导读:本文包含了高速公路事件检测论文开题报告文献综述及选题提纲参考文献，主要关键词:智慧高速公路,全向跟踪,雷达,事件检测
高速公路事件检测论文文献综述
彭启章[1]（2019）在《全向跟踪雷达在智慧高速公路事件检测中的应用》一文中研究指出针对传统视频事件分析技术存在的问题,本文介绍了全向跟踪雷达传感器的系统功能及构成,阐述了交通事件检测异常事件算法,全向跟踪雷达设备在智慧高速公路事件检测中的应用可大大提高事故发现概率,缩短事故发现时间,提高事故救援效率。(本文来源于《中国交通信息化》期刊2019年10期）
李旭,张秀杰[2]（2019）在《基于视频分析的高速公路异常事件检测》一文中研究指出随着机动车数量的增加,道路上的拥挤问题日益严重,尤其是高速公路,车辆行驶速度快、车辆违停、逆行等更易造成严重的交通事故,为了能及时发现异常行驶车辆,预防交通事故,本文研究基于视频分析的高速公路异常事件检测,利用目标检测SSD算法进行运动目标的检测,再结合卡尔曼滤波算法跟踪车辆,得到检测车辆的运动路径,通过车辆的行驶速度及运动路径建立判别模型,从而有效地检测逆行、违停等车辆。(本文来源于《公路交通科技(应用技术版)》期刊2019年07期）
郜义浩,高志权,张明月,杨勇,刘星宇[3]（2019）在《基于YOLOV3和KCF的高速公路监控视频交通事件检测》一文中研究指出本文基于高速公路监控视频对道路事件进行检测,实现了高速公路环境下的人、车的识别,并检测了行人、停车以及逆行这叁类事件。本文总体上包含叁个模块:目标检测、目标跟踪、道路事件检测。对主流的目标检测和目标跟踪模型算法进行了对比分析,选择了适用于高速行业的算法,同时,本文提出行人事件、停车事件、逆行事件检测算法,为管理部门及时有效把握道路异常运行状态提供有力依据。(本文来源于《中国交通信息化》期刊2019年S1期）
王娴[4]（2019）在《基于机器学习算法的高速公路交通事件检测研究》一文中研究指出近年来,国家大力发展交通运输,高速公路产业发展迅猛,截至2018年底,我国的高速公路通车里程突破14万公里,里程规模位居世界第一。同时,随着交通网络的不断扩大和车辆的大规模增加,交通事故频繁发生,交通拥堵严重,损害了正常的交通秩序。及时准确的交通事件检测,能够有效缓解交通事件造成的交通拥堵,预防二次事故的发生,增加高速公路通行的安全性。交通事件自动检测(Automatic Incident Detection,AID)属于经典的二分类问题,可以将事件状态分为两种:正常运行和交通事件。现实场景中,交通事件数据一般远少于正常运行状态数据,因此,交通事件检测问题实质是不平衡分类问题。本文以基本的机器学习算法作为分类器,并结合不平衡数据集的处理算法,提出了几种交通事件检测模型。首先,将贝叶斯网络、逻辑回归、SVM、决策树、神经网络、AdaBoost、梯度提升树、随机森林分别作为分类器,并采用网格搜索方法进行参数优化,比较不同分类器的性能,筛选出综合性能更优的随机森林作为交通事件检测算法的分类器。其次,为了解决交通数据集的不平衡问题,提出基于合成少数过采样技术(Synthetic Minority Over-sampling Technique,SMOTE)的随机森林算法模型,使用少量样本来控制人工样本的生成和分布,以达到数据集均衡的目的,再通过随机森林分类器,实验获得相应的性能参数值,并与仅使用基本机器学习算法的模型进行对比分析。最后,考虑到SMOTE方法生成的样本存在重复项,从而容易导致模型过拟合的问题,于是引入数据清洗技术Tomek links和ENN(Edited Nearest Neighbor),可以清除重复样本。先使用SMOTE方法得到平衡数据集,再利用Tomek links或者ENN方法剔除平衡数据集中的噪声点,随后通过随机森林分类器,并与前面几种模型的检测性能进行对比分析。得出最终结论,基于SMOTE和Tomek links结合的随机森林算法事件检测模型的性能最优。本文的实验数据来源于京沪高速公路无锡检测点的真实数据库,实验算法以PyCharm软件为编程平台实验。实验结果表明,本文提出的基于SMOTE和Tomek links方法的随机森林交通事件检测模型能改善不平衡数据集的交通事件检测效果,提升事件检测效率,获得更佳的综合性能。(本文来源于《南京大学》期刊2019-05-21）
邹海峰[5]（2019）在《基于AI算法的视频事件检测系统性能分析及其在高速公路监控系统中的应用》一文中研究指出高速公路机电系统拥有庞大的网络资源和大量的实时视频图像,但由于现有视频车辆检测系统,核心算法落后,误报率高,无法为交通组织、应急处置的决策分析提供详实的基础数据。基于AI算法的视频事件检测器采用深度学习算法,将非结构化的视频图像转化为结构化的数据资源,为高速公路运营工作提供有力支撑。(本文来源于《信息记录材料》期刊2019年04期）
