[發明專利]一種高速公路交通事件自動檢測方法

無效

• 申請號: 201110302508.3
• 申請日: 2011-09-29
• 公開（公告）號: CN102436740A
• 公開（公告）日: 2012-05-02
• 發明（設計）人: 程琳;李大韋
• 申請（專利權）人: 東南大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/042
• 代理公司: 南京天翼專利代理有限責任公司 32112
• 代理人: 黃明哲

1.一種高速公路交通事件自動檢測方法，其特征是在處理數據缺失情況下對高速公路交通事件進行自動檢測，包括以下步驟：

步驟1)：

設置公路檢測系統，包括感應線圈和視頻設備，按照設定采樣步長采集檢測區的實時交通流數據，包括上下游交通流量、速度和車道占有率，采樣步長設為30秒鐘；

步驟2)：

收集檢測區的交通流數據，整理為訓練數據集，并對采集的實時交通流數據進行預處理，步驟為：

21)對采集到的實時交通流數據進行歸一化處理，將各交通流數據全部轉化為[0，1]區間內的值：

x′=0if x≤Xαx-XαXβ-XαifXα<x<Xβ1if x≥Xβ]]>

其中x′為原始數據x歸一化后的結果，X_α和X_β分別為訓練數據集的中各交通流數據對應的最小值和最大值；

22)對歸一化處理后的交通流數據進行離散化處理：根據訓練數據集應用基于熵的離散化方法獲得離散化的界值，將經歸一化處理后的實時交通流數據與界值做比較，確定其所處的狀態，形成后續基于加樹樸素貝葉斯分類器的檢測算法的標準輸入格式；

步驟3)：

將預處理后的交通流數據輸入基于加樹樸素貝葉斯分類器的檢測算法，判斷檢測區是否發生交通事件，如果發生，發出警報，否則繼續采集數據，進行下一次判斷；所述基于加樹樸素貝葉斯分類器的檢測算法判斷檢測區是否發生交通事件的具體步驟為：

31)使用已知交通狀態的交通流信息數據集作為建模樣本，按照步驟2)所述方法進行預處理后，建立應用于事件檢測的加樹樸素貝葉斯分類器，應用于事件檢測的加樹樸素貝葉斯分類器的結構學習和參數學習分別采用最大權重生成樹算法MWST和最大似然估計的方法；

32)將采集的實時交通流數據經預處理后輸入步驟31)所建立的加樹樸素貝葉斯分類器，輸出確定當前有事件發生的后驗概率：每隔一個時間間隔，對實時輸入的交通流數據進行歸一化與離散化處理，形成標準輸入格式，作為證據輸入模型進行推理，從而獲得有事件發生的后驗概率；所述推理采用貝葉斯網絡中的團樹傳播算法；

33)對得到的后驗概率進行指數平滑處理：設由推理得到的第t個時間間隔得到的Y＝1的后驗概率為I(t)，而作為決策依據的第t個時間間隔發生事件的概率為則

I^(t)=αI(t)+(1-α)I^(t-1)]]>

式中的加權系數α取0.7；

34)將指數平滑后的后驗概率與預先設定的閾值做比較，若大于閾值，則表示檢測區內發生事件，進行報警，否則表示檢測區內為正常交通運行狀態，閾值設為0.6。