8 年发布了题为路线 导行与车内通信系统( r o u t eg u i d a n c ea n d1 1 1 一c a rc o m m u n i c a t i o ns y s t e m ) 的调研报告， 该报告认为，应用现代信息与通信技术等高科技的路线导行系统，将会使交通状况发生 显著的变化，与此同时，也存在一系列的问题：由于各国研究导行与通信系统时，采用 了不同技术方案，将形成互不相容的独立系统，在联合使用时不能达到最优效果，这将 对车辆和道路交通管理机构造成极大的不便；另一方面，由于技术的不相容，造成硬件 设备与软件不通用，不能进行大规模生产，使系统使用及维护费用昂贵并造成设备市场 的混乱。 2 2 0 世纪9 0 年代以后 这是i t s 全面发展并走向应用的阶段。1 9 9 1 年美国提出新的道路交通建设法案 ( 1 9 9 2 1 9 9 7 年) 一陆上综合交通运输效率化法案( 1 s t e a ，i n t e r m o d a ls u m c e t r a n s p o r t a t i o n e m c i e n c y a c t ) ，将i v h s 作为道路交通建设的中心项目，制定投资计划， 1 9 9 4 年i v h s 更名为i t s 。1 9 9 3 年，美国着手用系统结构分析方法研订国家i t s 体系 结构ml t sa ，n a t i o n a li t s 时c h i t e c t u r e ) ，1 9 9 6 年初公布，1 9 9 8 年公布第二版。1 9 9 6 年美国发布交通运行时问节约战略计划。欧洲1 9 9 2 年实施d r j ，1 9 9 5 年开始 实旖d r r v e i i i ，命名为“交通运输通信技术”( t e l e m 盯j c s f o rt r a n s p o n ) ，是欧盟“第 四骨干计划”的一部分，是一项包括道路运输、航空运输、铁路和水路运输，多样式联 运的综合性研究五年计划。目本1 9 9 3 年提出u t m s ( u n i v e r s a lt r a 币cm a n a g e m e ms y s t e m ) 同等学力硕士学位论文 计划。1 9 9 5 年在横滨召开第二届1 t s 会议后，将所有的研究项目统称为i t s 。 这一阶段的研究内容主要有：交通需求管理；出行交通信息系统；城市交通管理集成 系统；城际交通管理集成系统；驾驶员援助系统；货运车与车队管理；公共交通管理。 研究成果分为九类：视觉支持、车辆抗滑稳定性监测、司机状态监测、防止冲突、 自适应稳定行驶控制、自动紧急报警、货车运行管理、路线导行、旅行交通信息。 应用成果主要有：1 9 9 6 年美国交通运行时间节约战略计划，要求美国7 0 多个城 市根据此计划建 殳智能交通运输基础设施，( i t t ，i n t e l l i g e n tt r a l l s p o r t a t i o ni n 胁s t u c t u r e ) ， 在以后的十年内将旅行时间缩短1 5 。所谓的“智能交通运输基础设施”就是将有关 i t s 的设施建设作为道路交通基础设施建设的组成部分，凡是新扩建道路交通基础设旌 必须有i t s 的相关设施，以加强i t s 研究成果的实施，推进i t s 设施产业的发展。日本 在以前的基础上，开发v i c s ( 、，e h i c l ei n f o r m a t i o na n dc o m m u n j c a t i o ns v s t e m ) ，1 9 9 3 年完成，1 9 9 4 年在东京试运行，获得成功，1 9 9 6 年在东京一都三县开始服务，1 9 9 7 年 在全日本推广。 