基于BP神经网络的交通异常事件自动检测算法

往局限于仿真数据研究的局限,利用实地采集的交通异常事件数据,成功运用BP神经网络方法建立检测模型,避免了传统算法因人为建立的模型与实际情况不符导致检测不准确的情况。交通异常事件自动检测算法在交通事件检测系统特别是ITS实施中占有极其重要的位置,如何开发研究出更加高效的算法是一个极有前途的课题。神经网络算法是目前最流行的算法之一,神经网络算法与其他几种动态交通流模型对比典型算法的结合是研究热点和发展趋势。参考文献[1]JIANGZifeng.MacroandmicrofreewayAIDmethodbasedonimageprocessing[A].IEEEITSConference[C].Boston,1997.[2]朱杰,杨进峰.交通事件小波神经网络算法的探讨[J].武汉理工大学学报,2004,26(2):6163.[3]姜紫峰,刘小坤.基于神经网络的交通事件检测算法[J].西安公路交通大学学报,2000,20(3):1518.[4]沈晓蓉,王川久.基于实测数据评估交通事件检测中神图4BP网络测试结果经网络应用性的研究[J].公路交通科技,2005,22(9):127129.可见,验证结果和训练结果能很好的拟合。交[5]周雪铭.基于小波分析和神经网络的交通事件自动检测通异常事件自动检测算法判别的可能结果包括无:[J].公路与汽运,2002,25(3):1012.异常事件正确检测、有异常事件正确检测、无事件错[6]高学辉.高速公路特殊路段交通检测与诱导系统研究误报警和有事件漏检。其中后两种属于误报。[D].山东:山东科技大学,2006.评价高速公路交通异常事件自动检测算法最常[责任编辑:王欣]用性能评估指标是检测率(DetectionRate,DR)、平均检测时间(MeanTimetoDetect,MTD)和误报率(FalseAlarmRate,FAR)[7]。