导读:本文包含了交通事件自动检测方法论文开题报告文献综述及选题提纲参考文献，主要关键词:交通事件自动检测,邻域清理欠抽样,遗传算法,启发式选择抽样
交通事件自动检测方法论文文献综述
李苗华[1]（2016）在《基于欠抽样面向不平衡数据集的交通事件自动检测方法》一文中研究指出随着经济的快速发展和小汽车保有量的急剧增长,道路交通供需矛盾日益尖锐,快速增长的交通需求使得交通事件频发、交通拥堵严重,导致交通环境不断恶化。准确及时的交通事件检测,能够有效缓解交通事件带来的交通拥堵,预防二次事故的发生,提高道路交通安全和服务水平。如何准确检测交通事件一直是智能交通领域的研究重点。现实中,交通事件的发生是偶然的,交通事件数据远远少于正常交通状态数据,交通事件检测实质是不平衡分类问题。因此,本文应用不平衡分类技术中的欠抽样方法解决交通事件检测问题,研究适应不平衡交通流数据的交通事件自动检测算法(Automatic Incident Detection, AID)。交通事件检测属于二分类问题,本文以支持向量机(Support Vector Machine, SVM)作为分类器,提出了叁种基于不同欠抽样方法的交通事件检测模型。首先,将一种改进的非启发式欠抽样方法——邻域清理欠抽样方法,应用到交通事件检测中,提出基于邻域清理欠抽样的SVM AID模型。并采取网格搜索方法和粒子群算法进行SVM参数优化,选择性能更优的参数值作为模型的参数。其次,为了避免非启发式抽样算法人为设定样本抽样率的随机性缺陷,提出了基于遗传算法实例选择抽样的SVM AID模型,利用遗传算法“优胜劣汰”的寻优规则智能确定最佳学习样本集,并与非启发式抽样方法的应用效果进行对比分析。最后,考虑到学习样本集数据量较大时,模型学习及构建的长时耗问题,又提出了基于遗传算法支持向量选择抽样的SVM AID模型。利用SVM训练时起决定性作用的只是支持向量样本这一特性,仅针对比原始数据集小得多的支持向量集进行选择学习,并与前两种模型的检测性能进行对比分析。本文实验数据来源于新加坡AYE仿真数据库,实验算法以MATLAB R2011 b软件为平台编程实现。实验结果表明,本文提出的基于欠抽样的交通事件检测算法能有效改善面向不平衡数据集的交通事件检测效果,提高事件检测效率,获得较优的综合性能。(本文来源于《东南大学》期刊2016-05-04）
万福才,尹承祥,韩晓微,王东政[2]（2015）在《城市道路交通异常事件自动检测方法》一文中研究指出针对城市道路交通流量大,易发生交通违法异常行为,提出了一种城市道路交通异常事件自动检测方法.该方法在进行异常事件检测时,首先对道路交通进行视频序列采集,然后提取视频中的车辆加速度、方向变化、几何位置信息.在提取这些特征值后,计算叁个特征值变化率指数总和,并与设定的阈值进行比较,判断是否发生异常事件.通过对同一道路的相同监控视频片段采用不同的算法进行检测仿真实验,测试结果表明该方法得到的正确检测率DR为98.6%,误报率FAR为7%,相对于基于临界安全区域方法、基于Boosting检测方法其整体检测性能有所提高.(本文来源于《沈阳大学学报(自然科学版)》期刊2015年01期）
赵有婷,李熙莹,罗东华[3]（2011）在《基于视频车辆轨迹模型的交通事件自动检测方法研究》一文中研究指出研究了车辆违章逆行、停驻、掉头、倒退、变道五类具有潜在危险的交通(违章)事件,并且运用了基于视频的交通事件自动检测技术所涉及的目标提取、车辆跟踪和事件理解与描述3个步骤实现交通事件的检测。着重研究并分析了车辆跟踪得到的行驶轨迹点,将复杂的车辆轨迹分解为前行、反行、停滞、斜行四类轨迹元素,并且根据4类轨迹元素对车辆的行驶行为进行数学建模,最后通过模型制定合理的检测算法。实验表明,该算法可以有效地区分正常车辆与事件车辆,能够快速准确地检测上述5类交通事件。(本文来源于《中山大学学报(自然科学版)》期刊2011年04期）
