基于CNN的城市道路交通事件檢測算法

施俊慶，陳林武，李素蘭，孟國連，夏順?gòu)I

(1. 浙江師范大學(xué) 工學(xué)院, 浙江 金華 321004;2. 浙江師范大學(xué) 浙江省城市軌道交通智能運(yùn)維技術(shù)與裝備重點(diǎn)試驗室, 浙江 金華 321004;3. 武漢市橋梁維修管理處, 湖北 武漢 430014)

0 引言

城市道路發(fā)生交通事件之后，往往會造成道路通行能力下降，形成偶發(fā)性交通擁堵。如果不能及時有效地處理交通事件，可能會造成交通擁堵惡化，導(dǎo)致路網(wǎng)內(nèi)的大面積擁堵，嚴(yán)重時可導(dǎo)致交通癱瘓。及時有效地檢測并疏導(dǎo)城市道路交通事件，是緩解城市交通擁堵的有效途徑，也是交通管控的重要組成部分。

交通事件檢測分為非自動檢測和自動檢測兩種。非自動檢測以人工的方式來檢測并報告交通事件。自動檢測通過識別和分析交通流參數(shù)的變化來判別交通事件，主要包括比較算法、統(tǒng)計算法和時間序列算法等[1]。比較算法中的加州算法是最早也是最典型的交通事件自動檢測(Automatic Incident Detection, AID)算法，該算法根據(jù)相鄰檢測器之間的占有率差值判別交通事件[2]。在此之后又相繼出現(xiàn)了多種算法，如對加利福尼亞算法進(jìn)行改進(jìn)的多目標(biāo)事件檢測算法(APID)[3]、貝葉斯算法[4]、標(biāo)準(zhǔn)正態(tài)偏差算法[5]、隨機(jī)森林法[6]、小波變換理論算法[7-8]和粒子群算法SVM模型[9]等。上述方法在高速公路以及城市快速路系統(tǒng)中得到了很好的應(yīng)用[10]。

大多數(shù)AID算法都以感應(yīng)線圈檢測器數(shù)據(jù)為主。隨著GPS設(shè)備的不斷完善，通過浮動車數(shù)據(jù)(Floating Car Data, FCD)能夠更為精確實(shí)時地獲取車輛信息(如位置、速度和行駛方向等)，且成本更低，為事件檢測提供了新的契機(jī)[10]。……