专利名称：一种高速公路交通事件自动检测方法
技术领域：
本发明属于交通智能管理和控制技术领域，涉及一种可处理数据缺失情况的高速公路交通事件自动检测的方法，具体为一种基于加树朴素贝叶斯分类器的高速公路交通事件自动检测方法，用于高速公路管理系统中对交通事件存在与否进行实时自动检测。
背景技术：
交通事件定义为造成道路通行能力下降，扰乱正常交通流的，随机的、偶发的事件，如车祸、车辆抛锚、道路损坏、货物散落等。交通事件是造成道路拥挤的重要因素，据国外相关统计，交通事件导致了城市区域的52 58%的交通拥挤，造成约两百万辆小时的延误，由此产生的旅行时间和额外燃料消耗损失折合约四千万美元。事件管理系统是减少交通事件损失的有效工具，其主要包括信息采集、事件检测、 事件评估、事件响应等模块。其中实时检测算法正是事件检测模块的核心技术。准确而迅速的事件检测可以直接减少事件造成的负面影响，而传统的人工检测方法耗时较长，已经难以满足高效的要求。事件检测算法的基本原理是根据实时检测的交通流数据，如占有率、 速度、流量等，通过一系列分析，识别交通流的异常变化，以判断路段是否发生事件。虽然， 近年来，视频识别技术也被应用在了事件检测中，但由于其无法全区域覆盖、全天候工作， 因此目前基于交通流参数变化来检测交通事件的方法是主要的研究方向。发明“采用人造神经网络和遗传算法的高速公路事件自动检测系统”(CN1311880A)公开了一种基于神经网络的交通事件检测算法，其检测性能较优，但神经网络是黑箱结构，在实际过程中难以应用。发明“基于偏最小二乘原理的高速公路交通事件自动检测方法”(CN 100481153C)算法结构较为简单，但难以处理数据缺失的情况。而在实际的数据采集中，由于检测器数量多、 且一直处于工作状态，经常会出现设备故障、程序出错或检测失败的情况，造成某一时段的交通流参数缺失，因此事件检测算法必须克服这一困难。
发明内容
本发明要解决的技术问题是针对现有技术中存在的处理数据缺失缺陷，提出一种可处理数据缺失情况的高速公路交通事件自动检测方法，其检测率、误报率和平均检测时间均有较好的表现，且可以处理数据缺失的情况。本发明的技术方案为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
区间内的值
权利要求
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
区间内的值
2.根据权利要求1所述的一种高速公路交通事件自动检测方法，其特征是步骤22)中，熵的数学定义为设k是不同的类标号数，Hli是划分的第i个区间中值的个数，Hlu是区间i中类j的值的个数，第i个区间的熵ei由如下等式给出 其中，Pu = m.j/m,是第i个区间中类j的概率，也就是值的比例，该划分的总熵e是每个区间的熵的加权平均，即 其中，m是值的个数，Wi =HiiAi是第i个区间的值的比例，而η是区间个数，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的步骤为221)将从O开始，每隔0.01取一值，一直取到1，得到一个包含101个数的潜在区间边界集合Μ;222)依次取M中的元素a作为区间边界划分为两个区间，然后计算该划分的总熵；223)取使总熵最小的M中的元素mM乍为最终的区间边界，将连续的交通流参数二元离散化；224)根据nf将集合M分为两个集合，Ml和M2，作为各区间再次划分的潜在区间边界集合，对熵较大的区间重复步骤步骤22 和22 ，从而使划分区间的个数为3，应用训练数据集，使用上述基于熵的方法，得到各变量的离散化的界值。
3.根据权利要求1所述的一种高速公路交通事件自动检测方法，其特征是步骤31)中， 加树朴素贝叶斯分类器的结构学习和参数学习分别为 最大权重生成树MWST算法步骤如下311)通过训练数据集计算各交通流属性变量之间的条件互信息ΣP(a,,a Ic)P(a,a^c)log^V ' J ' 7 —Al^c1 } ^ Pia^Pia^c)其中Ai与Aj表示模型中任意两个不同交通流属性变量，a,和…分别表示Ai与Aj的一个可能的取值，C为表征事件有无的分类变量；312)建立一个节点为全部属性变量，以IC)为弧的权重的加权完全无向图，所述节点不包括分类变量C;313)建立一个最大权重跨度树；314)选择一个根节点，设置所有边的方向是由根节点向外，从而将无向树转换为有向树；315)添加分类变量C，并添加从分类变量与属性变量之间的连接，得到加树朴素贝叶斯、分类器的结构；最大似然估计的方法为，设一个由η个变量X= (X1, X2,…，XJ组成的加树朴素贝叶斯分类器N，设其中的节点&， = 1，2，…，η，共有A个取值1，2，…，ri;其父节点Pa(Xi) 的取值共有(Ii个组合1，2，…，ri;则贝叶斯网络的参数为 Pijk = P(Xi = k|pa (Xi) = j)其中i的取值范围是1 n，对一个固定的i，j和k的取值范围分别是从1 Qi及1 ri;设D= (D1,D2, -,Dffl)是关于这些变量的一组独立同分布的数据，则P的对数似然函数为
4.根据权利要求1所述的一种高速公路交通事件自动检测方法，其特征是步骤32)所述团树传播算法为首先构建一个覆盖加树朴素贝叶斯分类器的团树J，用加树朴素贝叶斯分类器中的概率函数将团树J初始化，并且设置证据；然后，任选一个团Cp作为枢纽节点，进行信息传递，信息传递分为收集和分发两个阶段，在信息收集阶段，算法从J的叶节点开始，逐步朝枢纽节点方向传递信息，在信息分发阶段，算法从枢纽节点开始，逐步朝J 的各个叶节点方向传递信息，最后，进行答案提取，对非证据变量Y，算法首先找到一个包含 Y的团CY，然后从Cy提取后验分布，即得到推理结果。
全文摘要
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。
文档编号G08G1/042GK102436740SQ201110302508
公开日2012年5月2日 申请日期2011年9月29日 优先权日2011年9月29日
发明者李大韦, 程琳 申请人:东南大学