（控制理论与控制工程专业论文）基于贝叶斯算法的交通事件检测研究.pdf

广西大学学位论文原创性声明和学位论文使用授权说明 学位论文原创性声明 本人声明：所呈交的学位论文是在导师指导下完成的，研究工作所取得的成果和相 关知识产权属广西大学所有。除已注明部分外，论文中不包含其他人已经发表过的研究 成果，也不包含本人为获得其它学位而使用过的内容。对本文的研究工作提供过重要帮 助的个人和集体，均已在论文中明确说明并致谢。 、 论文作者签名：景7 应 2 0 1 0 年6 月1 0 日 学位论文使用授权说明 本人完全了解广西大学关于收集、保存、使用学位论文的规定，即： 本人保证不以其它单位为第一署名单位发表或使用本论文的研究内容； 按照学校要求提交学位论文的印刷本和电子版本； 学校有权保存学位论文的印刷本和电子版，并提供目录检索与阅览服务； 学校可以采用影印、缩印、数字化或其它复制手段保存论文； 在不以赢利为目的的前提下，学校可以公布论文的部分或全部内容。 请选择发布时间： 囤即时发布口解密后发布 ( 保密论文需注明，并在解密后遵守此规定) 论文作者签名：京f ，庶 导师签名：善馏休2 。1 。年6 月l 。日 基于贝叶斯算法的交通事件检测研究 摘要 我国的道路安全状况一直处于严峻的形势，除了道路的客观因素 外，缺乏高效的事件预防措施和有效的道路管制措施以及及时的事件 处理能力也是重要原因。 本文研究的道路交通事件间接自动检测技术是提高交通事件应 急处理能力的一个有效方法。本文首先研究了m a c r o 交通流宏观 动态模型，并结合我国高速公路的实际情况生成仿真数据。选取道路 上下游之间的密度差值和速度差值作为判断事件有无发生的依据，在 判断事件严重程度时再增加天气情况和时间情况2 个因素作为依据。 另外生成3 种测试数据以对检测模型进行测试。 针对贝叶斯算法所需的概率计算问题提出了利用k 均值聚类方 法对数据样本进行区间划分，用数据所在区间发生事件的概率作为在 该数据发生时有无事件发生的概率。 接着重点研究了朴素贝叶斯算法的工作原理和工作过程，依据 生成的数据样本建立基于朴素贝叶斯分类器的交通事件检测模型。最 后利用测试数据检验其检测效果。针对朴素贝叶斯算法的不足，研究 了树扩展的贝叶斯算法，并给出了计算方法，最后建立基于树扩展的 贝叶斯算法的事件检测模型，并利用测试数据对其进行检验。 最后在分析了道路交通状况的复杂性后提出将数据按照所处位 置建立数据样本，在进行事件检测时根据其位置调用相应的数据样本 以提高检测效果。 关键字：k - 均值算法朴素贝叶斯树扩展的贝n - t 斯交通事件检测 u b a y e s i a na l g o r i t h mf o r t r a f f i ci n c i d e n td e t e c t i o n a bs t r a c t c h i n a sr o a ds a f e t yc o n d i t i o nh a sb e e ni nac r i t i c a ls i t u a t i o n i n a d d i t i o nt oo b je c t i v er o a df a c t o r s ，l a c ko fe f f e c t i v ea c c i d e n tp r e v e n t i o n m e a s u r e sa n de f f e c t i v er o a dc o n t r o lm e a s u r e sa n dt i m e l ya c c i d e n t h a n d l i n gc a p a c i t ya r ea l s oi m p o r t a n tr e a s o n s i nt h i sp a p e r , t h ei n d i r e c ta n da u t o m a t i cd e t e c t i o no fr o a dt r a f f i c i n c i d e n ti sa ne f f e c t i v ew a yt oi m p r o v et h ea b i l i t 、ro fh a n d l i n ga c c i d e n t s t h i sp a p e rf i r s ts t u d ym a c r o d y n a m i cm o d e lo ft r a f j f i cf l o w m a c r o a n dg e n e r a t e dt h es i m u l a t i o n d a t ac o m b i n e dt h ea c t u a ls i t u a t i o no f c h i n a sh i g h w a yc o n d