[发明专利]一种高速公路交通事件自动检测方法

摘要

一种高速公路交通事件自动检测方法，在处理数据缺失情况下对高速公路交通事件进行自动检测，包括以下步骤：检测系统通过感应线圈或者视频检测设备按照设定的时间间隔采集检测区的实时交通流信息；对采集的实时交通流信息，进行归一化与离散化等预处理；将预处理后的数据输入采用基于加树朴素贝叶斯分类器的检测算法得到发生事件的后验概率；对得到的后验概率进行指数平滑处理，若平滑后的后验概率值高于阈值则发出警报，通知交通管理部门采取相应的措施清楚事件，否则继续采集数据，进行下一次判断；本发明方法检测率高，误报率低，检测时间短，并可以处理缺失数据，可广泛应用于高速公路管理系统中。

主权项

1.一种高速公路交通事件自动检测方法，其特征是在处理数据缺失情况下对高速公路交通事件进行自动检测，包括以下步骤：步骤1)：设置公路检测系统，包括感应线圈和视频设备，按照设定采样步长采集检测区的实时交通流数据，包括上下游交通流量、速度和车道占有率，采样步长设为30秒钟；步骤2)：收集检测区的交通流数据，整理为训练数据集，并对采集的实时交通流数据进行预处理，步骤为：21)对采集到的实时交通流数据进行归一化处理，将各交通流数据全部转化为[0，1]区间内的值：x′=0if x≤Xαx-XαXβ-XαifXα<x<Xβ1if x≥Xβ]]>其中x′为原始数据x归一化后的结果，X_α和X_β分别为训练数据集的中各交通流数据对应的最小值和最大值；22)对归一化处理后的交通流数据进行离散化处理：根据训练数据集应用基于熵的离散化方法获得离散化的界值，将经归一化处理后的实时交通流数据与界值做比较，确定其所处的状态，形成后续基于加树朴素贝叶斯分类器的检测算法的标准输入格式；步骤3)：将预处理后的交通流数据输入基于加树朴素贝叶斯分类器的检测算法，判断检测区是否发生交通事件，如果发生，发出警报，否则继续采集数据，进行下一次判断；所述基于加树朴素贝叶斯分类器的检测算法判断检测区是否发生交通事件的具体步骤为：31)使用已知交通状态的交通流信息数据集作为建模样本，按照步骤2)所述方法进行预处理后，建立应用于事件检测的加树朴素贝叶斯分类器，应用于事件检测的加树朴素贝叶斯分类器的结构学习和参数学习分别采用最大权重生成树算法MWST和最大似然估计的方法；32)将采集的实时交通流数据经预处理后输入步骤31)所建立的加树朴素贝叶斯分类器，输出确定当前有事件发生的后验概率：每隔一个时间间隔，对实时输入的交通流数据进行归一化与离散化处理，形成标准输入格式，作为证据输入模型进行推理，从而获得有事件发生的后验概率；所述推理采用贝叶斯网络中的团树传播算法；33)对得到的后验概率进行指数平滑处理：设由推理得到的第t个时间间隔得到的Y＝1的后验概率为I(t)，而作为决策依据的第t个时间间隔发生事件的概率为则I^(t)=αI(t)+(1-α)I^(t-1)]]>式中的加权系数α取0.7；34)将指数平滑后的后验概率与预先设定的阈值做比较，若大于阈值，则表示检测区内发生事件，进行报警，否则表示检测区内为正常交通运行状态，阈值设为0.6。