专利名称：：三维集成高速公路交通事件自动检测方法
技术领域：
：本发明属于高速公路交通事件检测方法领域，尤其是一种三维集成高速公路交通时间自动检测方法。具体对安装了固定型交通流检测器的快速路或高速公路进行交通事件自动检测。
背景技术：
：交通事件自动检测(AID)是快速路(高速公路)交通管理与控制系统的重要组成部分，如何准确、快速地检测出交通事件发生的时间、地点及严重程度，以便采取积极有效的救援措施，对交通管理与控制系统具有十分重要的意义。目前已经有应用各种技术的事件检测方法，大体可以分为基于模式匹配技术的方法、基于统计分析的方法、基于交通流模型的方法和基于人工智能的方法.这些方法大多都是建立在交通流检测器采集的数据基础上，所使用的基本输入参数为时间或空间的流量、速度和占有率序列等。典型的模式识别方法主要有加利福尼亚算法和McMaster算法；代表性的统计预测方法有标准正常偏差法、贝叶斯方法等；基于交通流模型的方法有Dynamic算法等；近年来，又出现了一些新的方法，其中神经网络法和小波变换等方法。传统的AID研究的重点仅仅是识别事件的发生，而没有提供与事件特性相关的信息。拥有比较好的AID性能的加利福尼亚算法利用直接比较法得到检测结果。然而，比较法的普遍问题是用于事件识别的初始值的确定，这些会限制比较法的实际应用。利用人工神经网络训练数据进行事件检测有一定的优势，然而，神经网络需要大量事件数据进行训练才能使其具有好的移植性，这在实际应用中很难实现。根据检测方法的检测截面来分，事件检测方法可分为单截面法和双截面法。在交通量比较小时，车辆对道路占有率较小，事件发生时相邻检测器的交通参数变化差异更小，不适宜采用双截面法，宜采用单截面法，而对交通量比较大的情况下，宜采用双截面法。总结现有的事件检测方法，主要存在的问题(1)采用单截面法，或者采用多截面法，其实这两种情况都有可能发生，应该全面考虑；(2)每个检测方法只能适用于一种情况。只采用一种检测方法的系统鲁棒性不高，可采用多个检测方法的集成，以提高系统的精度和鲁棒性；(3)现有方法中的交通流模型和阈值一般都是固定参数的，而实际上这些参数是随着时间段不同、道路特性和车辆特性而变化的，应使其动态变化，以反映最近的交通流变化；(4)现有方法如基于加利福尼亚算法的方法中只依靠占有率一个交通流参数，McMaster算法考虑了占有率和流量。但是，占有率高可能是交通拥挤的表现，也有可能是大车通过的情况；速度低有可能是交通拥挤，也可能是驾驶员非常谨慎的情况；交通流流量低可能是交通流畅通，也有可能是交通非常拥挤的情况。所以，必须要结合其他变量才能对交通流综合测评；(5)现有方法几乎都没有考虑事件发生时同一断面相邻车道之间的交通流参数的变化，而实际上这种变化是明显的。
发明内容本发明的目的是提供一种检测快速、漏报率低的三维集成高速公路交通事件自动检测方法。本发明的技术方案是三维集成高速公路交通事件自动检测方法，其特征是根据对高速公路检测器检测数据的分析，判断是否发出报警信号，具体包括下列步骤…-系统初始化读取车道流量-速度阈值、车道占有率-流量阈值、车道速度-占有率阈值；…-启动使能标志启动程序自动检测功能，当需要手工或自动更新参数，通过界面的"结束检测"按钮清零标志使自动检测功能结束，待参数更新完毕，可重新启动；--读取交通流实时数据，分别读取所有检测器数据；—-调用横向维即车道流量-速度算法模块、时间维即车道占有率-流量算法模块、纵向维检测模块即车道速度-占有率算法模块和集成判断模块，对全部监测器数据为基础进行判断，根据判断结果做出是否启动报警装置发出报警信号。所述横向维即车道流量-速度算法模块具体包括下列步骤以一个月的历史数据进行统计，求出各个时段的平均流量比率和速度比率，则各个车道的流量比和速度比的阈值设为<formula>formulaseeoriginaldocumentpage7</formula><formula>formulaseeoriginaldocumentpage7</formula>^M表示求平均值，^/表示求方差；当某个车道流量和速度下降到一定的阈值时，表明有事件发生，通过计算检测器断面各个车道的速度比率和流量比率，并且与设定好的速度下限和流量下限参数进行对比，来检测事件；流量和速度比率的计算公式如下離画腳離羅'(/=1,2，3，4);<formula>formulaseeoriginaldocumentpage7</formula>其中R^C/ME—及/rQ为某个车道的流量比率，W兀C/Mg为某个车道的流量，模块设定为当某个车道流量和速度连续下降到一定的阈值两次时，该车道发出事件报警请求。