基于貝葉斯網(wǎng)的實(shí)時(shí)交通事件檢測(cè)與評(píng)估方法研究.pdf

1、交通事件是造成交通擁堵的主要因素之一,而先進(jìn)的交通事件管理系統(tǒng)是減少損失的有效工具。事件檢測(cè)算法與事件影響評(píng)估方法又是交通事件管理系統(tǒng)的關(guān)鍵技術(shù)。
　　 本文回顧了國(guó)內(nèi)外交通事件檢測(cè)算法與事件影響評(píng)估的研究概況,總結(jié)了現(xiàn)有的研究成果。介紹了貝葉斯網(wǎng)的基本理論,并分析了其在本領(lǐng)域的應(yīng)用前景。應(yīng)用AYE仿真數(shù)據(jù)作為實(shí)例分析了事件對(duì)上下游檢測(cè)器處的交通流參數(shù)的實(shí)時(shí)影響。分析結(jié)果表明,事件會(huì)造成檢測(cè)器數(shù)據(jù)的明顯變化,而事件檢測(cè)的原理即為

2、發(fā)現(xiàn)這種變化。
　　 為提高檢測(cè)算法的檢測(cè)性能與可移植性,本文在建立事件檢測(cè)算法之前,研究了數(shù)據(jù)的預(yù)處理方法,應(yīng)用小波對(duì)數(shù)據(jù)進(jìn)行去噪處理,將去噪后的數(shù)據(jù)歸一化后進(jìn)行基于熵的離散化處理。最后得到作為模型輸入的數(shù)據(jù)。
　　 在理論分析的基礎(chǔ)上,本文選擇樸素貝葉斯(NB)模型與加樹樸素貝葉斯(TAN)模型構(gòu)建事件檢測(cè)算法。研究了模型結(jié)構(gòu)與參數(shù)的學(xué)習(xí)算法以及推理算法,并用指數(shù)平滑的方法代替持續(xù)檢驗(yàn)以減少平均檢測(cè)時(shí)間。利用AYE數(shù)

3、據(jù)與Ⅰ-880數(shù)據(jù)進(jìn)行了實(shí)證研究,標(biāo)定了模型的結(jié)構(gòu)與參數(shù),并評(píng)價(jià)了算法。
　　 在檢測(cè)到事件后,需要評(píng)估事件的影響程度,以作為后續(xù)工作的決策依據(jù)。本文選擇事件延誤評(píng)價(jià)事件對(duì)交通系統(tǒng)效率的影響,擁擠長(zhǎng)度作為事件的空間影響范圍的評(píng)價(jià)指標(biāo)。分別根據(jù)排隊(duì)理論與激波分析理論,本文建立了估計(jì)事件延誤與擁擠長(zhǎng)度的模型,模型的輸入?yún)?shù)為事件前后的交通流參數(shù)與事件持續(xù)時(shí)間。事件持續(xù)時(shí)間同時(shí)也是評(píng)價(jià)事件時(shí)間影響范圍的重要指標(biāo),因此本文重點(diǎn)研究了基于

4、貝葉斯網(wǎng)的事件持續(xù)時(shí)間預(yù)測(cè)方法。
　　 本文選擇NB模型與TAN模型構(gòu)建了持續(xù)時(shí)間預(yù)測(cè)的離散模型。該類模型給出的是持續(xù)時(shí)間在若干個(gè)區(qū)間上的離散分布,而不是其在整個(gè)可行域內(nèi)的概率密度函數(shù),因此僅能作為定性決策的依據(jù)。為了拓展應(yīng)用的范圍,本文還構(gòu)建了基于混合貝葉斯網(wǎng)的連續(xù)模型。該模型假設(shè)持續(xù)時(shí)間服從對(duì)數(shù)正態(tài)分布,可以給出其連續(xù)的分布規(guī)律。
　　 利用喬治亞交通局收集的數(shù)據(jù),構(gòu)建并評(píng)價(jià)分析了各預(yù)測(cè)模型。準(zhǔn)確率評(píng)價(jià)結(jié)果表明,TA