高速公路意外事件影响下的车辆行为模型与事件检测研究

论文题目: 高速公路意外事件影响下的车辆行为模型与事件检测研究

论文类型: 博士论文

论文专业: 交通信息工程及控制

作者: 陈斌

导师: 金炜东

关键词: 交通工程,意外事件检测模型,智能主体,多层前馈网络,支持向量机,小波变换

文献来源: 西南交通大学

发表年度: 2005

论文摘要: 近年来,高速公路交通在促进我国经济建设和社会发展的过程中起到了重要的作用。然而,高效、安全、畅通的高速公路交通需要先进的交通管理系统作为保障。正如ITS用户服务体系所描述的那样,高速公路意外事件管理是建立先进交通管理系统的重要内容,而该内容的关键技术之一便是意外事件的检测。 “高速公路意外事件下的车辆行为模型与事件检测研究”便是围绕该关键技术展开的具有探索性和系统性的研究工作。作者在阅览大量文献、广泛开展调查研究的基础上,按照“检测模型构建需要数据支持、数据支持需要交通流微观仿真、而微观仿真离不开行为模型”的思路,围绕“意外事件下的车辆行为模型分析与重建”、“交通流仿真”与“意外事件检测”三个环节展开工作。 1.通过对高速公路意外事件发生时车辆行为的调查,分析了意外事件对高速公路道路资源的占用和对交通流的影响。开发了车辆跟驰模型数值模拟系统,对现有模型进行了数值分析,描述了模型的特点和在特定环境下存在的问题。进行了特殊过程下的车辆跟驰试验,开展了车道变换行为调查,对意外事件影响下的强制变换和自愿变换进行了分析,并对现有模型进行了测试。 2.引入智能主体理论,建立了车辆主体的结构原型。构建了跟驰模型的框架,提出了基于智能主体的跟驰模型,给出了该模型中车辆主体的属性。特别地,对属性中的间距愿望进行了定量研究;利用比例微分控制,建立了加速度愿望模型。此外,建立了基于智能主体的车道变换模型;给出了该模型的属性分析并细化了元组。构建了车道变换的四个规则:抽象了车道变换的空间关系,构造利益函数对空间关系进行了定量描述,建立了车道变换的时间规则和状态规则,定量分析、确定了车道变换的主观意愿规则。在此基础上,对构建的新模型进行了验证。 3.对车辆主体进行了属性分析,建立了它的实体模型。提出基于分层解析的需求分析思路,构造了多车辆主体之间的关系,对其通信和协作进行了描述。对不同控制域的关系进行了分析,为进一步开展仿真奠定了逻辑基础。为确保仿真的准确性和真实性,对高速公路交通流及驾驶员等属性进行了调查分析。探讨了车辆产生与随机数发生等问题,利用“C程序设计”开发了“AID—Simulation”仿真平台。在此基础上,结合数据标定,建立了意外事件下的四车道高速公路交通流断面检测参数数据库。 4.引入神经网络理论,建立了基于MLF的意外事件检测模型,给出了模型

论文目录:

