基于神经网络和支持向量机的高速公路交通事件检测

《基于神经网络和支持向量机的高速公路交通事件检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南交通大学硕士学位论文基于神经网络和支持向量机的高速公路交通事件检测姓名：王琪申请学位级别：硕士专业：系统工程指导教师：金炜东20060501西南交通大学硕士研究生学位论文第1页摘要智能交通系统越来越引起人们的重视，它的发展对人们的日常生活，社会的进步，经济的发展起着重要的作用。交通事件检测系统作为交通事件管理系统的核心内容和关键，作为智能交通系统的重要组成部分，更起着举足轻重的作用，它可以迅速检测和处理道路上发生的交通事件，减少由于交通事件所带来的人员伤亡、财产损失等影响，避免二次事件的发生，节约能源，减少污染。因此，交通事件检测的发展具有非常重要的意义。本文从交通流的基本特点，交通事件

2、检测的根本要求出发，在对国内外现有研究成果及技术进行系统总结及把握的基础上，对交通事件检测中涉及的技术和理论进行了深入研究，并结合实际，对若干应用问题进行了有益的探索。本文的主要内容包括：。1)对智能交通系统产生的原因和发展的过程进行了较为详细的分析与阐述，系统论述了智能交通系统及其主要组成部分交通事件检测系统的结构和发展的现状，对现有的研究成果进行了分析与评述，并指出了理论研究与实际应用中存在的困难和一些承特解决的问题；2)提出了应用神经网络进行事件检测的方法，并对神经网络的理论进行的分析和阐述，提出了检测算法的基本原理，即：根据宏观交通流动态模型，提出了一种基于BP神经网络结构对交通流状

3、态进行估计，并将估计值与实际检测值进行比较，从而确定事件的发生，并在MAlrIAB中建立仿真模型，对其进行仿真，得到令人满意的结果；3)将支持向量机应用于交通事件检测问题中，利用支持向量机的全局优化、适应性强、泛化性能好等优点，针对实时交通流数据的随机性、高维、非线性和时变等特性，在识别阶段利用支持向量机方法进行分类，并与其他传统学习方法进行了对比。关键词：交通事件检测系统，检测算法，神经网络，支持向量机西南交通大学硕士研究生学位论文第1I页ABSTR^CTWiththedevclopment0fthesOcicty，Intelligcnt’rransportationsystem(ITs)

4、bccomesmoreandmoreimportanttooureVerydaylifcandthewh01eeconOmy．．I’rafficAutomaticIncidentDetectionsystem(TAIDs)，whichisoneofthckeypartsofITS，isabletodeteclanddealwiththetrafficincidentsontheroadssoastodecreasethedeathrateandthe10ssofwealth。Mofeover，7I'AIDScanhelptoavoidsubsequentincidents，saVeenerg

5、ysOurces，reducepollutionandsoOn．AsthecorcofTAIDS，thcrefore，TrafficIncidentDetectioⅡAlgorithm(AID)isworlhyofstudy．AccOrdingtothecharactcrsOftrafficf10wandthefundamentalrequirementsoftrafficincidcntdetection，thctechniquesandtheofiesrelevanttotrafficincidentdetectionafcsystematicallyinvestigatedinthis

6、thesis．Aftefthat，aⅡewtrafficincidentdetectionmodelbasedontheaftificialneuralnetwOrkisprOpOsed，andcorrespOndingBPalgorithmdeVeloped．Themaincontributioncanbestatedasf01lows：1)TheemergenceanddeVelopmentofITSareintroducedandanalyzedindetails．ThestructurcsofITSandTAIDSaresystematicallydiscussed．Somediff

7、icultProblemsintheapplicationsandtheOrics0fITSand11AIDSarepOintedout．2)Aftertheanalyzingthetheoryofneuralnetwork，anincidentdetectionapproachbasedontheartificialneuralnetworkisprcsented．ItusesBPnettodcsigned