i t i o n s e l e c td e n s i t yd i f f e r e n c ea n ds p e e dd i f f e r e n c e b e t w e e nu p s t r e a ma n dd o w n s t r c a mo ft h er o a dt od e t e r m i n ew h e t h e rt h e i n c i d e n to c c u r r e d i n c r e a s ew e a t h e rc o n d i t i o n sa n dt i m ec o n d i t i o n st o d i a g n o s i so ft h es e v e r i t yo ft h ei n c i d e n t a l s og e n e r a t e dt h r e ek i n d st e s t d a t at ot e s tt h ed e t e c t i o nm o d e l k m e a n sc l u s t e r i n ga l g o r i t h mi su s e di n t h ei n t e r v a ld i v i s i o no ft h es a m p l e so ft r a 艏cd a t af o ri s s u e se n c o u n t e r e d i nc a l c u l a t i n gt h ep r o b a b i l i t yr e q u i r e di nb a y e s i a na l g o r i t h mm a k et h e p r o b a b i l i t yo fi n c i d e n to ft h ed a t a si n t e r v a la st h ep r o b a b i l i t yo fi n c i d e n t o f t h ed a t a t h e nm a i n l ys t u d yo nt h ep r i n c i p l ea n dw o r k i n gp r o c e s so fn a i v e b a y e s i a na l g o r i t h m e s t a b l i s hat r a 伍ci n c i d e n td e t e c t i o nm o d e lb a s e d o nn a i v eb a y e s i a nc l a s s i f i e ra c c o r d i n gt ot h eg e n e r a t e dd a t as a m p l e s f i n a l l y , t e s tt h ee f f e c t i v e n e s so fi t sd e t e c t i o nu s e dt h et e s td a t a f o rt h e l a c ko fn a i v eb a y e s i a na l g o r i t h ms t u d ym r e ea u gm e n t e dn a i v eb a y e s i a n a l g o r i t h ma n d g i v ei t sc a l c u l a t i o nm e t h o d f i n a l l yb u i l dt h ei n c i d e n t d e t e c t i o nm o d e lb a s e do nt r e ea u g m e n t e dn a f v eb a y e s i a na l g o r i t h ma n d t e s tt h ee f f e c t i v e n e s so fi t sd e t e c t i o nu s e dt h et e s td a t a f i n a l l y ，a f t e ra n a l y s i so ft h ec o m p l e x i t yo fr o a dt r a f f i cc o n d i t i o n p r o p o s ee s t a b l i s h i n gd a t as a m p l e sa c c o r d i n gt ot h ed a t al o c a t i o n 、凡m e n d e t e c t i n gt h ei n c i d e n tu s et h ec o r r e s p o n d i n gd a t as a m p l ea c c o r d i n gt