本文關(guān)鍵詞：基于CGA-PNN的高速公路交通事件檢測(cè)算法研究

  更多相關(guān)文章： 交通事件檢測(cè) 概率神經(jīng)網(wǎng)絡(luò) 遺傳算法 混沌理論

【摘要】：近年來(lái),高速公路快速發(fā)展?jié)M足了人們?nèi)找嬖黾拥慕煌ㄐ枨?給人民群眾帶來(lái)了極大便利,推動(dòng)了社會(huì)發(fā)展。伴隨著我國(guó)車輛擁有量的不斷增加,在其帶來(lái)便利的同時(shí),由其引發(fā)的交通擁堵、交通事故等交通問(wèn)題也受到了社會(huì)各界的廣泛關(guān)注。高速公路一旦發(fā)生事件(事故),帶來(lái)的損失難以預(yù)料。所以,通過(guò)對(duì)高速公路交通事件檢測(cè)的研究,提高高速公路運(yùn)輸效率,保障人民生命財(cái)產(chǎn),提供快速、舒適的交通道路環(huán)境十分必要。本文在闡述交通流理論的基礎(chǔ)上,分析了交通事件發(fā)生情況下交通參數(shù)變化情況。為了更好的突出事件發(fā)生前后交通情況,選用交通量、平均速度、占有率的組合形式作為檢測(cè)算法的輸入特征向量,用I-880交通數(shù)據(jù)庫(kù)仿真分析,驗(yàn)證算法的可行性。文中將概率神經(jīng)網(wǎng)絡(luò)(PNN)用于高速公路交通事件檢測(cè),通過(guò)真實(shí)交通數(shù)據(jù)對(duì)PNN模型進(jìn)行仿真。針對(duì)PNN模型的平滑因子難以確定、模式層結(jié)構(gòu)冗余的缺點(diǎn),本文通過(guò)實(shí)數(shù)編碼、自適應(yīng)交叉變異的手段改進(jìn)遺傳算法(GA),形成綜合改進(jìn)遺傳算法(IGA),并將其用于PNN模型的平滑因子、模式層結(jié)構(gòu)優(yōu)化,然后構(gòu)建基于IGA-PNN交通事件檢測(cè)模型,通過(guò)仿真發(fā)現(xiàn)該模型具有較高的檢測(cè)率、準(zhǔn)確率。文章最后引入混沌(Chaos)的概念,采用混沌的方式初始遺傳算法的種群。遺傳算法迭代過(guò)程中,使用混沌方式搜索最優(yōu)個(gè)體附近的參數(shù)空間。通過(guò)混沌的方式,增加初始種群的多樣性,提高算法的局部搜索能力。然后,在此基礎(chǔ)上進(jìn)行基于CGA-PNN的交通事件檢測(cè)仿真,驗(yàn)證了該方法相比于BP、 IGA-PNN方法具有較高的檢測(cè)率、高的準(zhǔn)確率,為高速公路交通事件檢測(cè)給出了新方法。
【關(guān)鍵詞】：交通事件檢測(cè) 概率神經(jīng)網(wǎng)絡(luò) 遺傳算法 混沌理論
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U491
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-16
• 1.1 課題背景及研究意義10-12
• 1.1.1 課題研究背景10-11
• 1.1.2 課題研究目的及意義11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-14
• 1.2.1 國(guó)外研究現(xiàn)狀12-13
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀13-14
• 1.3 論文主要內(nèi)容及章節(jié)構(gòu)成14-16
• 第2章 高速公路事件檢測(cè)原理分析16-26