所述时间维即车道占有率-流量算法模块具体包括下列步骤交通流模型为<formula>formulaseeoriginaldocumentpage7</formula>式中，O为占有率，f是流量，V表示自由流速度，Oj表示阻塞占有率，r，m是常数，Vf，Oj，r，m是待定的参数，根据实际道路情况，对这四个参数的变化范围进行一定限制，将其转化为一个约束优化问题，模型优化的目标函数为绝对误差之和，该值全面反映了误差的大小，如下式所示<formula>formulaseeoriginaldocumentpage7</formula>其中，/(/)是根据交通流模型得到的流量值，/'(/)是实测的流量值；在有约束的最优化问题中，采用基于K一T(knhn—Tucker)方程来求解]，根据连续四个周期的占有率得出相应的所处等级和^vC^"ge(/，卜U)(表示t时刻相对于t-l时刻占有率跳跃的等级，i表示车道)，然后"断是否满足下面三个条件之一丄evC72twge(f,f—1，0之2<丄evC7a"ge(/，卜U)=1&&ZevC7za"ge(/-1，卜2,/)=0&&Z^C/ra，(y-2，卜3,z〕=1丄evCTM("ge(,，,-1,&&LevC/M!"geO—1,卜2，/)=1若满足之后，则该车道发出事件报警请求。所述纵向维检测模块即车道速度-占有率算法模块具体包括下列步骤方法实施的具体步骤为应用模糊聚类方法给出大量交通流速度-占有率历史数据的聚类的中心值；分别求出实时的上下游的交通流速度、占有率数据与四个中心的欧式距离，与哪个中心最近(欧式距离最小)的就是所属相应的等级；判断上下游的等级差，当上下游交通状态特级连续两个周期相差3个级别时，表明有事件发生，则发出事件报警请求。所述集成判断模块合成集成规则为(1)若某个检测器在第t-l周期报警，那么在第t周期就不报警，认为是同一事件；(2)在某个时刻，若某个检测器报警了，那么其下游就不报警，认为是同一事件；(3)若某个检测器在第t-l周期报警，那么在第t周期其下游就不报警，认为是同一事件；(4)如果快速路路段的检测器中间有交叉口，那么路段则不报警或阈值范围加大；(5)如果快速路路段的检测器中间有进出口，那么外侧车道的不报警。交通流(包括流量、速度、占有率(密度))是一个随着两维空间(相邻车道和上下游车道)和一维时间变化的复杂变量，交通流三个变量之间相互关联，共同决定交通流的特征。当公路某一路段发生事件时，事件点通行能力立即下降。如果下降到低于交通需求时，交通流受到影响，产生偶发性交通拥挤，在出事地点下游的一定范围内将出现交通流反常上游车辆因交通受阻而减速，下游车辆稀少而加速；出事车道上的交寧流量减少，相邻车道因交通流合并而车流量增多；上游道路的时间占有率增大，下游的时间占有率减小等等(如图1)。总之，当发生交通异常时，交通流参数在一定范围内将比正常值偏大或偏小。还包括下列步骤根据历史数据的报警事件信息，得出包括检测率和误报率在内的性能指标，以手工或自动更新三个检测模块的关键参数，使得事件检测方法能更接近地反映交通流的变化，更新参数规则如下(1)利用最新的历史数据和统计方法自动更新横向维即车道流量-速度算法模块的参数，在相隔一定的周期内，对已报警的数据和真实交通事件进行统计，得出检测率和误报率，调整整体参数以尽量使误报率和报警率处于合理的水平；(2)根据最新的一个月的历史数据自动更新交通流模型，时间维即车道占有率-流量算法模块的三个阈值自动得到更新，将最新的一个月的历史数据输入交通流模型优化程序，直接得到最新的三个阈值；(3)根据最新的一个月的历史数据重新进行模糊聚类自动更新纵向维检测模块即车道速度-占有率算法模块4个聚类中心，就是将最新的一个月的历史速度和占有率数据输入模糊聚类程序，直接得到最新的4个模糊聚类中心。本发明的效果是现有的各种事件自动检测方法大都考虑一种变量，或者考虑交通流在一个维度上的变化，这样必然会导致漏报率高和检测时间较长。本发明三维集成事件自动检测方法，所解决的技术问题为全面综合考虑交通流三要素质之间的联系，分别从流量-速度，流量-占有率，速度-占有率三个方面检测，最后事件集成的事件自动检测方法，能够降低漏报率和加快检测时间。