ot h e d a t al o c a t i o nt oi m p r o v et h ed e t e c t i o ne f f e c t i v e n e s s k e yw o r d s ：k m e a n sa l g o r i t h m ；n a i v eb a y e s i a na l g o r i t h m ；t r e e a u g m e n t e d n a y v e b a y e s i a na l g o r i t h m ；t r a f f i ci n c i d e n td e t e c t i o n i i i 目录 摘要i i a b s t r a c t i i i 第一章绪论：l 1 1 研究的目的和意义i 1 2 检测算法的国内外研究现状2 1 3 贝叶斯分类方法的国内外研究现状4 1 4 论文研究的主要内容及结构安排4 第二章交通流模型6 2 1 交通流基本模型6 2 1 1 速度与密度关系模型7 2 1 2 密度与流量关系模型7 2 1 3 速度与流量关系模型8 2 2 仿真模型9 2 2 1 高速公路交通流模型9 2 2 2m a c r o 交通流仿真模型。9 2 3 仿真模型的参数设置。l l 2 4 仿真数据分析1 5 2 5 本章小结1 6 第三章交通事件概率值的计算1 7 3 1 数据挖掘的聚类方法17 3 2k - 均值算法原理1 7 3 2 1 算法描述l8 3 。2 2 算法的性能分析18 3 3 实验结果及分析。1 9 3 4 本章小结2l 第四章基于朴素贝叶斯算法的交通事件检测2 2 4 1 数据挖掘与贝叶斯算法。2 2 4 2 贝叶斯算法原理2 3 4 2 1 朴素贝叶斯算法2 5 4 2 2 贝叶斯分类器工作流程。2 6 4 3 基于贝叶斯算法的交通事件检测2 6 4 3 1 选取的事件枪测参数及计算方法2 6 4 3 2 基于朴素贝1 1f 斯分类方法的事件检测一2 8 4 4 测试数据的选取。3 0 4 5 算法的评价标准3l 4 6 朴素贝叶斯算法检测模型的试验结果及分析3 1 4 7 本章小结3 4 第五章基于树扩展的贝叶斯算法的交通事件检测3 5 5 1 树扩展的贝叶斯算法3 5 5 2 基于树扩展的贝叶斯分类方法的事件榆测3 5 5 3 树扩展的贝叶斯算法检测模型的试验结果及分析一3 8 5 4 本章小结4 0 i v 第六章基于数据分类的交通事件检测，o ooooooooooooooooooooooooooooooooooooooooooooo0 4 1 6 1 分类数据样本的理论依据一4 l 6 2 基于数据分类的交通事件检测的实验结果及分析4 3 6 3 本章小结4 5 总结与展望4 6 参考文献4 8 至定谢5l 在学期间发表的学术论文及研究成果5 2 v 广西大掌司叵士掌位论文 基于贝叶斯算法的交通：，件检测研究 1 1 研究的目的和意义 第一章绪论 道路交通伤害是一项重大的公共卫生问题，每年大概有1 2 0 多万人死于交通 事故，有2 0 0 0 万到5 0 0 0 万遭受非致命伤害【l 】。各年龄组都受到这一问题影响， 其中青壮年受到最显著影响。道路交通伤害是全球1 5 至2 9 岁青壮年主要的死亡 原因。最近几十年，许多高收入国家的道路交通死亡率趋于稳定或有所下降，与 此同时，有数据显示在世界许多地区，由于机动车辆迅速增加，加上预防措施不 力，道路交通死亡率持续增高。据估计，如不立即采取行动，到2 0 3 0 年，道路 交通死亡将成为第五大死亡原因，每年将造成大约2 4 0 万人死亡【2 】。联合国的一 份报告指出，交通事故不仅给个人和家庭造成无法弥补的伤害，也给各个国家和 地区经济带来严重损失。为此，各国政府无不把预防和减少交通事故作为重要的 执政目标。2 0 1 0 年3 月2 日联合国大会通过决议，宣布2 0 1 1 年至2 0 2 0 年为道 路安全行动十年。决议指出，该活动的目标是通过在国家、地区和全球各个层级 采取更多的措施，稳定并降低全球道路交通死亡率【3 1 。交通安全已经成为全球当 代主题。 我国道路交通安全形势严峻。尤其近十几年来随着我国经济的高速发展，城 市化速度加快，道路交通事业也随着飞速发展，机动车辆日益普及，人们在享受 机动车所带来的巨大便利的同时，也面临着交通拥挤的困惑，同时也造成了交通 事故猛增。到本世纪末，我国汽车保有量约占全世界的2 ，但道路交通事故 死亡人数却占世界的1 5 ，多年高居世界第_ _ 1 4 1 。