[發明專利]基于優化SVM的高速公路交通事件檢測方法

有效

• 申請號: 201210137537.3
• 申請日: 2012-05-04
• 公開（公告）號: CN102682601A
• 公開（公告）日: 2012-09-19
• 發明（設計）人: 吳聰;李勃;沈舒;王雙;蔣士正;董蓉;阮雅端;陳啟美;吳煒
• 申請（專利權）人: 南京大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;H04N7/18
• 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

技術領域

本發明屬于機器學習、數據挖掘領域，主要用于高速公路交通管理系統中，為一種基于優化SVM的高速公路交通事件檢測方法。

背景技術

一直以來，高速公路交通擁堵使人們的出行時間和燃料消耗大大增加^[1-2]，給人們帶來了巨大的損失。然而，大多數的交通擁堵是由于非經常性的交通事件引起的^[3]。因此，如何快速準確地檢測出交通事件，對減少交通事件的影響和持續時間、實施合理的路網優化有著重要的意義。

交通事件檢測系統的性能主要取決于數據采集和數據處理兩個方面。數據采集是指使用一些檢測技術獲取交通流參數。數據處理是指通過一些算法對獲取的交通流參數進行分析，以判斷是否有事件發生，并確定事件發生的位置。因此，為了提高事件檢測系統的可靠性和有效性應從兩個方面進行改善——數據采集技術和數據處理算法。

從國內外以往的論文來看，使用基于線圈檢測器獲取交通流參數^[4-6]的文獻占了很大一部分。這主要是由于線圈檢測系統已得到廣泛使用，且現有的基于線圈檢測器獲取的標準數據庫已比較完善，如美國加州的I-880數據庫。但是線圈檢測器也存在一些缺點：每個車道下面都需要安裝線圈檢測器，成本較高，且不能覆蓋很大的區域；當車流擁堵、車間距小于3m時，檢測器精度大幅度降低，甚至無法檢測；埋置線圈的切縫軟化了路面，使路面易損，在路面出現問題時容易造成線圈損壞，維護時需要封閉車道、開挖路面，花費的人力物力較大，且對道路的通行能力有一定的影響^[7]。與此相比，基于視頻的交通流參數檢測快速簡便、處理智能、覆蓋范圍廣，一個攝像頭可覆蓋4-6個車道，檢測范圍50-150米，同時不會破壞路面、安裝和維護無須中斷交通，具有廣闊的應用前景。

通過攝像機視頻獲得了實時準確的交通流參數之后，使用事件檢測算法即可判斷是否有交通事件發生。在數據處理算法方面，當今主流的方法是基于人工神經網絡的和基于支持向量機SVM（Support?Vector?Machines）的交通事件檢測算法。基于人工神經網絡的事件檢測算法是一種智能化的交通事件檢測算法，它具有檢測率高、誤報率低等優點，但神經網絡結構的確定沒有統一準則，需要大量的學習樣本，容易出現過擬合現象，模型的泛化能力不佳；而支持向量機具有完備的統計學習理論和出色的學習性能，不需要大量的學習樣本就可以達到很高的檢測率，且具有良好的泛化性，是目前廣泛采用的一種交通事件檢測方法^[13]。

參考文獻：

[1]Barria?J?A,Thajchayapong?S.Detection?and?Classification?of?Traffic?Anomalies?Using?Microscopic?Traffic?Variables[J].IEEE?TRANSACTIONS?ON?INTELLIGENT?TRANSPORTATION?SYSTEMS,2011,12(3)：695–704.

[2]Shah?S?A,Kim?H,Baek?S,et?al.System?architecture?of?a?decision?support?system?for?freeway?incident?management?in?Republic?of?Korea[J].Transportation?Research?Part?A:Policy?and?Practice,2008,42(5)：799–810.

[3]Williams?B?M,Guin?A.Traffic?management?center?use?of?incident?detection?algorithms:Findings?of?a?nationwide?survey[J].IEEE?TRANSACTIONS?ON?INTELLIGENT?TRANSPORTATION?SYSTEMS,2007,8(2)：351–358.

[4]Chen?S?Y,Wang?W,Henk?van?Zuylen.Construct?support?vector?machine?ensemble?to?detect?traffic?incident[J].Expert?Systems?with?Applications,2009,36(8)：10976–10986.

[5]劉海松，吳杰長，陳國鈞.克隆選擇優化的SVM模擬電路故障診斷方法[J].電子測量與儀器學報,2010,24(12)：1132-1136