高速公路AID算法研究综述

开篇：润墨网以专业的文秘视角，为您筛选了一篇高速公路AID算法研究综述范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘 要】为了提高高速公路aid算法的检测效果，减少交通事件对高速公路交通流的影响，针对现有高速公路AID算法，在对参与检测过程的交通变量的种类、数量进行分析的基础上，根据实际检测效果的优劣，提出未来高速公路AID算法的发展要在有效筛选交通变量的基础上结合人工智能算法展开。

【关键词】高速公路；AID算法；交通变量

1、概述

随着高速公路修建规模的不断扩大，交通运输业的发展也异常迅速，在为人类带来高效便捷的运输条件的同时也带来了诸多交通问题。各国对高速公路交通事件自动检测（Automatic Incident Detection，AID）算法的研究已三十多年，研究过程中也出现过检测效果较优的AID算法[1]。

2、国外高速公路AID算法的研究

针对高速公路AID算法的研究，国外开始较早[2]。

加州算法（1965-1970）作为最早出现的AID算法用于洛杉矶公路管理控制中心。其提出者Payne通过比对相邻检测器之间占有率的变化情况来判断可能存在的交通事件。1978年，他公布了10种基于加州算法之上的改进AID算法，其中加州#7算法和加州#8算法性能更优。

标准偏差法（1970-1975）由德克萨斯州交通协会（TTI）提出，用于休斯顿高速公路I-45的交通监视和控制。算法以判别突发交通事件为主要目标，当一定时段内交通参数的当前值和其平均值之差与其标准偏差的比值在连续两个采样周期内都大于某一预定阈值时，则判定发生交通事件。

双指数平滑算法（1974）由Cook等提出用于突发交通事件的判别。算法将某一交通参数的双指数平滑值作为预测值，和真实值比较来定义跟踪信号值，若超过预定阈值则触发报警。13类参数测试显示，流量和占有率的检测效果更优。

McMaster算法（1990）由Persaud等提出。利用流量、占有率数据构建一个“流量-占有率”分布关系模型，通过比较观测数据与模板之间关系以判断是否发生交通事件。算法首次将由大交通需求所引起的交通事件作为分析对象。

低通滤波算法（1993）由Chassiakos提出。通过对比相邻检测器占有率空间变化情况来判断交通事件是否发生。算法获得较优的检测率及误报率但检测时间过长。

在早期开发的AID算法基础上，以人工智能技术为基础的AID算法在九十年代以后相继出现。

人工神经网络（1991）由Chew等人提出用于高速公路突发交通事件检测。随后，他们又开发了基于多层前馈神经网络的AID算法。该神经网络由输入层、中间层和输出层组成，输入层由上、下游流量、速度、占有率组成，中间层负责处理数据，输出层输出事件和非事件信号。

基于小波理论的AID算法（2003）由华良腾提出。利用小波技术对交通流特征进行提取应用于直接检测交通事件。检测效果均优于MLF网络算法、加州算法以及低通滤波算法。

3、国内高速公路AID算法的研究

国内研究起步晚且理论及技术应用都集中在新理论和新技术方面[3-5]。

姜紫峰等从多层前向人工神经网络角度出发建立交通事件自动检测算法模型（2000）。算法选用不同时刻相邻检测站占有率、流量的仿真数据，检测结果优于加州算法，但该算法存在学习速度慢、训练有局限性等问题。

基于小波分析和神经网络AID算法（2002）由周雪铭提出。与传统的算法相比，算法选用占有率参与检测能更准确的实现数据分类。

基于小波包分析的交通事件自动检测算法（2004）由刘伟铭提出。结合I-880实际速度数据测试显示，小波包变换对事件信息的处理更优。

梁新荣（2006）用支持向量机分类方法研究高速公路交通事件检测的问题。根据事件影响下交通参数的变化规律设计支持向量机的输入向量，实际数据测试结果表明算法检测率高、训练时间短、泛化能力好。

基于支持向量机的高速公路AID算法（2007）由姜桂艳提出。算法设计了能够反映交通流状态的特征向量输入支持向量机，模拟数据测试显示算法检测效果的有效性和可移植性都明显优于加州算法、MLF算法。

多种支持向量机及其组合形式的高速公路AID算法（2007）由蔡志理提出。算法设计了多个交通变量输入支持向量机。结合vissm仿真数据测试显示检测效果优势明显，但对SVM输入向量的设计过于主观。

4、高速公路AID算法研究展望

国外高速公路AID算法的研究开展时间较早，研究多以道路检测器采集获得的基本交通流数据为基础开展，各算法中涉及的交通变量的选取数量经历了从单变量到多变量转化阶段，选择范围尺度经历了从时间变化到空间变化转变过程，理论基础经历了从数理统计分析等常规方法向人工智能方法的发展历程。

以常规方法为基础的早期AID算法大都是在对所选定交通变量之间的关系以及变化规律进行推导、假设的基础上构建模型并利用仿真或实际数据进行检测。此类算法能在一定程度上较好地描述交通流实际运行状态，其中也存在较为经典算法如加州算法。但此类模型大多需要标定阈值来实现检测，不合理的阈值标定会影响算法的检测效果。

随着研究的进展，以人工智能技术为基础的AID算法成为新的研究方向。此类算法不用固定的数学模型即可实现对事件模式与非事件模式的分类但大都需要设定交通变量参与检测，而已有算法对交通变量的选定都不够规范。交通变量选定过多，会造成所包涵信息过于冗余甚至重复进而影响检测效率；选定过少，会造成包涵信息不完备进而影响检测效果。所以在能够充分多角度设计交通变量的基础上，寻找一种有效的方法来对交通变量给予合理选取再配合人工智能理论才能从根本上提高高速公路AID算法的整体检测性能。

5、结语

本文分析了国内外高速公路AID算法的研究现状，在此基础上提出了高速公路AID算法的研究方向。在有效筛选交通变量的基础上配合人工智能技术进行AID算法的设计，才能从根本上提高高速公路AID算法的整体检测性能。

参考文献

[1]姜桂艳.道路交通状态判别技术与应用[M].北京：人民交通出版社，2004.

[2] Martin P.T.，Perrin H.J.，Hansen B.G. Incident detection algorithm evaluation[J]. University of Utah，March，2001.

[3]姜紫峰，刘小坤.基于神经网络的交通事件自动检测算法[J].西安公路交通大学学报，2000.

[4]周雪铭.基于小波分析和神经网络的交通事件自动检测算法算法[J].公路与汽运，2002.

[5]蔡智理.高速公路交通事件自动检测算法研究[D].长春：吉林大学，2007.4.