程德明[4]（2011）在《基于数据融合的分级交通事件自动检测方法研究》一文中研究指出目前,城市交通拥挤状况不仅严重影响到了城市居民的日常工作和生活,而且还阻碍了城市的经济、文化、政治等诸多领域的发展。能否解决好这一问题,关系到城市发展的潜力和国际竞争力。道路上之所以出现交通拥挤是因为道路上存在空间上减少交通流量的“交通瓶颈”,而偶发性交通拥挤是导致出现“交通瓶颈”的最主要的原因,同时,交通事件又是造成偶发性交通拥挤的主要原因,因此,如何及时检测,并有效处理交通事件是交通管理者非常关心的问题,也是本文研究的重点。目前,随着检测器技术的蓬勃发展,交通事件的检测数据可能来源于不同种类的检测器,例如感应线圈检测器、超声波检测器、视频检测器以及GPS浮动车检测器等,这就要求在交通事件检测过程中可以考虑不同检测器数据间的互补性。数据融合技术具有良好的组合不同数据优点的能力,这为利用多源数据改善交通事件自动检测的效果提供了必要的技术手段。另外,各类交通事件对交通流的影响是不同的,同类交通事件发生在高峰期和低谷期对交通流的影响也是不同的,这需要对交通事件进行分级处理。因此,进行基于数据融合的分级交通事件自动检测方法的深入研究已经具备了比较充足的客观条件。根据相关的研究现状,同时结合作者的观点,本文从以下几个方面对基于数据融合的交通事件检测自动方法进行分析与研究。1)分析了交通流的特性及交通信息的采集方法,为研究基于数据融合的分级交通事件自动检测方法奠定信息基础。2)在阐述数据融合定义和级别的基础上,给出了交通数据融合的功能模型,并通过分析主流数据融合方法的特点及本文研究的需要,确定了本文研究使用的数据融合方法。3)针对各类交通事件对交通流的影响不同以及同类交通事件发生在不同时间段时对交通流的影响不同的客观实际,从加强交通流疏导的角度,提出了一种根据对交通流的影响程度将交通事件进行分级的新方法。4)在对交通事件进行重新分级的基础上,基于人工神经网络方法设计了一种分级交通事件自动检测算法,并运用某特大城市的实测数据对其有效性进行了验证和对比分析。通过对以上内容的研究,旨在为交通管理者提供更加有针对性的决策信息,便于交通管理者及时处理对交通流影响更为严重的交通事件,从而解决由交通事件引起的交通拥挤。(本文来源于《吉林大学》期刊2011-06-03）
姜卉[5]（2011）在《基于FA-SVM的高速公路交通事件自动检测方法研究》一文中研究指出作为当今交通运输业的主要载体,高速公路的发展十分迅速。在为社会带来诸多经济效益与社会效益的同时,也受到诸多交通问题的困扰,如频繁发生的交通拥堵、交通事件等。它不但影响着高速公路的通行能力和运行效率,还可能造成人身伤亡以及财产损失等更为严重的后果。伴随着各种交通问题的频繁发生,如何有效的改善高速公路的运行状态已经成为高速公路交通监控系统的研究核心。其中,针对高速公路的交通事件自动检测(AID)技术的深入研究就是解决手段之一。人工智能技术作为新兴的信息处理技术,在交通事件检测的研究中已表现出显着优势,正引导着新AID算法的发展方向。然而,已有的AID算法中,对交通事件自动检测输入变量的选择不够规范。因此,结合新兴信息处理技术,设计全面、有效的交通事件自动检测输入变量,将有助于提高AID算法的检测效果并改善现有的高速公路的运行状态。本文的研究工作及成果主要体现在下叁个方面。1)有无交通事件条件下高速公路交通流特性分析在有无交通事件条件下,对车辆检测器数据的变化特性进行了深入分析；在对车辆检测器数据进行多角度组合并对其变化特点进行分类总结的基础上,设计了一组能够突显交通事件状态的交通变量。2)基于FA的高速公路交通事件自动检测输入变量筛选方法研究分析了应用因子分析(FA)法对变量筛选的优缺点,设计了基于FA的高速公路交通事件自动检测输入变量的筛选方法。3)基于SVM的高速公路交通事件自动检测算法研究分析了应用支持向量机(SVM)处理分类问题的优缺点及不同核函数的选择问题；在完成交通变量设计及有效筛选的前提下,设计了基于SVM的高速公路交通事件自动检测算法。模拟数据的验证结果显示,与对比算法相比,本文所设计的AID算法的检测效果优势明显。本文以高速公路车辆检测器数据为研究基础,在对有无事件条件下交通流参数数据的变化特性深入分析的前提下,结合具有良好的“降维”能力的FA法以及具有出色的分类能力的SVM理论,设计了新的高速公路交通事件自动检测方法。模拟数据的验证结果表明,与对比算法相比,本文设计的新方法具有更好的检测性能。(本文来源于《吉林大学》期刊2011-05-01）