我国的道路交通事故造成的 损失远大于世界发达国家，2 0 0 7 年，全国共发生道路交通事故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；2 0 0 8 年，全国共发生 道路交通事故2 6 5 2 0 4 起，造成7 3 4 8 4 人死亡、3 0 4 9 1 9 人受伤，直接财产损失1 0 1 亿元；2 0 0 9 年，全国共发生道路交通事故2 3 8 3 5 1 起，造成6 7 7 5 9 人死亡、2 7 5 1 2 5 人受伤，直接财产损失9 1 亿元【5 】。虽然总体上有下降的趋势但是道路交通事故 致死率仍然远大于发达国家。因此预防交通事故，降低交通事故死亡率，已经成 为全社会一项十分紧迫的任务【6 j 。 智能交通系统( i t s ) 研究的根本目的是希望通过对交通进行实时引导和控 制，从而对交通流进行正确、及时地分配与调整，以保证整个交通网络的畅通、 安全、高效，进而解决一系列相关的交通问题。其中对交通流进行及时、准确的 亘查兰塑生兰丝丝茎苎至墨! 翌蔓主量箜墨望! 堡竺塑堡墨 判断和预测，是交通流分配和控制的关键性问题i7 。 高速公路的事件检测研究是高速公路交通控制研究的一个主要领域。交通事 件检测是交通事件管理过程的第一步，也是其核心和关键。任何事件管理系统的 快速反应能力都在很大程度上依赖于高效、可靠的事件检测技术。尽早的事件检 测对于制定恰当的响应策略，控制和引导其它车辆避开事发地点，从而使事件总 的影响程度降到最低都非常重要。事件检测不但对于事件管理本身意义重大，而 且对于智能交通的其它子系统也有重要作用瞄1 。 1 2 检测算法的国内外研究现状 道路交通事件定义为经常发生的非重复性事件，它在短时间内会引起道路有 效通行能力的下降或交通需求的增加【9 】。交通事件检测系统自2 0 世纪6 0 年代发 展起来以后，形成了各种各样的检测方法和技术，从单个司机的电话系统到电子 监视系统，每种方法都有其优缺点。据统计，目前应用于各个控制领域的预测模 型和方法已将近3 0 0 余种，其中一些预测方法在中、长期交通流预测的应用中取 得了较好的预测效果。但短时交通流呈现出高度的非线性、时变性和不确定性， 使得各种单一预测方法的预测精度难以提高。从性质上看人工检测是不规则的， 而且要求在当时当地有目击者才行。交通事件自动检测技术的主要优点是能克服 人工检测的不足，可以全天候、全程地发挥作用，因而受到各国交通工程专家的 重视，成为当今检测系统中使用的最主要的方法。自动检测技术概括起来主要有 以下几种p j ： ( 1 ) 模式识别算法 这类算法是根据事件产生前后交通变化的差值是否超过某一给定的阈值来 判断事件，进而激发事件报警。这类算法主要包括加利福尼亚( c a l i f o m i a ) 算法和 莫尼卡( m o n i c a ) 算法【7 ，引。加利福尼亚算法开发于1 9 6 5 - - - 1 9 7 0 年之间，由美国加 利福尼亚运输部开发该算法是舣截面算法，它的理论依据是事件发生时上游截 面占有率将增加，下游截面占有率将减少。其主要缺点是它只使用了与占有率相 关的变量作为输入，并未考虑流量、速度相关的数据。其优点主要是误报率比较 低，它和m c m a s t e r 算法通常作为评价其他算法的标准。 ( 2 ) 基于统计理论的事件检测算法 该算法主要包括变点统计算法和指数平滑算法。 变点统计算法 该方法是近年来迅速发展起来的研究现实世界中突变现象的非线性统计学 方法。2 0 0 2 年，王晓原教授【lo j 利用变点统计理论建立了检测交通异常的均值变 2 堕查苎塑查竺垒望壅 基于贝叶斯算法的交通事件检测研究 点模型，并提出了基于最小二乘法的相应的交通流变点统计算法。该算法基于当 交通流状态发生突变时，将以某一时间( 或空间) 位置为界面，在此界面两侧，交 通流参数发生质的变化。该算法应用中显示了较好的敏感性、准确性和良好的全 局收敛性。但是在用该算法进行检验时，要用到大量数据。 指数平滑算法 指数平滑算法是指通过对交通参数进行指数平滑来检测交通事件的算法。一 般采用双指数平滑的方法对交通参数进行预测。双指数平滑算法在1 9 7 4 年由 c o o k 开发【7 8 】，与统计方法和标准差算法类似，但是预测方法更为复杂。其原理 是在无事件发生时，跟踪信号值稳定在零值附近；在事件发生时，预测参数值和 实际参数值显著不同，跟踪信号显著的偏离零值。 ( 3 ) 基于动态交通模型的算法 这类算法使用复杂的交通流理论描述和预测有事件发生和无事件发生的交 通行为，将实测的交通流参数与预测的交通流参数进行比较。这类算法主要有麦 克马斯特( m c m a s t e r ) 算法和低流量算法【_ 7 8 】。麦克马斯特算法是由加拿大的 m c m a s t e r 大学土木工程系基于突变理论开发的。该算法基于以下前提当交通从 拥挤状态向非拥挤状态变化时，流量和密度变化平稳，而速度表现为突然的变化。 麦克马斯特算法使用流量和占有率，对每个检测站的交通状态的进行划分。每一 类状态值都是通过历史数据得到的。算法交通状态的变化，判断事件的发生。