• 2.1 交通事件基本概念16-21
• 2.1.1 交通流基本參數(shù)16-18
• 2.1.2 交通事件概念18-19
• 2.1.3 交通事件下交通流特性19-21
• 2.2 交通事件檢測(cè)技術(shù)方法21-23
• 2.2.1 交通事件檢測(cè)方法分類21-22
• 2.2.2 交通事件檢測(cè)系統(tǒng)22-23
• 2.3 交通事件自動(dòng)檢測(cè)算法及評(píng)價(jià)指標(biāo)23-25
• 2.3.1 交通自動(dòng)檢測(cè)算法分類23-24
• 2.3.2 交通自動(dòng)檢測(cè)算法評(píng)價(jià)指標(biāo)24-25
• 2.4 本章小結(jié)25-26
• 第3章 基于PNN的交通事件檢測(cè)算法分析與設(shè)計(jì)26-42
• 3.1 概率神經(jīng)網(wǎng)絡(luò)原理26-33
• 3.1.1 Parzen窗估計(jì)法26-28
• 3.1.2 貝葉斯決策理論28-29
• 3.1.3 概率神經(jīng)網(wǎng)絡(luò)基本原理29-33
• 3.2 基于PNN交通事件檢測(cè)算法33-36
• 3.2.1 PNN算法適應(yīng)性分析33-34
• 3.2.2 基于PNN交通事件自動(dòng)檢測(cè)算法設(shè)計(jì)34-36
• 3.3 基于PNN的交通事件檢測(cè)36-41
• 3.3.1 交通仿真數(shù)據(jù)來(lái)源36-39
• 3.3.2 仿真分析39-41
• 3.4 本章小結(jié)41-42
• 第4章 基于IGA-PNN交通事件檢測(cè)研究42-58
• 4.1 遺傳算法原理概述42-45
• 4.1.1 遺傳算法基本原理42-43
• 4.1.2 基本遺傳算法流程43-45
• 4.2 遺傳算法改進(jìn)方法研究45-49
• 4.2.1 編碼分析45-46
• 4.2.2 自適應(yīng)遺傳算法46
• 4.2.3 綜合改進(jìn)遺傳算法46-47
• 4.2.4 改進(jìn)方法仿真對(duì)比47-49
• 4.3 基于IGA-PNN交通事件檢測(cè)算法分析49-53
• 4.3.1 基于IGA-PNN交通事件檢測(cè)的關(guān)鍵點(diǎn)49-51
• 4.3.2 IGA-PNN算法流程設(shè)計(jì)51-53
• 4.4 仿真結(jié)果及分析53-56
• 4.4.1 基于GA-PNN交通事件檢測(cè)仿真53-55
• 4.4.2 仿真結(jié)果對(duì)比分析55-56
• 4.5 本章小結(jié)56-58
• 第5章 基于CGA-PNN模型交通事件檢測(cè)研究58-67
• 5.1 混沌基本理論58-59
• 5.1.1 混沌理論58-59
• 5.1.2 常用的混沌映射59
• 5.2 基于CGA-PNN交通事件算法設(shè)計(jì)59-63
• 5.2.1 混沌遺傳優(yōu)化算法基本思想59-60
• 5.2.2 混沌遺傳優(yōu)化算法流程60-61
• 5.2.3 基于CGA-PNN交通事件檢測(cè)算法設(shè)計(jì)61-63
• 5.3 仿真結(jié)果及分析63-66
• 5.3.1 基于CGA-PNN交通事件檢測(cè)仿真63-64
• 5.3.2 仿真結(jié)果及對(duì)比分析64-66
• 5.4 本章小結(jié)66-67
• 總結(jié)與展望67-69
• 致謝69-70
• 參考文獻(xiàn)70-75
• 攻讀碩士學(xué)位期間發(fā)表的論文75

