基于Ａｄａｂｏｏｓｔ算法的交通事件檢測

摘要：提出一種Adaboost BP神經網絡的交通事件檢測方法：以上下游的流量和占有率作為特征，用BP神經網絡作為分類器進行交通事件的自動分類與檢測。在BP神經網絡的訓練過程中。提出一種新的訓練算法。提高了神經網絡的分類能力。為了進一步提高神經網絡的泛化能力，采用改進的Adaboost算法，進行網絡集成。運用Matlab進行仿真分析。結果表明所提出的交通事件檢測算法具有較好的檢測性能。

關鍵詞：Adaboost算法；交通事件檢測；BP神經網絡；分類器

0 引言

高速公路事件是指高速公路上的偶發性事件。如車輛交通事故、故障停車、貨物散落等。偶發性事件阻礙交通流的正常運行，引發擁擠并導致車輛的延誤。因此。需要建立+完善的事件管理系統，對事件實現快速、高效、恰當的處理。事件檢測是事件管理的第一步，也是關鍵的一步，是解決偶發性事件的有效途徑之一。

人們開發了各種各樣的事件檢測算法，包括模式識別算法、統計預測算法以及智能檢測算法。近年來的研究主要集中于智能檢測算法，這類方法主要包括貝葉斯算法、McMaster算法、小波分析算法、神經網絡算法等。

本文提出了一種新穎的基于Adaboost BP神經網絡的交通事件檢測方法：將交通事件檢測作為一個分類問題，以上下游的流量和占有率為特征作為BP神經網絡分類器的輸入，進行交通事件的自動分類和檢測；為進一步提高神經網絡的泛化能力，采用改進的Adabcost算法進行網絡集成。實驗結果表明，該交通事件檢測算法具有潛在的應用價值。

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。