下面结合附图和实施例对本发明做进一步的说明。图l是本发明的硬件框图2是本发明的程序流程框图3是本发明的程序原理图4是时间维检测占有率-流量模型等级划分图；图5是集成判断模块流程图；图6是模块参数更新流程框图7横向维即车道流量-速度算法模块参数程序框图。具体实施方式如图1所示，本发明的硬件部分包括监测器、计算机和报警撞击，计算机对高速公路上设置的检测器数据分析后，确定是启动报警装置否发出报警信号。如图2所示，三维集成高速公路交通事件自动检测方法，其特征是根据对高速公路检测器检测数据的分析，判断是否发出报警信号，具体包括下列步骤系统初始化读取车道流量-速度阈值、车道占有率-流量阈值、车道速度-占有率阈值；启动使能标志；读取交通流实时数据，分别读取所有检测器数据；调用横向维即车道流量-速度算法模块、时间维即车道占有率-流量算法模块、纵向维检测模块即车道速度-占有率算法模块和集成判断模块，对全部监测器数据为基础进行判断，根据判断结果做出是否启动报警装置发出报警信号。根据图3所示，详细介绍各个模块及本发明的工作原理。1、子模块描述(1)横向维(相邻车道)检测模块正常状态下同一断面相邻车道的交通流差别不大，当某个车道交通事件发生时，该车道的交通流量下降、速度下降。所以，当某个车道流量和速度下降到一定的阈值时，表明有事件发生，将应用统计方法给出该阈值的初始值；通过计算检测器断面各个车道的速度比率和流量比率，并且与设定好的速度下艰和流量下限参数进行对比，来检测事件。流量和速度比率的计算公式如下<formula>formulaseeoriginaldocumentpage10</formula>其中R9Zt/M￡_//r<9;为某个车道的流量比率，r(9丄C/Mg为某个车道的流量。经测试，并且为避免检测器数据瞬时异常，该模块设定为当某个车道流量和速度连续下降到一定的阈值两次时，表明事件发生。横向维(相邻车道)检测模块的基本原理是对最近一个月的历史数据进行统计，求出各个时段的平均流量比率和速度比率，则各个车道的流量比和速度比下限的初始值设为<formula>formulaseeoriginaldocumentpage11</formula>(3)<formula>formulaseeoriginaldocumentpage11</formula>(4)m^"表示求平均值，^/表示求方差，与0求最大是为了避免出现负数的情况。当某个车道的流量比和速度比，同时小于等于该车道的流量比下限和速度比下限，该车道发出事件报警。(2)时间维(时间变化)检测模块正常状态下，同一断面同一车道的交通流变化是连续的。在事件发生的情况下，该变化是跳跃的。占有率-流量模型是反映交通流变化特征的重要模型。本模块利用基于优化的占有率-流量模型将交通流用不同的阈值划分为不同的4个等级，如图4所示，将用交通流状态在时间维上所属等级的变化大小来判断事件的发生。模块二所需要的三个阈值Ol、02、03的作用是以此来判断占有率的等级，是根据占有率和流量的交通流模型、历史数据训练以及约束优化理论所得的，其中，02为占流量最大时的占有率，01和03分别表示流量为最大流量值一半时占有率。根据交通流模型和优化方法，求出ol,o2和o3，本发明采用的交通流模型为(5)式中，o为占有率，f是流量，Vf表示自由流速度，Oj表示阻塞占有率，r，m是常数。Vf，Oj，r，m是待定的参数。根据实际道路情况，对这四个参数的变化范围进行一定限制，将其转化为一个约束优化问题。模型优化的目标函数为绝对误差之和(sumofabsoluteerror),该值全面反映了误差的大小，如式(6)所示。(6)/(o是根据交通流模型得到的流量值，/(o是实测的流量值。在有约束的最优化问题中，采用基于K一T(knhn—Tucker)方程来求解。K—T方程的解形成了许多非线性规划算法的基础。这些算法直接计算拉格朗日乘子。用拟牛顿法更新过程，给K一T方程积累二阶信息，可以保证有约束拟牛顿法的超线性收敛。这些方法称为序列二次规划法(SQP)。对于给定的规划问题，序列二次规划(SQP)的主要思路是形成基于拉格朗日函数二次近似的二次规划子问题。SQP法的实现一般分为3步，即拉格朗日函数Hess矩阵的更新、二次规划问题求解和一维搜索和目标函数的计算。