1 2 智能交通的功能子系统 智能交通系统主要包括七大子系统，可以用图1 1 来简单的刻画智能交通系统。 先进的交通信息服务系统( a d v a n c e dt r a l l s p o r ti n f o m a t i o ns v s t e m ，a t i s ) ：这是整 个智能交通系统顺利运作的基础，用以给整个系统提供信息服务。 先进的交通管理系统( a d v a n c e dt r a n s p o nm a l l a g e m e n ts y s t e m ，a i m s ) ：根据交通 信息服务系统提供的信息来管理交通，提高效率和安全。 先进的公共交通系统( a d v a n c e dp u b l i ct r a i l s p o f ts y s t e m ，a p t s ) ：用以提高公共 交通的可靠性、安全性及其生产效率，使公共交通对潜在的用户更具有吸引力。 先进的车辆控制系统( a d v a n c e dv e h i c l ec o n t r o ls v s t e m ，a v c s ) ：在很大程度上 改善和代替r 驾驶员对行车环境的感应和控制能力，从而可以提高行车安全性，减少交 通阻塞，进一步提高了道路的通行能力和交通效益。 货运管理系统( f r e i g h tm a i l a g e m e n ts y s t e m ，f m s ) ：指物流理论指导交通的组 织和管理，并且借助先进的计算机技术、车辆定位跟踪技术和货物的管理技术，为货主 提供快速、完善的货运服务。 电子收费系统( e 1 e c t r o n i ct o l lc 0 1 l e c t i o ns v s t e m ，e t c ) ：实现收费车道上无人管 理、不停车、不用票据的自动收费，以减少用现金收费所产生的延误，提高道路的通行 能力和运行效率，并可为系统管理提供准确的交通数据。该系统只有电子收费1 个子系 统。 紧急事件处理系统( e m e r g e n c ym a n a g es y s t e m ，e m s ) ：即灾害事故发生以及发 生情况的自动通报和处理系统。 基于神经网络的交通事件检测系统研究 先进的交通信息服务系统 先进的车辆控制系统 智能交通系统 先进的公共交通系统 1 3 交通事件检测 1 3 1 交通事件概述 电子收费系统 紧急事件处理系统 图1 1 智能交通子系统框图 交通事件是指随机发生并且使道路通行能力显著下降的经常发生的非重复事件，主 要包括车辆交通事故，故障汽车停驻或缓行、货物散落和道路维修等。它在短时问内会 引起道路有效通行能力的下降或交通需求的增加。此类事件发生时，事件地点的上游交 通状况表现为：占有率增加，速度降低：下游则正好相反，表现为：占有率下降，速度 加快。目前大多数事件检测方法都是基于这样的特征来判断是否有交通事件发生。交通 事件一般分为可预测类( 例如：大型活动、道路修筑、路面养护等) 和不可预测类( 例 如：交通事故、车辆抛锚、货物散落和突发的自然灾害等) 。对于可预测类的交通事件， 驾驶员可以预先制定合理的出行计划来降低其影响。但对于不可预测类交通事件，驾驶 员却无法采取躲避措施。这类事故的影响，不仅会造成交通拥挤和人员伤亡，还会引起 二次事故。交通事件的发生必须包含以下3 个因素：1 ) 人，这里的人有两种，一是道 路上的行人，二是车辆的驾驶员。人是促成交通事件发生的行为主体；2 ) 车，车是促 成交通事件发生的行为客体，在发生的交通事件中，至少有一方为运行中的车辆，包括 机动车和非机动车。车辆是构成交通事件的重要条件，如果没有车辆，仅为行人与行人 之问的冲撞或冲突则不能称为交通事件：3 ) 路，国家实施行政管辖的道路，这是构成 交通事件的空间条件嘲。 