姜卉,姜桂艳[6]（2019）在《基于FA-SVM的高速公路交通事件检测方法》一文中研究指出为了剔除交通数据样本有限、事件特征变量构建相对主观且包含的信息冗余等因素对交通事件检测效果的影响,设计了一种高速公路交通事件检测方法.利用因子分析技术将交通流数据初始特征变量"降维"并提取包含全部原始数据信息的特征变量主因子;利用支持向量机完成事件检测,结合libsvm软件中的grid. py模块实现支持向量机子模型相关参数的设定;选用Fresim软件的模拟数据进行对比分析.检测结果表明,所提出的算法检测效果优势明显.(本文来源于《北华大学学报(自然科学版)》期刊2019年01期）
王俊健,王莹,王以好[7]（2018）在《云台场景下高速公路异常事件自动检测系统》一文中研究指出高速公路外场普遍安装有PTZ云台摄像机,由于云台摄像机转动后不会回到预置点角度,使视频镜像内背景变换无规律,常规的车辆检测系统无法有效工作。本文提出了一种高速公路异常事件检测技术,以解决云台场景下检测难题。先采用背景差分法提取运动场景并采用深度卷积网络识别车辆目标,然后使用Camshift算法提取车辆特征并实现轨迹跟踪,之后生成车辆运动轨迹矢量场,最后通过比对异常车辆轨迹矢量与正常车辆轨迹矢量发现异常事件,并基于SVM算法提高事件类型判定的精准度。路测实验结果表明,本文提出的技术能够有效及时检测出停车、逆行、行人、抛洒物等交通异常事件,具有较高的实时性和准确性。(本文来源于《中国交通信息化》期刊2018年10期）
李文钊[8]（2018）在《基于多传感器数据融合的高速公路事件检测方法研究》一文中研究指出高速公路事件检测是智慧交通系统研究中的重要方向之一,也是交通信息处理领域的主要研究内容。我国的高速公路事件检测研究,从1990年开始就已经和国际接轨,而事件检测结果准确性问题一直是道路交通领域专家研究的重点。目前,由于数据融合在交通领域尚未取得满意的结果,因此,建立基于视频及二值传感器数据融合的高速公路事件检测方法,可以有效地解决单一数据源准确性较差的难题。本文通过对重庆市科委项目“基于互联网+险危环境信息服务的乌鲁木齐绕城高速智慧交通关键技术研究”进行探索,以环境信息采集理论与技术为基础,提出一种可以获取准确交通状态参数的基于二值检测器的传感器设计方法,同时,考虑到特殊气象条件的影响,设计阈值修正算法对传统事件检测算法进行改进,最后,利用VISSIM仿真工具对融合方法、单项算法的检测结果作比较。论文的主要研究工作如下:(1)首先针对交通事件检测算法和多传感器数据融合方法进行了两方面的文献调研。掌握了各类交通检测技术的优缺点,并针对高速公路事件检测难度大、成本高等诸多因素,提出了基于二值检测器的交通状态参数获取方法,并通过实验仿真证明,在一定的精度范围内,虚拟串口仿真数值与理论值基本相同。(2)其次,设计阈值修正算法对传统事件检测算法进行了改进。通过对传统算法理论的探讨,发现在特殊气象条件下,传统事件检测算法存在的问题。引入了雨雾检测概念,将雨雾信息介入事件决策。考虑成本和布设难度因素,提出了在检测路段雨雾检测器的稀疏布设方案及其信息处理方法,从而给出不同流量状态对应的低流量算法和标准偏差算法的阈值修正算法。对算法进行数据验证,结果表明,阈值修正结果是与实验仿真结果基本一致,适当的阈值修正可减小恶劣天气条件对检测结果的影响,检测算法的准确率也会有所提高。(3)最后,将表决融合方法引入事件检测领域,提出了基于多传感器数据融合的高速公路事件检测方法,方法有效的完成了基于视频检测器的自动识别算法模块与基于二值检测器的改进低流量算法或标准偏差算法模块在决策层的融合。通过VISSIM交通建模仿真软件对高速公路进行事件仿真,结果表明,表决融合方法在事件检测性能上优于单项算法,不仅能充分发挥单项算法的优势,而且提高了事件的检测率。(本文来源于《重庆交通大学》期刊2018-05-02）
张雯靓[9]（2018）在《基于多源信息的高速公路交通事件检测方法研究》一文中研究指出随着高速公路总里程的不断增加,路网结构越来越复杂,道路交通流量急剧增加,随之产生的道路拥挤、交通安全等问题日益突出。传统的高速公路交通事件检测方法往往基于单一形式的交通信息,且具有过多的假设条件及特定的模型结构,不能满足分析各类检测器数据的需求。因此,需要探索用于交通事件检测的新方法,以充分挖掘各类数据所蕴含的交通信息,进一步提升事件检测的实时性和准确性。基于此,本文展开了基于多源信息的高速公路交通事件检测方法研究。首先,论文归纳和分析了可用于高速公路交通流信息采集的不同类型检测技术,对比各类技术的优缺点,据此明确了以手机切换定位检测器和微波检测器为研究对象,根据技术原理分析、真实数据采集和数据特性分析叁个步骤对两类检测技术进行了具体的探究,同时分析了两类数据的可靠性。