钱金法,于惠芬,赵力,邹采荣[6]（2010）在《基于视频的交通事件自动检测方法的研究》一文中研究指出研究了基于视频的交通事件自动检测技术,它通过车辆跟踪和分析车辆的运动特征来判断所发生的交通事件。针对叁种常见的交通事件车辆逆行、车辆停止和堵车进行建模。实验证明,该检测方法具有很好的实用效果。(本文来源于《电视技术》期刊2010年11期）
张宁,施毅,黄卫[7]（2010）在《基于OGS-DTW算法的交通事件自动检测方法》一文中研究指出为提高交通事件检测方法的综合性能,使用动态背景更新和改进的运动估计,将动态图像序列转化为车辆标号场,实现对车辆的跟踪;构造轨迹建模和编码,提取车辆的运动轨迹,并建立自组织神经网络进行行为模式学习;最后,使用OGS-DTW算法对轨迹数据进行预处理,并对距离函数进行求解,从而实现待测事件序列的轨迹与典型轨迹数据模式的匹配。分别以U形转、违章左拐和违章变道3种事件为对象进行了多组对比,检测成功率均在80%以上。试验还进行3种检测方法指标的对比,在平均耗时方面,一般的DTW算法、改进的DTW算法及基于OGS改进的DTW算法分别是126.5、62.5、69.8 s;而它们的事件检测成功率分别是84.6%、68.8%和88.3%。结果表明:基于OGS-DTW算法的交通事件检测方法稳定且可靠,在显着降低计算量的同时,仍然保证了较高的匹配准确性,成功率高、实时性好。(本文来源于《公路交通科技》期刊2010年08期）
庞根明[8]（2007）在《城市道路交通事件自动检测方法研究》一文中研究指出论文所依托的科研项目为:国家自然科学基金重点资助项目《城市路网动态交通管理与控制关键理论及其模拟技术研究》(50338030)子课题“交通堵塞预测与预防理论及方法研究。”在对城市道路交通流的运行特点和交通事件的种类进行深入分析的基础上,本文提出了基于宏观交通流参数的交通事件自动检测方法和基于车载单元的车辆运行故障自动检测方法。在对城市道路交通流运行特点分析总结的基础上,结合城市道路信号控制系统及其检测器布设特点,以支持向量机技术为基础,对引起拥挤的交通事件自动检测算法进行研究并用VISSIM交通模拟软件对所设计AID算法的性能进行测试,并对其检测效果进行对比分析。针对小交通流量条件下交通事件严重程度高且难以检测的事实,从传感器、故障诊断、车载报警的基本知识入手,分析车辆在不同状态下的运行特征,进而对基于车载单元的的车辆运行故障自动检测系统进行研究,提出系统框架和主要实现技术。(本文来源于《吉林大学》期刊2007-05-10）
交通事件自动检测方法论文开题报告
（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：
针对城市道路交通流量大,易发生交通违法异常行为,提出了一种城市道路交通异常事件自动检测方法.该方法在进行异常事件检测时,首先对道路交通进行视频序列采集,然后提取视频中的车辆加速度、方向变化、几何位置信息.在提取这些特征值后,计算叁个特征值变化率指数总和,并与设定的阈值进行比较,判断是否发生异常事件.通过对同一道路的相同监控视频片段采用不同的算法进行检测仿真实验,测试结果表明该方法得到的正确检测率DR为98.6%,误报率FAR为7%,相对于基于临界安全区域方法、基于Boosting检测方法其整体检测性能有所提高.
（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。
交通事件自动检测方法论文参考文献
[1].李苗华.基于欠抽样面向不平衡数据集的交通事件自动检测方法[D].东南大学.2016
[2].万福才,尹承祥,韩晓微,王东政.城市道路交通异常事件自动检测方法[J].沈阳大学学报(自然科学版).2015
[3].赵有婷,李熙莹,罗东华.基于视频车辆轨迹模型的交通事件自动检测方法研究[J].中山大学学报(自然科学版).2011
[4].程德明.基于数据融合的分级交通事件自动检测方法研究[D].吉林大学.2011
[5].姜卉.基于FA-SVM的高速公路交通事件自动检测方法研究[D].吉林大学.2011
[6].钱金法,于惠芬,赵力,邹采荣.基于视频的交通事件自动检测方法的研究[J].电视技术.2010
[7].张宁,施毅,黄卫.基于OGS-DTW算法的交通事件自动检测方法[J].公路交通科技.2010
[8].庞根明.城市道路交通事件自动检测方法研究[D].吉林大学.2007