1 3 2 交通事件检测的目的和意义 随着人类科学技术的不断进步，世界各国经济迅速发展，汽车拥有量迅速增加，相 随而来的则是交通流量的急剧增加，交通堵塞、交通事故频繁等现象丰h 应恶化，交通拥 挤造成了车辆延误、行驶时间延长、空气污染加重，燃油消耗上升，给现代城市道路和 同等学力硕士学位论文 公路的交通管理控制系统带来了严重的挑战。近几年来，随着我国加入w t o ，经济持 续增长，国家对交通基础设施的投资力度加大，我国公路的里程总数迅速增加，尤其是 城市主干道和高速公路。相对于以前，公路建设已取得了巨大成功，带来了巨大的经济 与社会效益，并且服务水平也获得了很大的提高，但运行过程中仍然存在交通拥挤、交 通安全和环境污染等问题，特别是交通高峰期市区主干道公路问题尤为严重。产生交通 拥挤的原因在于很多方面。其一，道路建成并且开通运营以后，沿线地区的经济发展速 度异常迅猛，一般来说，大量的一 厂、公司及住宅区都会在道路两侧或者是在离道路f i 远处迅速建成，许多地方的土地使用方式发生了巨大的变化，这些都引起了道路交通需 求大幅度增加；其二，道路开通以后，附近住宅区数量迅速增长，居民参加社会活动及 文化娱乐活动更为方便，导致出行次数大幅度增加。交通运输规划部门设计道路时，往 往对这些增长估计不足，导致交通需求水平远远超过了道路规划者的预定期望；并且由 于市区征地费用高昂，限制了设计者在设计道路时，不能留有更多的余地，因而往往只 能满足当前的或者短期内的交通量。如果要新建道路设施，在经济上、环境上和土地使 用上受到限制，往往是不切实际的，因此必须充分利用现有的道路基础设施，一方面设 法提高现有道路通行能力，另一方面对交通需求进行科学的管理及调整，从而提高交通 效率。 从交通事件发生后产生的结果来看，必然导致交通的拥挤，在公路管理中，快速、 准确地发现已经发生的交通事件，并有效地进行控制，对拥挤的交通流进行及时的疏导， 对于组织救援和恢复正常交通状态具有重要意义。交通拥挤的实质是交通需求超过了道 路通行能力。交通拥挤的形式表现为：交通密度增大( 一般双车道密度大于5 0 辆依m 时， 认为出现拥挤) ，空间平均速度下降( 小于6 0 k f n h ) ，交通流量减少( 双车道流量小于3 0 0 0 辆i l1 ，交通量明显下降( 超过了1 8 0 0 v e h 1 1 l a n e ) 。可以用图l2 来清楚的说明交通事 件发生后造成的拥挤对交通参数的影响。 道路 ! ! 堕二工巫至匝 交通密度冲击波 扩展波 空间平均速度 交通流量 图12 交通拥挤对交通参数的影响示意图 基于神经网络的交通事件检测系统研究 根据原因的不同，公路上的交通拥挤分为两种类型：常发性拥挤和偶发性拥挤： 1 ) 常发性拥挤有两种情况：一种是由f 交通需求过大引起的；另外一种是由于道 路几何条件上的缺陷造成的局部通行能力降低。常发性拥挤属于二可预测的交通事件，它 往往是在公路某路段处周期性的发生，这样就可以通过多次观察来预测其发生的时间和 地点。 2 ) 偶发性拥挤是由于道路七的偶然事件暂时阻塞一条或多条车道，引起路段通行 能力下降，结果导致拥挤。偶发事件包括交通事故、车辆抛锚、货物散落等。偶发性拥 挤中越来越多的交通突发事件不但对公路的正常运行产生严重影响，也降低了交通的安 全性。偶发性拥挤需要通过事件检测来判断，事件检测技术可分为非自动检测技术和自 动检测披术( a u t o m a t i ci n c i d e n td e t e c t i o n ，a ) 。驾驶员使用电话亭或蜂窝电话、公路 巡逻队、闭路电视等属于非自动检测技术，它要求当时当地有目击者。而基于交通流参 数变化来检测交通事件的a 技术可以不需现场目击者，全天候、全程地发挥作用，展 示出巨大的潜力，并成为i t s 研究的一项非常重要的内容，是事件检测研究的主要方向。 