根据连续四个周期的占有率得出相应的所处等级和i^C^唯e(v-U)(表示t时刻相对于t-l时刻占有率跳跃的等级，i表示车道)，然后判断是否满足下面三个条件之一—<formula>formulaseeoriginaldocumentpage12</formula>(7)若辆足之后，贝ll报警o(3)纵向维(上下游车道)检测模块由于正常状态下，相同车道上下游的交通流差别不大，当某个车道交通事件发生时，其上游检测器的交通流状态恶化，占有率增加，速度降低，下游检测器的交通状态改善，占有率减少，速度提高。避免加利福尼亚算法只利用占有率的弊端和结合交通流状态的模糊特性，本模块将利用模糊聚类将交通流速度-占有率模型分成四个等级，将根据上下游交通流状态所属等级差大小来判断事件的发生。应用模糊聚类方法给出大量交通流速度-占有率历史数据的聚类的中心值，根据占有率从小到大的顺序依次为l级、2级、3级和4级的中心值。模糊聚类的概念最早由Ruspini提出。模糊c均值(FuzzyC-means，简称为FCM)聚类是一种比较典型的模糊聚类算法，由Bezdek在1981年提出，用于将多维数据空间分布的数据点分成特定数目的类。在模糊聚类中，每一个数据点以某种程度属于某一类，它用隶属度来表示每个数据点属于某个聚类的程度。FCM把n个向量x'(f=^，")分为c个模糊组，并求每组的聚类中心，使得非相似性指标的目标函数达到最小。具体算法描述如下设目标函数如式(8)所示<formula>formulaseeoriginaldocumentpage13</formula>(8)<formula>formulaseeoriginaldocumentpage13</formula>(9)<formula>formulaseeoriginaldocumentpage13</formula>(10)其中e[O,l]，表示第j个数据点属于第i个聚类中心的隶属度；c,为模糊组i的聚类中心，&=|c,-。||表示第i个聚类中心与第j个数据点间的欧几里德距离；me[l，oo)是一个加权指数，本发明设为构造拉格朗日乘子，建立新的目标函数如式(11)所示<formula>formulaseeoriginaldocumentpage13</formula>(11)对所有输入参量求导，使原目标函数达到最小的必要条件为<formula>formulaseeoriginaldocumentpage13</formula>(12)FCM算法的迭代过程如下St印1:随机初始化C个数据聚类中心。St印2:用式(9)计算U阵。St印3:用式(12)计算c个新的聚类中心Ci，i^，…，c。St印4:根据式(ll)计算目标函数，若小于某个确定的阈值，或相对上次目标函数改变量小于某个阈值，则算法停止，否则，返回步骤二。方法实施的具体步骤为应用模糊聚类方法给出大量交通流速.度-占有率历史数据的聚类的中心值；分别求出实时的上下游的交通流速度、占有率数据与四个中心的欧式距离，与哪个中心最近(欧式距离最小)的就是所属相应的等级；判断上下游的等级差，当上下游交通状态特级连续两个周期相差3个级别时，表明有事件发生，则报塾。集成判断模块本方法因为考虑全面综合，在降低漏检和检测时间的同时有可能会造成重复报警。所以必须研究三维方法之间的集成。根据交通事件发生时对三维交通状态的影响、所研究路段的几何特征，以及交通管理的经验，本方法规定以下几条合成集成规则(1)若某个检测器在第t-l周期报警，那么在第t周期就不报警，认为是同一事件；(2)在某个时刻，若某个检测器报警了，那么其下游就不报警，认为是同一事件；(3)若某个检测器在第t-l周期报警，那么在第t周期其下游就不报警，认为是同一事件，如下表所示(有V表示报警)表l空间一时司说明表<table>tableseeoriginaldocumentpage14</column></row><table><table>tableseeoriginaldocumentpage15</column></row><table>(4)如果快速路路段的检测器中间有交叉口，那么路段则不报警或阈值范围加大；(5)如果快速路路段的检测器中间有进出口，那么外侧车道的报警可信度减小；其软件实现过程如下先将某一路段上的所有检测器以结构体的数据类型按上下游关系存到一个链表里，所用到的结构体SAlarm一Attribute表示每个检测器的事件属性，有以下定义typedefstruct{〃内环intpre一inc一id;//该检测器上个周期的发生事件的事件编号，0为无事件CStringalgjd;〃