其 缺点是其所需的临界曲线难以标定，算法的可靠性受到一定影响。 ( 4 ) 基于人工智能的检测算法 1 9 6 5 年美国加利福尼亚大学教授l a z a d e h 首次提出模糊集合概念。2 0 0 0 年 h o j j a t a d e l i 和a s i m k a r i m t l l 1 2 】利用模糊逻辑、径向基函数网络实现了事件自动检 测。该算法的优点便是检测时间短，如果隶属函数恰当，检测率和误报率都比较 理想最早将神经网络理论用于交通事件检测的是c h e w 等i l3 】人，他们设计了人工 神经网络结构模型。1 9 9 0 年，s p e c h t ( 1 4 】基于贝叶斯分类器提出了概率神经网络， 2 0 0 3 年浙江大学的吕琪【l5 】丌发了动态神经网络算法，弥补了以往神经网络算法 动态性能差，实时性能差的缺点。2 0 0 6 年兰州理工大学的李驰新【l6 】将神经网络 应用交通事件检测中。2 0 0 8 年国内的董敏娥【1 7 】研究了动态概率神经网络算法并 将其应用到交通事件检测中。 ( 5 ) 基于小波分析理论的算法 李文江p 8 于1 9 9 7 年提出了一种基于小波分析的交通事件检测算法。高昕， 贺国光【l9 j 等1 9 9 9 年给出了m a l l a t ：l ：苔式算法的公式，采用小波变换的方法进行交通 事件检测并给出了利用小波变换进行交通事件检测方法的程序流程图，利用实际 数据进了分析，结果表明小波分析用于交通流数据分析有其突出的优点。国内学 3 广西大掌硕士掌位论文基于贝叶斯算法的交通事饲q 皇测研究 者刘伟铭2 0 1 提出了基于小波包分析的交通事件检测算法，给出了利用小波变换 进行交通事件检测方法的步骤，弥补了小波变换的不足。其思想是将交通流的突 变信息，经小波变换提取出来，根据判断逻辑得出是否有交通事件发生的结论。 1 3 贝叶斯分类方法的国内外研究现状 贝叶斯分类方法是数据挖掘众多数据分析方法中的一种分类预测方法。可用 于提取描述重要数据类的模型或预测未来的数据趋势。其理论依据是贝叶斯方 法，贝叶斯算法起源于英国学者贝叶斯的一篇关于几率性问题求解的讨论论 文。著名数学家拉普拉斯利用贝叶斯的方法导出了重要的相继律，从而引起人们 对贝叶斯的方法和理论的重视。进入2 0 世纪，意大利的菲纳特、英国的杰弗莱、 古特、萨凡奇、林德莱对贝叶斯学派的形成做出了重要贡献。2 0 世纪5 0 年代罗 宾斯将经典统计学派的方法和贝叶斯学派的方法进行了融合，提出了经验贝叶斯 方法。2 0 世纪8 0 年代贝叶斯网格被用于专家系统的知识表示，9 0 年代可学习的 贝叶斯网络被用于数据挖掘和机器学习，至此关于贝叶斯方法的文章大量涌现。 并且出现了专门研究贝叶斯理论的组织和学术刊物i s b a ( i n t e r n a t i o n a ls o c i e t y f o rb a y e s i a na n a l y s i s ) 2 1 】。 国内对于贝叶斯的研究起步较晚，但是最近几年在数据挖掘领域和故障分析 领域大量学者对贝叶斯算法进行了深入研究。李彬 2 2 1 在研究交通异常事件检测 中采用了动态贝叶斯算法，欧海涛【2 3 j 等将贝叶斯学习方法应用到递归建模的信 息更新中，北方交通大学的林震和杨涔2 4 】研究了基于车速的贝叶斯预测方法以 检测和预测交通事故的发生，中国科技大学的陈福忠和史杏荣【2 5 】在做信息安全 入侵检测算法的研究中，总结了前人的成果，提出了一种改进贝叶斯算法的新模 型，程泽凯【2 6 】等研究了基于m a t l a b 的贝叶斯分类器实验平台，合肥工业大学 的李艳【2 7 j 将改进的k 均值算法的朴素贝叶斯模型应用于高职院校的教学评价 中，苏州大学的魏晓宁【2 8 1 将朴素贝叶斯算法应用于垃圾邮件的过滤，姬杨蓓蓓【2 9 1 等将贝叶斯方法和决策树方法结合起来用于预测交通事件的持续时间。 1 4 论文研究的主要内容及结构安排 本文研究了高速公路交通事件检测算法的研究现状，分析了当前主要的交通 事件检测算法的优缺点。然后利用数据挖掘的强大功能，将其中k - 均值算法和贝 叶斯算法应用在道路交通事件检测中，建立了交通事件检测模型，从而达到快速、 准确地判断事件有无发生以及发生的严重程度。同时针对朴素贝叶斯分类算法的 不足，研究了其改进算法即树扩展的贝叶斯算法，并给出了其在事件检测时的计 4 广西大掌硕士掌位论文基于贝叶斯算法的交通事饲q 垒测研究 算方法，并通过测试证明了树扩展的贝叶斯算法比朴素贝叶斯具有更好的检测效 果。最后针对直行路和交叉路之间的交通参数干扰问题提出了将交通数据分为三 类分别是：入口处数据、出口处数据和直行路段数据。然后分别建立数据样本。 在进行事件检测时根据数据发生的位置使用相对应的数据样本从而解决不同位 置数据之间的影响，以期提高的检测模型的检测率、降低检测模型的误报率。