另外,从多源信息融合技术的原理出发,利用信息论验证了事件检测信息融合的有效性。其次,对事件状态下的交通流特性进行了分析,利用车流波动理论,分析了事件的发生对上下游路段交通流造成的影响,并结合手机切换定位检测器和微波检测器数据的特点,建立了一个包含12个变量的事件检测初始特征变量集,利用随机森林-递归特征消除(RF-RFE)算法确定其中的8个重要变量作为模型输入参数。利用沪宁高速公路实地数据表明这8个参数在事件发生前后均有较明显的变化,验证了特征选择的有效性。然后,基于支持向量机和粒子群优化方法理论,提出了粒子群算法(PSO)优化最小二乘支持向量机(LSSVM)的事件检测算法,针对单一核函数自适应能力可能不足的问题,进而提出了基于粒子群优化混合核的最小二乘支持向量机(PSO-MK-LSSVM)事件检测模型。为了更加提高算法的泛化能力和检测性能,又设计了两种不同结构的改进AdaBoost集成PSO-LSSVM弱分类器的学习模型。此外,针对高速公路交通事件分类问题,提出了一种基于多分类PSO-LSSVM事件类型检测模型,可实现检测交通事故、车辆抛锚及恶劣天气这叁类交通事件。最后,利用高速公路采集的实际数据,对论文提出的事件检测模型进行分析和验证。本文先利用过抽样技术(SMOTE)解决了实际数据存在的有偏性问题。通过分析检测率(DR)、误报率(FAR)、平均检测时间(MTTD)、分类正确率(CR)、AUC及性能指数(PI)这六个算法评价指标,证明了基于混合核的PSO-LSSVM模型和改进AdaBoost集成不同输入参数的PSO-LSSVM模型与传统机器学习模型相比,在事件检测性能和综合能力方面都具有显着的优势。其中,改进AdaBoost集成不同输入参数的PSO-LSSVM模型表现最优。基于这两类模型,还验证了加入手机切换定位检测器数据对于事件检测性能提高的有效性。针对论文所提出的基于多分类PSO-LSSVM事件类型检测模型,通过实例分析,获得了较理想的检测结果,验证了模型的有效性。(本文来源于《东南大学》期刊2018-05-01）
隋靓,党建武[10]（2018）在《基于运动目标轨迹的高速公路异常事件检测算法研究》一文中研究指出针对人工观看高速公路视频录像判断异常事件劳动强度大、工作效率低等缺点,提出基于车辆运动轨迹的异常事件检测算法。采用背景差法提取运动目标前景;对存在阴影的运动目标,使用改进的基于边缘检测和HSV颜色空间相结合的算法去除阴影;对获得的无阴影的运动目标前景通过kalman滤波算法获得车辆的运动轨迹;通过分析车辆的行驶状态建立异常事件模型,使用实际高速公路视频来验证异常事件检测模型的正确性。实验结果表明,本文提出的新的阴影去除算法能够有效地消除阴影,异常事件检测模型能够有效地检测逆行、停车车辆,准确性高、实用性好。(本文来源于《计算机应用与软件》期刊2018年01期）
高速公路事件检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着机动车数量的增加,道路上的拥挤问题日益严重,尤其是高速公路,车辆行驶速度快、车辆违停、逆行等更易造成严重的交通事故,为了能及时发现异常行驶车辆,预防交通事故,本文研究基于视频分析的高速公路异常事件检测,利用目标检测SSD算法进行运动目标的检测,再结合卡尔曼滤波算法跟踪车辆,得到检测车辆的运动路径,通过车辆的行驶速度及运动路径建立判别模型,从而有效地检测逆行、违停等车辆。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
高速公路事件检测论文参考文献
[1].彭启章.全向跟踪雷达在智慧高速公路事件检测中的应用[J].中国交通信息化.2019
[2].李旭,张秀杰.基于视频分析的高速公路异常事件检测[J].公路交通科技(应用技术版).2019
[3].郜义浩,高志权,张明月,杨勇,刘星宇.基于YOLOV3和KCF的高速公路监控视频交通事件检测[J].中国交通信息化.2019
[4].王娴.基于机器学习算法的高速公路交通事件检测研究[D].南京大学.2019
[5].邹海峰.基于AI算法的视频事件检测系统性能分析及其在高速公路监控系统中的应用[J].信息记录材料.2019
[6].姜卉,姜桂艳.基于FA-SVM的高速公路交通事件检测方法[J].北华大学学报(自然科学版).2019
[7].王俊健,王莹,王以好.云台场景下高速公路异常事件自动检测系统[J].中国交通信息化.2018
[8].李文钊.基于多传感器数据融合的高速公路事件检测方法研究[D].重庆交通大学.2018
[9].张雯靓.基于多源信息的高速公路交通事件检测方法研究[D].东南大学.2018
[10].隋靓,党建武.基于运动目标轨迹的高速公路异常事件检测算法研究[J].计算机应用与软件.2018