该事件的算法标志，0无事件1，2，3代表算法一，二，三int&131111_￡;0111;//该检测器的报警次数int111(^加10;//该检测器的发生事件的事件编号，0为无事件〃外环intpre—incjd2;//该检测器上个周期的发生事件的事件编号，0为无事件CStringalg—id2;〃该事件的算法标志，0无事件1，2，3代表算法一，二，三intalarm—count2;〃该检测器的报警次数int111(^(^11{102;//该检测器的发生事件的事件编号，0为无事件CStringposid;〃该检测器编号CStringUpPOSID;〃上游POSIDCStringDownPOSID;〃下游POSID〃该检测器所属路段名〃直弯道标志，l代表直道，0代表弯道DOUBLEMIDLONGITUDE;〃与表中下一个检测器中间位置的经度DOUBLEMIDLATITUDE;〃与表中下一个检测器中间位置的讳度DOUBLELONGITUDE;〃该P0SID经度DOUBLELATITUDE;〃该POSID讳度)SAlarm—Attribute;〃检测器事件属性结构体首先，判断该检测器的报警次数alarm—count是否为1:CStringroadname;intcurve;若不是，再判断其是否大于1，若大于1，则说明该检测器已报过警，就可以根据其事件编号IncidentID合并成同一事件，若小于1，即等于0，则说明无事件，继续判断其他检测器；若是，则说明该检测器第一次报警，则先判断有无上游若无上游，则该事件为新事件，报警；若有上游，可先判断该事件是否报过，若报过，则根据其事件编号IncidentID合并成同一事件，若没报过，再判断上游在上个周期的报警情况。集成模块的流程图如图5所示。本发明初步采用统计的方法给出模块1(横向维)的阈值，根据交通流模型和优化方法给出模块2(时间维)的阈值，采用模糊聚类方法模块3(纵向维)的阈值。将根据实际交通事件的发生情况和时段不同对方法的阈值和关键值进行微调和自动更新。参数学习步骤介绍根据历史数据的报警事件信息，得出方法性能指标，有检测率和误报率等，由此可以手工或自动更新三个检测子方法模块的关键参数，使得事件检测方法能更接近地反映交通流的变化，和使方法性能指标能满足用户要求，系统流程图如图6所示。而更新参数规则如下-(1)利用最新的历史数据和统计方法自动更新将模块l的参数，在相隔一定的周期内如三个月，对己报警的数据和真实交通事件进行统计，得出检测率和误报率，调整整体参数以尽量使误报率和报警率处于合理的水平。对算法一来说，软件流程图如图7所示。(2)根据最新的一个月的历史数据自动更新交通流模型，模块2的三个阈值Ol、02和03自动得到更新，简单地说，就是将最新的一个月的历史数据输入交通流模型优化程序，直接得到最新的三个阈值。(3)根据最新的一个月的历史数据重新进行模糊聚类自动更新模块4个聚类中心。简单地说，就是将最新的一个月的历史速度和占有率数据输入模糊聚类程序，直接得到最新的4个模糊聚类中心。权利要求1、三维集成高速公路交通事件自动检测方法，其特征是根据对高速公路或快速路后检测器检测数据的分析，判断是否发出报警信号，具体包括下列步骤----系统初始化读取车道流量-速度阈值、车道占有率-流量阈值、车道速度-占有率阈值；----启动使能标志启动程序自动检测功能，当需要手工或自动更新参数，通过界面的“结束检测”按钮清零标志使自动检测功能结束，待参数更新完毕，可重新启动；----读取交通流实时数据，分别读取所有检测器数据；-----调用横向维即车道流量-速度算法模块、时间维即车道占有率-流量算法模块、纵向维检测模块即车道速度-占有率算法模块和集成判断模块，对全部监测器数据为基础进行判断，根据判断结果做出是否启动报警装置发出报警信号。2、根据权利要求1所述的三维集成高速公路交通事件自动检测方法，其特征是所述横向维即车道流量-速度算法模块具体包括下列步骤以一个月的历史数据进行统计，求出各个时段的平均流量比率和速度比率，则各个车道的流量比和速度比的阈值设为<formula>formulaseeoriginaldocumentpage2</formula>附謂表示求平均值，W表示求方差；当某个车道流量和速度下降到一定的阈值时，表明有事件发生，通过计算检测器断面各个车道的速度比率和流量比率，并且与设定好的速度下限和流量下限参数进行对比，来检测事件；流量和速度比率的计算公式如下<formula>formulaseeoriginaldocumentpage2</formula><formula>formulaseeoriginaldocumentpage3</formula>其中<formula>formulaseeoriginaldocumentpage3</formula>,为某个车道的流量比率，为某个车道的流量，模块设定为当某个车道流量和速度连续下降到一定的阈值两次时，该车道发出事件报警请求。