最 后利用朴素贝叶斯分类方法进行测试，发现该方法达到了期望效果。 文章的主要结构安排如下： 第一章：绪论。说明本论文研究的目的和意义，介绍交通事件检测的国内外 研究现状和贝叶斯算法的国内外研究现状。介绍本论文的主要工作及论文结构安 排。 第二章：介绍高速公路交通流基本模型。重点介绍了本论文所用的m a c r o 交通流仿真模型及其所用参数设置以及仿真结果。 第三章：针对本论文所用的贝叶斯算法中具体数据概率的计算问题本章将数 据挖掘的数据聚类算法即k - 均值算法应用在数据的区间划分上，以数据所属区间 发生的概率来计算数据发生的概率。并给出了仿真结果及分析。 第四章：介绍朴素贝叶斯算法的原理。论述了本论文选取的交通流参数及其 应用。详细介绍了基于朴素贝叶斯分类方法的事件检测的过程。最后通过仿真实 验进行检验。 第五章：针对朴素贝叶斯算法的不足研究其改进算法树扩展的贝叶斯算法。 并给出了其本论文事件检测时的计算方法，最后通过仿真实验进行检验。 第六章：针对直行路段与交叉口路段之间数据会发生干扰的情况提出了将数 据样本及具体的检测数据分成三类以消除数据之间的干扰并给出了仿真结果及 分析。 最后是总结与展望。总结本文所做的主要工作，得到的结论以及存在的不足。 针对交通事件检测研究的现状，对下一步的研究提出设想。 5 广西大掌硕士掌位论文基于贝叶斯算法的交通，r 1 牛检测研究 第二章交通流模型 交通流是指车辆在道路上连续行驶形成的车流。广义上的交通流还包括人 流。交通流理论在2 0 世纪3 0 年代才开始得到发展，最早采用的是概率论方法。 到了5 0 年代出现了新的模型和理论，如跟驰理论、交通波理论和车辆排队理论。 1 9 7 5 年d a n i e 和m a r t h o w 汇集了各方面的研究成果，较全面、系统地总结了交 通流理论的内容和发展。交通流理论是运用物理学和数学的方法来描述交通特性 的一门边缘科学，它用分析的方法阐述交通现象及其机理，使人们能更好地理解 交通现象及其本质，并使城市道路与公路的规划设计和营运管理发挥最大的功 效。交通流模型是描述交通状态变量随时间和空间变化的分布规律以及与交通控 制变量之间关系的方程式或映射【3 0 】。交通流模型是进行交通控制系统设计、分 析、仿真、运行的工具。根据描述对象的不同，交通流模型可分为微观模型和宏 观模型。微观模型描述单个车辆的运动规律；宏观模型描述车流的运动规律，即 反映整个交通状况的变化过程。宏观模型通常采用适当的交通流状态变量来表达 在特定位置、特定时刻的车辆群的平均行为 3 0 , 3 1 , 3 2 l ，因此宏观模型主要使用交通 流量、交通密度和空间平均车速等变量来描述。交通控制系统主要采用的是宏观 模型。 2 1 交通流基本模型m 3 4 】 定量描述交通流常用3 个参数：交通流量、车辆密度、车辆速度。 定义： ( 1 ) 在x 点处，r 时刻，单位时间内通过的车辆数称为交通流量，用g b ，f ) 表 示，单位为辆d , 时( v e h h ) 。 ( 2 ) 在x 点处，f 时刻，每车道单位长度道路上拥有的车辆数称为交通密度， 用| ( x ，r ) 表示，单位为辆千米( v e h 砌) 。 ( 3 ) 在，时刻，x 点附近车辆的速度平均值称为车辆空间平均速度，用“x ，r ) 表示，单位为千米d , 时( 锄j l i ) 。 根据上述定义及实际测量结果，人们发现当车辆均匀、车种单一，3 个变量 之间符合以下关系： g g ，f ) = 七g ，f ) 如，) ( 2 1 ) 常用的描述交通状况的基本模型有：速度与密度关系模型、流量与速度模型、 流量与密度模型。 6 g - 西大掌硕士掌位论文基于贝叶斯：算法的交通事件检测研究 2 1 1 速度与密度关系模型 当道路上车辆增多、密度增大时，驾驶员被迫降低车速；而当车流密度变小 时，驾驶员又可选择较大的车速行驶。经过长时间研究，人们发现速度随着密度 的增加呈现单调下降的趋势。这是因为驾驶员处于安全的考虑，总是根据车辆间 距的大小来调整自己的车速。经过研究g r e e n s g i e l d s 于1 9 3 3 年提出了1 ，一后线性 关系模型： v = v ，1 - 爿 协2 ， 其中v ，表示道路上车辆的自由行驶速度，也就是最大车速。七，表示道路车 辆的完全堵塞密度。这两参数由道路客观条件决定。如图2 1 所示，当尼= 0 时， 1 ，= 1 ，这时车辆间距可认为是无穷大，即在交通量很小的情况下，车速为自由 车速，车辆可以畅通行驶；当密度增加到极限值，即车流被完全堵塞时，后= 七， 1 ，= 0 ，即在交通密度很大，接近道路堵塞密度时，车辆速度趋近于o 。图中k ， 后。分别表示道路最佳车速和最佳交通密度。c 点表示当道路上车辆速度为最佳车 速且交通密度为最佳密度时道路交通量最大。