基于AdaBoost集成PSO-RBF的高速公路交通事件檢測(cè)算法研究.pdf

1、高速公路，作為引領(lǐng)現(xiàn)代文化交流，促進(jìn)經(jīng)濟(jì)快速發(fā)展的紐帶，在我國(guó)已得到迅速蓬勃的發(fā)展，給人們的生產(chǎn)生活帶來了極大的方便和快捷。與此同時(shí)其安全、暢通、效率等問題也同樣引起了人們的普遍關(guān)注。由于現(xiàn)代高速公路的復(fù)雜性和特殊性，道路一旦發(fā)生任何形式的交通事件，其通行能力都會(huì)嚴(yán)重受阻，甚至?xí){到人們的生命財(cái)產(chǎn)安全。如果不及時(shí)采取措施，其后果不堪設(shè)想。因此，如何準(zhǔn)確快速的檢測(cè)出交通事件，進(jìn)而采取合理有效的措施，把損失降到最低點(diǎn)，是人們一直研究探討的

2、課題。交通事件檢測(cè)算法作為交通事件檢測(cè)的核心，其綜合性能的好壞直接關(guān)系到整個(gè)檢測(cè)系統(tǒng)的穩(wěn)定性。因此，對(duì)交通事件檢測(cè)算法的研究具有十分重要的意義。
　　交通事件檢測(cè)模型的建立是以交通事件發(fā)生點(diǎn)上下游交通流參數(shù)變化為依據(jù)。本文也遵循這種思路，根據(jù)交通流參數(shù)突變?cè)?，設(shè)計(jì)了基于RBF交通事件檢測(cè)模型。鑒于RBF網(wǎng)絡(luò)參數(shù)的確定過分依賴人為經(jīng)驗(yàn)等因素，這里采用了PSO算法對(duì)RBF網(wǎng)絡(luò)參數(shù)進(jìn)行改進(jìn)優(yōu)化;針對(duì)基本粒子群算法優(yōu)化精度不高等問題，本

3、文運(yùn)用不同方式對(duì)標(biāo)準(zhǔn)PSO算法進(jìn)行優(yōu)化改進(jìn)，建立了基于IPSO-RBF的事件檢測(cè)模型，并取得了較好的檢測(cè)效果。最后根據(jù)弱分類器差異越大，其集成效果越好的原則，采用AdaBoost算法集成不同模型結(jié)構(gòu)的IPSO-RBF弱分類器，利用該模型實(shí)現(xiàn)對(duì)交通事件的檢測(cè)。
　　本文對(duì)比分析了交通數(shù)據(jù)信息采集的不同方式，最終設(shè)計(jì)實(shí)現(xiàn)了基于視頻圖像采集交通流數(shù)據(jù)信息的方法。以I-880交通數(shù)據(jù)為依托，運(yùn)用MATLAB R2013a平臺(tái)進(jìn)行仿真。通過