3、根据权利要求l所述的三维集成高速公路交通事件自动检测方法，其特征是所述时间维即车道占有率-流量算法模块具体包括下列步骤交通流模型为式中，O为占有率，f是流量，V表示自由流速度，Oj表示阻塞占有率，r,m是常数，Vf，Oj,r,m是待定的参数，根据实际道路情况，对这四个参数的变化范围进行一定限制，将其转化为一个约束优化问题，模型优化的目标函数为绝对误差之和，该值全面反映了误差的大小，如下式所示其中，/(/)是根据交通流模型得到的流量值，/'。是实测的流量值；在有约束的最优化问题中，采用基于K一T(knhn—Tucker)方程来求解，根据连续四个周期的占有率得出相应的所处等级和ievOicmge(W-U)(表示t时刻相对于t-l时刻占有率跳跃的等级，i表示车道)，然后判断是否满足下面三个条件之一<formula>formulaseeoriginaldocumentpage3</formula>若满足之后，则该车道发出事件报警请求。4、根据权利要求l所述的三维集成高速公路交通事件自动检测方法，其特征是所述纵向维检测模块即车道速度-占有率算法模块具体包括下列步骤方法实施的具体步骤为应用模糊聚类方法给出大量交通流速度-占有率历史数据的聚类的中心值；分别求出实时的上下游的交通流速度、占有率数据与四个中心的欧式距离，与哪个中心最近即欧式距离最小的就是所属相应的等级；判断上下游的等级差，当上下游交通状态特级连续两个周期相差3个级别时，表明有事件发生，则发出事件报警请求。5、根据权利要求1所述的三维集成高速公路交通事件自动检测方法，其特征是所述集成判断模块合成集成规则为(l)若某个检测器在第t-l周期报警，那么在第t周期就不报警，认为是同一事件；(2)在某个时刻，若某个检测器报警了，那么其下游就不报警，认为是同一事件；(3)若某个检测器在第t-l周期报警，那么在第t周期其下游就不报警，认为是同一事件；(4)如果快速路路段的检测器中间有交叉口，那么路段则不报警或阈值范围加大；(5)如果快速路路段的检测器中间有进出口，那么外侧车道的不报警。6、根据权利要求1所述的三维集成高速公路交通事件自动检测方法，其特征是还包括下列步骤根据历史数据的报警事件信息，得出包括检测率和误报率在内的性能指标，以手工或自动更新三个检测模块的关键参数，使得事件检测方法能更接近地反映交通流的变化，更新参数规则如下(1)利用最新的历史数据和统计方法自动更新横向维即车道流量-速度算法模块的参数，在相隔一定的周期内，对已报警的数据和真实交通事件进行统计，得出检测率和误报率，调整整体参数以尽量使误报率和报警率处于合理的水平；(2)根据最新的一个月的历史数据自动更新交通流模型，时间维即车道占有率-流量算法模块的三个阈值自动得到更新，将最新的一个月的历史数据输入交通流模型优化程序，直接得到最新的三个阈值；(3)根据最新的一个月的历史数据重新进行模糊聚类自动更新纵向维检测模块即车道速度-占有率算法模块4个聚类中心，就是将最新的一个月的历史速度和占有率数据输入模糊聚类程序，直接得到最新的4个模糊聚类中心。全文摘要一种检测快速、漏报率低的三维集成高速公路交通事件自动检测方法。技术方案是根据对高速公路检测器检测数据的分析，判断是否发出报警信号，具体包括下列步骤系统初始化读取车道流量-速度阈值、车道占有率-流量阈值、车道速度-占有率阈值；启动使能标志；读取交通流实时数据，分别读取所有检测器数据；调用横向维即车道流量-速度算法模块、时间维即车道占有率-流量算法模块、纵向维检测模块即车道速度-占有率算法模块和集成判断模块，对全部监测器数据为基础进行判断，根据判断结果做出是否启动报警装置发出报警信号。文档编号G08G1/01GK101188064SQ20071017997公开日2008年5月28日申请日期2007年12月20日优先权日2007年12月20日发明者勇余,琨张,李世欣,陈德旺申请人:北京交通大学