基于模糊邏輯的高速公路交通事件檢測算法研究.pdf

1、高速公路的建設(shè)與發(fā)展帶來了顯著的經(jīng)濟效益和社會效益。但是，隨著高速公路通車里程的不斷增長以及路網(wǎng)結(jié)構(gòu)的日益復(fù)雜，高速公路上的交通事件也明顯增加，由此導(dǎo)致了交通安全、運輸效率、環(huán)境污染和能源消耗方面諸多交通問題。交通事件自動檢測通過實時的交通參數(shù)分析，判斷交通流運行狀態(tài)并將檢測信息傳遞給交通管理者，從而及時緩解交通矛盾，減少由此引發(fā)的經(jīng)濟財產(chǎn)損失。交通事件檢測是先進的交通管理信息系統(tǒng)(ATMIS)的一個重要組成部分，對于智能交通系統(tǒng)的有效

2、實施有著十分重要的意義。交通事件檢測算法與事件類型、參數(shù)選擇密切相關(guān)。本文通過對交通事件特征的分析，將高速公路交通事件劃分為常發(fā)性與偶發(fā)性兩類，分別描述這兩類交通事件對交通流的影響。在此基礎(chǔ)上，通過交通參數(shù)對交通事件檢測的影響分析，得出事件檢測算法中交通參數(shù)的選擇方法。分析已有交通事件檢測算法的適用性，針對算法存在的問題，提出基于模糊邏輯的交通事件檢測算法。本文提出的檢測算法不僅能夠判斷交通事件是否發(fā)生，而且能夠判斷事件性質(zhì)，是一種多輸

3、入、多輸出的檢測算法。新算法充分考慮了交通流狀態(tài)的復(fù)雜性，采用隸屬度的概念描述交通流的具體形態(tài)。以速度與流量作為算法參數(shù)，通過模糊推理過程判別交通事件是否發(fā)生，并建立了算法的流程。通過對增量比較判別法的改進以及模糊邏輯的引入，提高算法的檢測率，降低算法的誤報率。采用TSIS交通仿真軟件獲取交通流數(shù)據(jù)，詳細標定仿真的全局參數(shù)和局部參數(shù)。仿真包括正常狀態(tài)下的交通流模擬和事件狀態(tài)下的交通流模擬兩部分。通過正常狀態(tài)下的交通流模擬得出算法判斷閾值