基于小波變換的高速公路交通事件檢測算法研究.pdf

1、論文以高速公路為研究對象，以小波變換、時間序列分析理論和BP神經(jīng)網(wǎng)絡(luò)為研究方法，對高速公路交通事件進行檢測，其結(jié)果旨在為交通管理部門及出行者提供實時、準(zhǔn)確、可靠的交通信息服務(wù)。
　　 論文首先回顧了國內(nèi)外已有的高速公路交通事件檢測算法，將其歸納為比較算法、統(tǒng)計算法、交通模型算法、人工智能算法和小波分析理論算法五大類，重點將小波變換在現(xiàn)有算法中的應(yīng)用進行總結(jié)和分析，指出了該領(lǐng)域中目前存在的問題和不足。
　　 然后對小波變換

2、的基本原理和交通事件檢測技術(shù)進行簡單闡述，詳細(xì)分析了小波變換在高速公路交通事件檢測算法中的應(yīng)用現(xiàn)狀，將其歸納為數(shù)據(jù)去噪和特征提取兩個方面。重點探討了數(shù)據(jù)預(yù)處理時去噪函數(shù)中各參數(shù)的選擇以及特征提取的基本原理與方法，為構(gòu)建新的交通事件檢測算法提供了思路。
　　 以小波變換在交通事件檢測中的主要應(yīng)用為研究方向，建立了兩種新的事件檢測算法，并進行了實證分析。
　　 第一種方法是將小波變換和時間序列分析進行松散型結(jié)合，提出了基于小

3、波-時間序列分析的高速公路交通事件檢測算法，即采用小波變換對交通流數(shù)據(jù)進行去噪，通過時間序列分析對去噪后的數(shù)據(jù)進行特征提取，針對典型交通狀態(tài)建立相應(yīng)的狀態(tài)模型，從而實現(xiàn)交通事件的自動判別及分類。最后在Matlab中實現(xiàn)了對美國I880高速公路數(shù)據(jù)的實例分析，并對模型的可控參數(shù)如時間序列長度、模型階數(shù)進行了敏感度分析。
　　 第二種方法是將小波變換和BP神經(jīng)網(wǎng)絡(luò)進行緊致型結(jié)合，提出了基于BP小波神經(jīng)網(wǎng)絡(luò)的高速公路交通事件檢測算法，

4、即采用小波函數(shù)代替BP神經(jīng)網(wǎng)絡(luò)的隱層節(jié)點函數(shù)，相應(yīng)的輸入層到隱層的權(quán)值以及隱層閾值分別由小波函數(shù)的尺度參數(shù)和平移參數(shù)代替，并采用梯度下降法進行網(wǎng)絡(luò)訓(xùn)練，構(gòu)建適合于交通事件檢測的小波神經(jīng)網(wǎng)絡(luò)模型。最后在Matlab中實現(xiàn)了對新加坡AYE仿真數(shù)據(jù)和美國I880實測數(shù)據(jù)的實例分析，并將其與現(xiàn)有的經(jīng)典算法進行了對比分析。
　　 論文最后把這兩種交通事件檢測算法進行了對比分析，并結(jié)合各自的特點，對兩種檢測方法的適用范圍提出了建議，并對兩種