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 童劍軍;;設(shè)計(jì)是關(guān)鍵——高速公路交通事件檢測(cè)技術(shù)的設(shè)計(jì)、使用與評(píng)測(cè)[J];中國(guó)交通信息產(chǎn)業(yè);2007年09期

2 童劍軍;;能干啥 想干啥——高速公路交通事件檢測(cè)技術(shù)的設(shè)計(jì)、使用與評(píng)測(cè)之二[J];中國(guó)交通信息產(chǎn)業(yè);2007年12期

3 童劍軍;;好不好 值不值——交通事件檢測(cè)技術(shù)的設(shè)計(jì)、使用與評(píng)測(cè)之三[J];中國(guó)交通信息產(chǎn)業(yè);2008年02期

4 羅鵑;何彥輝;;秦嶺終南山公路隧道火災(zāi)和交通事件檢測(cè)研究[J];中國(guó)交通信息化;2011年05期

5 張?jiān)苽?劉躍明;交通事件檢測(cè)的一種濾波算法[J];云南工業(yè)大學(xué)學(xué)報(bào);1998年04期

6 姜紫峰,劉小坤;基于神經(jīng)網(wǎng)絡(luò)的交通事件檢測(cè)算法[J];西安公路交通大學(xué)學(xué)報(bào);2000年03期

7 呂琪,王慧;基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型的交通事件檢測(cè)算法[J];公路交通科技;2003年06期

8 溫慧敏,楊兆升;交通事件檢測(cè)技術(shù)的進(jìn)展研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2005年01期

9 李傳志;胡如夫;;公路交通事件檢測(cè)技術(shù)的研究與展望[J];交通科技與經(jīng)濟(jì);2008年05期

10 鄭玉興;;交通事件檢測(cè)系統(tǒng)在高速公路中的應(yīng)用[J];北方交通;2009年07期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前6條

1 溫慧敏;楊兆升;姜桂艷;邵長(zhǎng)豐;;基于多層感知器神經(jīng)網(wǎng)絡(luò)的高速公路交通事件檢測(cè)方法[A];第七屆北京青年科技論文評(píng)選獲獎(jiǎng)?wù)撐募痆C];2003年

2 姚智勝;邵春福;;基于v-支持向量分類機(jī)的交通事件檢測(cè)方法研究[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（上冊(cè)）[C];2005年

3 溫慧敏;;交通事件檢測(cè)數(shù)據(jù)融合技術(shù)研究[A];第一屆中國(guó)智能交通年會(huì)論文集[C];2005年

4 高穎;;快速路交通事件檢測(cè)算法研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國(guó)家——2006中國(guó)科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

5 覃頻頻;牙韓高;黃大明;;基于Logit模型的城市道路交通事件檢測(cè)仿真[A];第一屆中國(guó)智能交通年會(huì)論文集[C];2005年

6 劉小明;蔣新春;張杰;吳家宇;;基于視頻檢測(cè)的高速公路車輛交通行為安全狀態(tài)分析[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 王國(guó)忠 李岸;我省高速公路信息監(jiān)控中心二期工程將重點(diǎn)建五大系統(tǒng)[N];山西日?qǐng)?bào);2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 蔡志理;高速公路交通事件檢測(cè)及交通疏導(dǎo)技術(shù)研究[D];吉林大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張凱;高速公路交通事件檢測(cè)與仿真研究[D];長(zhǎng)安大學(xué);2009年

2 沈舒;高速路網(wǎng)運(yùn)行狀態(tài)評(píng)估模型、仿真及技術(shù)實(shí)現(xiàn)[D];南京大學(xué);2013年

3 謝聰;基于CGA-PNN的高速公路交通事件檢測(cè)算法研究[D];西南交通大學(xué);2016年

4 李桂林;基于視頻圖像的逆行交通事件檢測(cè)方法的研究[D];安徽工程大學(xué);2016年

5 劉清泉;基于混合支持向量機(jī)多分類器的交通事件檢測(cè)方法研究[D];長(zhǎng)沙理工大學(xué);2009年

6 曾鋼;高速公路交通事件檢測(cè)建模及應(yīng)用研究[D];中南大學(xué);2009年

7 邵士雨;基于視頻的交通事件檢測(cè)算法研究[D];山東大學(xué);2013年

8 代青敏;高速公路交通事件檢測(cè)算法研究[D];長(zhǎng)安大學(xué);2012年

9 王琪;基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的高速公路交通事件檢測(cè)[D];西南交通大學(xué);2006年

10 李馳新;基于神經(jīng)網(wǎng)絡(luò)的交通事件檢測(cè)系統(tǒng)研究[D];蘭州理工大學(xué);2006年

，

本文編號(hào)：552357