由于g = k 1 ，所以有式g 埘= k 成立，即图中方框围成部分的面积。 v v f 0 k f k 图2 1 速度密度关系模型 f i g 2 1v e l o c i t y - d e n s i t yr e l a t i o nm o d e l 2 1 2 密度与流量关系模型 根据，一尼特性及式2 1 可以得到q - k 关系模型： g = 尼吁( - 一寺 c 2 3 ， g 一七曲线如图2 - 2 所示。c 点表示道路通行能力或者是最大流量g 。从图中可 7 广西大掌硕士掌位论文j k 于贝叶斯算法的交通事件检测研究 以看出，一定存在一个临界密度k 与流量最大值相对应。在区间【0 ，k 】内， 当后增大时，1 ，有所下降，结果g 增大，这是正常运行状态，在区间【k ，q 】内， 当七增大时，1 ，显著下降，结果q 减小，最终出现交通堵塞。从图中可以看出以c 点位分界点，位于c 点左侧的区域车辆密度值小于临界密度值，交通处于不拥挤 状态；位于c 点右侧的区域车辆密度值大于临界密度值，交通处于拥挤状态。 g g 穗 0 图2 - 2 流量密度关系模型 f i g 2 - 2f l o w d e n s i t yr e l a t i o nm o d e l 2 1 3 速度与流量关系模型 根据式2 2 和式2 3 ，可以得出： 畔乃l 卜毒j q - 4 ) 其关系模型如图2 3 所示。从图中可以看出，通常速度随流量的增加而降低，直 至达到最大流量。表示临界速度，k 表示i 临界密度。对于1 ， k ， g ，七 k ，q q m 三个条件，交通状况任意满足其中两个条件时，交通处 于非拥挤状态。 8 广 g 捌 图2 - 3 流量速度关系模型 f i g 2 - 3f l o w - v e l o c i t yr e l a t i o nm o d e l 2 2 仿真模型 交通流模型是进行交通最优控制，交通状况仿真，事件检测等的基础。人们 要想对整个交通网络进行更好地引导和控制交通流，就需要有更科学的工具来研 究交通流的具体形态及其运行规律。而交通流模型就是最有效的工具。根据道路 的实际状况，依据相应的交通流理论，建立有效的交通流模型，再进行系统性的 仿真研究，是当前交通流模型研究的主要方法。 2 2 1 高速公路交通流模型 本文研究的假设道路条件主要我国高等级高速公路。针对高速公路的特性人 们将其交通流模型主要分为：随机性和确定性模型、宏观和微观模型、动态和稳 态模型。三类模型又可以任意组合。比如微观动态交通流模型主要是微观跟车模 型，它描述的是单个车辆的运行规律。而宏观交通流模型主要是一些数学模型， 研究的道路上整个车流的运动规律，它以数学语言描述了速度、密度和流量三者 之间关系。而宏观交通流模型又分为稳态和动态两种。稳态模型只描述交通流的 空间分布，没有时间上的变化，该类模型只考虑交通流在正常情况下的运行状况， 不涉及个别偶发事件的发生。而宏观动态模型既描述交通流随道路空间的分布情 况，又反映交通流随时间的变化规律，因而它能够比较精确地描述交通流的真实 行为3 们。 2 2 2m a c r o 交通流仿真模型【2 9 1 m a c r o 模型是由m a r k o sp a p a g e o r g i o u 于1 9 8 9 年提出的，是目前国际学术 9 基于贝叶斯算法的交通事甲测研究 界公认度最高的高速公路交通流宏观动态模型。该模型根据实际道路情况将一条 高速公路划分为n 段，每段至多包含一个入口和一个出口，如图2 _ 4 所示。第f 路段的交通状况如图2 5 所示。在建立该模型前对高速公路交通流做如下假设： ( 1 ) 在道路参数检测器采样周期内各路段上每个车辆的平均速度相等。 ( 2 ) 各区段上的交通流均匀分布，各出入口处进入和驶出的车辆随机分布。 第l 段 第j 段第段 i v l , k l , l l , z a v i ，七j ，z l ，三。 ，b ，。岛i 五 黾 ，j 岛啊 q i - l ( n ) 图2 - 4 高速公路路段交通流描述 f i g 2 - 4h i g h w a y t r a f f i cf l o wd e s c r i p t i o n q i ( n ) 图2 - 5 单个路段参数描述 f i g 2 5t h ep a r a m e t e r so fi n d i v i d u a ls e c t i o n sd e s c r i p t i o n 图2 - 5 中q i g ) 表示从时间刀开始第f 路段驶出的车辆数，吼一。如) 表示时间f 时 第i 路段驶入的车辆数，厶表示第f 路段的长度，表示第f 路段的车道数，v 表 示在珂时刻第f 路段内的车辆平均速度，缸表示在疗时刻第f 路段内的交通密度， 表示第f 路段入口匝道的驶入流量，j ，表示第f 路段出口匝道的驶出流量。 