基于模糊聚类和RBF神经网络的高速公路事件自动探测算法研究

摘要

该文分析了高速公路事件探测的原理、方法并对目前各国已经开发的主要事件自动探测算法进行了综述,同时指出了公路事件探测系统与ITS(智能交通系统)的关系.通过对各种事件探测算法的研究和比较,该文提出了一种基于模糊聚类技术和RBF神经网络的混合智能事件探测算法,同时改进了用于RBF神经网络训练的OLS(正交最小二乘)选择算法.仿真实验证明,改进的OLS选择算法大大提高了RBF神经网络的训练速度,同时具有无须事先确定RBF中心的优点,将之运用于高速公路事件探测可以获得满意的性能.

目录

文摘

英文文摘

致谢

第一章绪论

1.1公路事件的定义及其影响

1.2研究开发事件探测系统的意义

1.3事件探测系统的研究现状

1.4课题背景及研究内容

1.5本文结构

第二章公路事件探测系统简介

2.1公路事件探测的基本原理

2.2事件自动探测系统的构成

2.3公路事件自动探测系统与智能交通系统(ITS)的关系

2.3.1 ITS简介

2.3.2公路事件探测系统与ITS的关系

2.4本章小结

附图

第三章高速公路事件自动探测算法概述

3.1事件自动探测算法性能评价指标

3.2事件自动探测算法的输入输出参数

3.3开发事件探测算法的数据来源

3.4高速公路事件自动探测算法的分类及其评价

3.4.1基于模型的高速公路事件自动探测算法

3.4.2无模型的智能探测算法

3.5影响事件探测算法性能的因素

3.6事件自动探测算法的研究现状

3.7本章小结

第四章基于模糊聚类和RBF神经网络的事件探测算法

4.1 RBF神经网络简介

4.1.1 RBF神经网络结构

4.1.2 RBF网络的训练算法

4.1.3 RBF神经网络与MLP等神经网络的比较

4.2 RBF网络的OLS前向选择算法及其改进

4.2.1 OLS算法

4.2.2 OLS算法的改进

4.3本文中采用的神经网络事件探测结构

4.3.1 MLP网络结构

4.3.2 RBF网络事件探测结构

4.4本章小结

第五章仿真实验及结果分析

5.1交通模型的基本概念及分类

5.2微观交通流仿真软件简介

5.3交通流仿真数据的采集

5.4算法仿真实验过程

5.4.1仿真实验过程

5.4.2性能评价指标说明

5.5实验结果及分析

5.5.1改进OLS算法的有效性

5.5.2 RBF与MLP网络用于事件探测的比较

5.5.3道路几何线形对事件探测性能的影响

5.6本章小结

第六章结论及展望

6.1本文算法与传统算法的比较

6.2本文算法与常规MLP网络探测算法的比较

6.3神经网络事件探测算法在实际运用时的两个问题

6.4高速公路事件自动探测算法的发展方向

参考文献

作者在攻读硕士学位期间的主要科研工作

作者在攻读硕士学位期间发表的论文