综上所述，交通事件检测的目的在于尽可能及时、准确的检测出已经发生的各种交 通事件，进而由交通管理部门对事件快速处理，降低外部因素对行驶巾的车辆的干扰， 保证车流的正常行驶速度，减少车速不必要的波动，以保证道路的畅通、安全，并使其 具有较高的通过能力。 1 3 3 交通事件检测的基本理论 在前面的内容中已经提到道路交通事件检测系统其本质就是根据实时采集的数据 信息( 主要是交通流参数) ，根据这些参数的变化，由已经总结出的算法自动判别是否 发生交通事件，若无事件发生，则继续采集数据；若事件发生，则启动事件处理程序， 采取相应的措施，疏导交通流，保证车流不受阻塞，达到提高运输效率的目的。整个道 路交通事件检测系统的关键和核心部分是检测算法，可以这么说，当系统中其他部分相 同时，算法的选择决定了系统性能的优劣。图1 3 显示了交通事件检测的过程。 同等学力硕士学位论文 图l - 3 交通事件检测流程图 道路交通事件检测系统的基本工作流程可以简述如下：首先，通过铺设在道路上或 者是道路设旖附近的各种检测器和传感器实时采集交通流数据信息及自然环境信息；由 于采集的原始交通数据信息含有较多的噪音干扰信号，并且由于种种的客观原因，数量 众多的监测器和传感器中的一个或几个可能在某个时刻或是某种外界条件下失效或是 工作不正常，这些情况都将会到影响检测的准确率，因此根据数据融合的理论，在使用 这些数据前必须对进行预处理，包括滤波、坐标转换、尺度转换等；然后利用一定的检 测算法对数据进行分析，以确定事件的发生；如果有事件发生，对检测到的事件进行分 类识别，根据其类型采取相应的补救措施及给出报警信号；最后还可以将这些信息输入 交通运输数据库。 数据采集系统是交通事件检测系统的信息来源，数据的来源是众多，形式也是各不 一样的，这一点在上一段中已提到。交通检测器是数据采集的设备，检测器的选择对于 数据采集的质量至关重要。交通检测器的种类很多，主要有环形线圈检测器、超声波检 测器、磁感应式检测器、光辐射式检测器、雷达检测器、视频检测器等。目前应用较多 的是环形线圈检测器、超声波检测器和视频检测器，在此着重对常用交通监测器作一简 单介绍。 1 环形线圈监测器 环形线圈检测器出现于上个世纪6 0 年代，是目前交通控制中应用最广的交通量检 测器。该检测器是种基于电磁感应原理的车辆检测器，它的传感器是一个坦没在路面 下、通有一定交变电流的环形线圈。当车辆通过线圈或停在线圈上时，车辆引起线圈回 路电感量的变化，检测器检测出该变化就可以检测出车辆的存在。环形线圈检测器主要 由环形线圈、调谐回路和检测电路三部分组成，如图1 4 所示。 基于神经网络的交通事件检测系统研究 口_ 调 善每 输 放 大 器 谐 匕竺掣 由 压 环形线圈 图l4 环形检测器组成框图 2 超声波检测器 超声波检测器是通过接收由超声波探头发出并经过车辆反射的超声波来检测车辆 的。超声波检测器的工作原理可分为两种：传播时间差法和多普勒法。 传播时间差法的原理是：超声波检测器的探头向路面发射超声波然后接收其反射 波，当有车辆时，超声波会经车辆反射提前返回，如果能检测出超前于地面反射的反射 波，就表明车辆存在。如图1 5 所示，若超声波探头距地面高度为h ，车辆高度为h ， 波速为v ，从探头发出的超声波从路面和车辆返回的时间分别为t 和t ，则t = 2 h v ， t = 2 ( h _ h 1 v 。由此可见时问t 与车辆高度h 相对应。利用这个特点，既用来判别车辆存 在，也可用于估测车高。从图1 5 还可看出，调整肩动脉冲的启动时间和宽度，能够限 制输出信号发生的时间t 的范围，由第二个式子就可以得出能被检测的车辆对应的车高 范围。 多普勒法的原理是：超声波探头向空间发射超声波同时接收信号，如果有移动物体， 那么接收到的反射波信号就会呈现多普勒效应。利用此方法可检测正在驶近或正在远离 的车辆，而不能检测处于检测范围内的静止车辆。 