基于以上描述得出的m a c r o 模型主要包括动态密度模型、动态流量模型 和动态速度模型。 毛g + 1 ) = k i ( n ) + r - - - t q ，g ) 一q ，g ) + 巧g ) - - $ i g ) 】 动态密度模型( 2 - 5 ) 厶f 吼0 ) = 口- t 0 弘，o ) + ( 1 一a 取g 弘m g ) 一。0 ) 】一s ，g ) 动态流量模型( 2 - 6 ) 咖1 ) _ 删+ 孤阱删+ 罢u m * ) 】一鲁锩黜 动态速度模型( 2 7 ) 1 0 广西大掌硕士学位论文 基于贝叶斯算法的交通事件检测研究 一v ， 1 _ ( 铆 h 特剐 式2 5 2 7 中，k ；( 刀) 为路段f 在刀时刻的密度，q ，b ) 为时段刀刀+ l 内第f 路 段驶出的车辆数，q ( 刀) 为时间段丹刀+ 1 内第j 路段驶入的车辆数，厶为第f 路 段的长度，吒( ，z ) 为第f 路段在拧时刻的入口匝道流量，s ，( 刀) 为第f 路段在捍时刻 的出口匝道流量，1 ，( ，z ) 为第f 路段在刀时刻的车辆平均速度，口，a 为加权系数， 考，允为修正系数，z 为采样周期，f 为车辆变化滞后时间。式2 8 中1 ，( 砖( 刀) ) 称为 均衡速度，k 一1 ，特性是路段交通流的基本特性，它决定了e b + 1 ) 按照该特性 向与u ( 玎) 相适应的方向变化。y ，为自由行驶速度，k ，为交通阻塞时的最低密度， ，m 为常值参数，需要根据交通实测数据得到。 2 3 仿真模型的参数设置 本文研究的对象是高速公路的交通状况，这就需要使用交通数据作为依据。 但是在实际中获取高速公路的实测数据较为困难，而仿真数据具有能够重复模拟 道路交通状况的优点，而且以往学者的研究也表明了使用仿真数据进行试验也能 够获取较好的效果。因而本文采用仿真数据进行研究和测试。使用的仿真模型就 是m a c r o 模型。 考虑到要尽可能的接近我国高速公路的实际交通情况，在分析了m a c r o 模型的基础上，以广深、广佛高速公路为参照道路条件设计模拟交通路段。基于 模型的先前假设即路段内采样周期内车辆平均速度相等，因此可以不考虑具体车 道数量问题。如图2 - 6 所示，假设某段道路上共有2 个出口和2 个入口( 只研究 道路单面情况) ，全长6 千米，分1 2 个路段，每个路段5 0 0 米。在每个路段上设 置环型线同交通检测器，相邻检测器的实际间距约为5 0 0 m ( 根据参考文献【3 5 】， 对于我国大部分高速公路这个距离检测效果最佳) 。因此1 2 段路共设置l2 个采 样点也就有1 2 个检测器，如图2 - 6 中数字所示。检测器提供的检测参数为平均 车辆速度和交通密度。 01 23哇567 8 9 1 01 1 nr 厂 厂 入口l 。 出口1 入口2 出口2 图2 6 交通仿真路段图 f i g 2 - 6r o a dt r a f f i cs i m u l a t i o nm a p 1 1 广西大掌硕士掌位论文基于贝叶斯算法的交通事件检测研究 在进行参数设置前尽可能的参考总结了相关资料。高速公路设计( 人民交 通出版社2 0 0 6 年版) 里列出了在理想情况下我国高速公路设计速度与基本通行 能力的关系( 如表2 1 所示) 以及服务水平、交通密度、车速之间的关系( 如表 2 2 所示) 。广佛高速公路大修工程建设管理与技术( 人民交通出版社2 0 0 5 年 版) 里列出了广东省高速公路通行能力推荐值，如表2 3 所示。注意这里的设计 车速与自由车速有区别，实际自由车速略小于设计车速；基本通行能力与实际通 行能力也有区别，实际通行能力略小于基本通行能力。这里的通行能力单位是辆 小时车道( p c u h i n ) ，这里的“辆 是将各种车辆换算成等效的标准小汽车当 量后的单位。 表2 - 1 我国高速公路基本通行能力 t a b l e2 - 1t h eb a s i cc a p a c i t yo f t h eh i g h w a y 设计速度( 砌j 1 1 ) 1 2 01 0 08 0 基本通行能力( p c u h l n ) 2 2 0 02 1 0 02 0 0 0 表2 - 2 高速公路服务等级划分 t a b l e2 - 2c l a s s i f i c a t i o no fh i g h w a ys e r v i c e s 服务 密度 设计速度( 1 0 n h ) 等级 ( p c u k i n ) 1 2 01 0 08 0 7 1 0 99 2 7 4 1 89 07 96 6 2 57 87 l6 0 表2 3 理想条件下的通行能力值 t a b l e2 - 3c a p a c i t yv a lu eu n d e