由于超声波检测器采用悬挂式安装，这与路面埋设式检测器( 如环形线圈) 相比有许 多优点。第一，可以不破坏路面，也不受路面变形的影响；第二，使用寿命长、可移动、 架设方便，在日本交通： 程中被大量采用。其不足之处是容易受环境影响，当风速5 级 以上时，超声波产生飘移而无法正常检测，探头下方通过的人或物也会产生反射波，造 成误检。所以超声波检测器要按照一定的规范安装。从架设方便、使用寿命长等方面来 说，路面埋设式检测器都不如超声波检测器，所以超声波检测器成为目前使用量仅次于 环形线圈的一种检测器。 图l - 5 传播时问差法示意图 8 一 同等学力硕士学位论文 3 视频监测器 视频检测器主要由数字摄像机和图像识别单元( 包括计算机) 组成，其工作原理是： 由数字摄像机连续摄得两帧图像( 数字图像) ，对其全部或部分区域进行比较，如有差异 则说明检测区有运动物体，从而检测出通过的车辆。视频检测器的关键是快速的图像识 别算法，目前已有多种识别算法，例如：小波算法，使用神经网络算法等。 视频监测器有如下特点：1 ) 多参数同时检测：从视频信号中可以提取大区域范围 内的多种交通参数，并可以提取一些采用其它方法难于检测到的参数，如交通流分合特 性参数、冲突点特性参数；2 ) 大范围检测：一路视频信号可以覆盖4 _ 6 个车道，实现大 区域范围的交通流检测：3 ) 多阶段检测：可以检测进入路口的交通量需求及其变量， 也能检测出信号控制方案执行过程的情况，还能检测出信号控制方案执行的效果，完成 信号自动控制全过程检测；4 ) 设置灵活、调整容易：可以在视野范围内设置多个不同 类型的虚拟检测区；可方便直观地在计算机上移动虚拟检测区的位置或改变其大小，以 满足不同的交通应用和道路覆盖范围等方面的要求：5 ) 不要破路，安装简便，维护方 便：安装时不需破坏路面，无须干扰正常交通，就可完成检测器的重新设置；无须因道 路路面维修而中断交通检测；6 ) 可扩展性强：交通流参数可以存贮在视频车辆检测系 统内部，以备后用；基于该系统，可以扩展出很多实用功能( 如违章检测、联网) 。 当前车辆自动识别系统是数字图像处理领域研究的热门，在基于图像的车辆自动识 别系统中，采用计算机视觉和图像处理技术可以获得车辆的三维数据，还有车辆的轴数、 轴距、轮距和车辆组成等参数。这是以前传统的车辆检测器所不能做到的。它还可以获 得车辆数量、车速、道路的空间占有率及车辆的前进程度等重要交通参数。但目前尚存 在一些问题有待解决，就是图像处理的实时性差，不能很好的处理一个图像中的重叠车 辆，还有一个识别率的问题，就是不能完全保证对于通过监视器的每辆车都可以正确识 别。相信随着计算机技术及图像处理技术的飞速发展，未来的车辆识别系统可以很好的 解决这些问题嘲。 4 其他类型的检测器 气象检测器：用于检测不同气象状况下的路表温度及浓雾、风向、风力、雨量、路 面积雪及冰冻状态等。 能见度检测器：主要用于在雾天的情况下检测能见度，用来推算允许车辆行驶的最 高速度，并及时显示在可变限速标志上，以避免在雾天发生交通事故”1 。 1 3 4 交通事件检测算法 一般来说，在一个实际的自动事件检测系统中，人们总是希望一个交通事件检测算 法能够做到，快速检测，尽量减少错误，通常衡量一个算法有三个性能评估指标： 1 ) 误报警率( f i r f a l s e i d e n t i f i c a t i o n r a t e ) ：在某段特定的时间内，由算法检测出的 某一事件信号，但该事件信号并不对应任何真实发生的事件，该事件称之为误报事件a 基于神经网络的交通事件检测系统研究 误报警率是指误报事件总数占测试总事件的百分比，即： 误报警率( f i r ) = ( 错误的报警次数检测的事件总数) 1 0 0 在保证检测率较高的情况下，误报警率较高一直是事件检测算法中存在的一个较大 的问题。检测率在8 0 以上时，算法的误报警率一般维持在3 0 左右。 2 ) 检测率( d 卜d e t 。c t i o nr a t e ) ：是指使用某种检测算法时，在一定时问内，正确 检测到的事件数与实际发生的事件数的比值，即： 检测率( d r ) = ( 正确检测到的事件总数实际发生的事件总数) 1 0 0 现有的事件探测算法在交通负荷较大时，检测率一般在8 0 至i o o 之问。 3 ) 平均检测时问f m t 卜m e a nt i m et od e t e c t i o n ) ：是指在一定时间之内，从事件 发生到被算法正确检测到的时间差的平均值，即： 三 彳7 d = 【7 7 ( f ) 一爿7 1 ( f ) n ( 1 1 ) _ 1 上式中n f t d 为平均检测时问，t i ( i ) 为被算法检测到的事件i 实际发生的时间，a t ( i ) 为被算法检测到事件i 报警时的时间，n 为算法检测到的事件总数。 一个理想的事件检测算法应检测出所有的事件，没有检测错误并且事件发生时就开 始报警，即d r - 1 0 0 ，f 口肛0 ，m t d = o 。但是实际情况是，这些评估的指标是相互依 赖的。通常提高检测率的性能，误警率也会随着升高。同样的，如果误警率下降，算法 的灵敏度也就降低并且检测率也下降。通常情况下，算法的检测时问越长，检测效果就 越好。但是增加检测时间，检测率和误警率都会下降。由于这种相互依赖性，大多数情 况下，当使用一种检测算法时，都会给出d r ，f 皿和m t d 的范围来描述算法的性能。 由于存在着这些关系，一个算法必须权衡f 瓜、d r 和m r d 这3 个方面来进行性能 评估，并且通常没有一个是必然的最佳选择，因而事件检测必须均衡检测率、误警率和 检测时间三者之间的关系。 上个眭上纪6 0 年代，美国就开始了对交通事件自动监测系统的研究，经过几十年的 发展，到目前为止，检测算法可以大致分为几类：模式识别法、统计法、突变理论以及 高级事件检测技术。 模式识别算法主要包括加州算法、多目标事件检测算法( a p ) 、模式识别算法 ( p a t r e g ) 等，下面对这些经典的算法作逐一介绍。 1 加利福尼亚( c a l i f o r n i a ) 算法 加州算法开发于上个世纪6 0 年代中期之7 0 年代之间，该算法比较相邻检测站之问 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。其检测 步骤简述如下：首先计算上下游检测器之间平均占有率( 0 c c ( i ，t ) ，即在时刻t 从检测点 i _ 1 ，2 n 检测到的平均占有率) 的绝对差，和闽值t l 比较，如果超过t 1 继续第二步； 接着计算上下游之间占有率量测之差与上游占有率之比，和闽值t 2 比较，如果超过t 2 同等学力硕士学位论文 则继续第三步。最后计算上下游之间占有率量测之差与f 游占有率之比，和阂值t 3 进 行比较，如果超过t 3 就预示着可能有事件发生，并重复第二步。如果再一次超过闽值， 就表明有事件发生。可以用三个公式来描述上述检测过程： 0 c c d f = d c c o ，f ) 一o c c ( j + 1 ，f ) 7 1 1 ( 1 2 ) o c c r d f =里堕坚! 二竺竺坠塑7 1 2 0 c c ( f ，f ) ( 1 3 ) d 0 巾：望竺坠! ! ! 二! ! 二丝! ! ! ! ：尘r3 ( 1 4 ) ( 儿c ( f + l ，f 一2 ) 上式中，o c c d f 为拥挤路段上下游占有率的差值，o c c r d f 为拥挤路段上下游占 有率的相对差值，d o c c ) 为拥挤开始时下游占有率的相对差值，t 1 、t 2 、t 3 分别为 相应