第1章绪论

1.1 问题来源和研究意义

1.1.1 高速公路意外事件及其影响

1.1.2 问题来源

1.1.3 研究意义

1.2 国内外发展现状分析

1.2.1 车辆行为模型发展分析

1.2.2 交通流仿真发展分析

1.2.3 检测模式现状分析

1.2.4 检测算法发展分析

1.3 问题的提出

1.4 研究的目标与主要内容

1.4.1 研究目标

1.4.2 主要内容

1.5 研究的关键问题

1.6 研究方法与技术路线

1.6.1 采取的研究方法

1.6.2 技术路线

1.7 结构安排

第2章高速公路意外事件下的车辆行为与模型分析

2.1 高速公路意外交通事件与车辆行为

2.1.1 意外事件占用道路资源的特性

2.1.2 意外事件对交通流的影响

2.2 意外事件影响下的跟驰模型分析设定

2.2.1 分析的目的与对象

2.2.2 分析假设与意外事件影响模拟

2.2.3 数值模拟系统

2.3 意外事件下的跟驰模型性能分析

2.3.1 线性跟驰模型数值模拟及分析

2.3.2 非线性跟驰模型数值模拟及分析

2.3.3 基于紧急制动的防碰撞模型

2.3.4 基于期望间距的跟驰模型数值模拟分析

2.3.5 跟驰模型分析结果

2.4 特定过程下的车辆跟驰试验

2.4.1 车辆跟驰正交试验方案

2.4.2 车辆跟驰试验

2.5 意外事件下的车道变换行为与模型分析

2.5.1 车道变换条件调查

2.5.2 车道变换模型分析

2.5.3 意外事件下的车道变换行为

2.5.4 车道功能转换对车道变换的影响

2.6 小结

第3章基于智能主体的车辆跟驰与车道变换模型

3.1 智能主体与多主体系统

3.1.1 智能主体理论

3.1.2 多主体系统理论

3.2 智能主体和多主体系统与车辆行为的联系

3.3 基于智能主体的跟驰模型框架与车辆主体结构

3.3.1 跟驰模型框架与多车辆主体系统

3.3.2 车辆主体的结构

3.4 车辆跟驰的BDI模型

3.4.1 车辆跟驰的B_F模型

3.4.2 车辆跟驰的D_F模型

3.4.3 车辆跟驰的I_F模型

3.5 车辆跟驰中愿望的描述

3.5.1 间距愿望的描述

3.5.2 基于PD控制的加速度愿望描述

3.6 车辆跟驰的意图描述

3.7 基于Agent的车道变换模型框架

3.8 车道变换的BDI模型

3.8.1 车道变换模型的B_C模型

3.8.2 车道变换模型的D_C模型

3.8.3 车道变换模型的I_C模型

3.9 车道变换模型的空间规则

3.9.1 车道变换模型的空间关系

3.9.2 空间关系的利益函数构建

3.10 车道变换的时间规则

3.11 车道变换的状态规则

3.12 车道变换的主观意愿规则

3.12.1 主观意愿的调查与分析

3.12.2 主观意愿规则的建立与试验

3.13 模型验证

3.13.1 跟驰模型验证

3.13.2 车道变换模型验证

3.14 小结

第4章意外事件下的高速公路交通流仿真与意外事件数据库

4.1 车辆主体属性与实体模型

4.1.1 车辆主体的属性

4.1.2 车辆主体的实体模型

4.2 基于分层解析的需求分析

4.2.1 分层解析需求分析思路

4.2.2 基于分层解析的需求分析

4.3 多车辆主体系统之间的协同工作

4.3.1 多车辆主体系统之间的通信

4.3.2 多车辆主体系统之间的协商

4.4 系统控制域的相互关系

4.5 仿真前的交通调查

4.5.1 驾驶员属性调查

4.5.2 交通组成调查

4.5.3 交通流参数调查

4.5.4 期望速度调查

4.6 随机变量与车辆产生

4.6.1 随机变量的生成与随机数的产生

4.6.2 车辆产生

4.7 仿真平台与功能

4.8 参数标定与数据库生成

4.8.1 参数标定

4.8.2 数据库的生成

4.9 小结

第5章基于MLF的高速公路意外事件检测模型及其规律分析

5.1 检测性能评价指标的改善

5.2 被处理信息与拟选模型

5.3 基于BP算法的MLF模型

5.3.1 基于BP算法的MLF模型与实现

5.3.2 标准算法的改进

5.4 基于MLF的高速公路意外事件检测模型建立

5.4.1 检测模型基本结构及检测原理

5.4.2 训练数据

5.4.3 神经网络的训练

5.5 基于MLF检测模型的输入特征规律分析

5.5.1 单侧输入与双侧输的分析

5.5.2 多时阶与单因素特征分析

5.5.3 多因素组合输入特征检测性能分析

5.6 检测模型的隐层结构特征分析

5.7 不同神经网络检测模型的比较

5.8 小结

第6章基于SVM的高速公路意外事件检测模型

6.1 线性可分SVM及其应用

6.1.1 线性可分SVM的数学描述

6.1.2 线性可分SVM的应用

6.2 非线性可分SVM分类器的描述与高维推广

6.2.1 非线性可分SVM分类器

6.2.2 SVM分类器的高维推广

6.2.3 非线性可分SVM分类的应用

6.3 SVM分类器中核的分析

6.4 SVM分类器用于事件检测的分析与实现

6.5 基于SVM的高速公路交通意外事件检测

6.5.1 检测信息分析

6.5.2 意外事件检测

6.5.3 模型中不同核的性能测试与选择

6.6 不同输入的高速公路交通意外事件检测分析

6.6.1 单双侧输入的对比分析

6.6.2 组合输入的效果对比分析

6.7 小结

第7章基于WT的高速公路意外事件检测模型

7.1 一维连续小波变换及事件检测分析

7.1.1 小波变换原理与一维连续小波变换

7.1.2 一维连续小波变换高速公路意外事件检测试验

7.2 一维离散小波变换及事件检测分析

7.2.1 一维离散小波变换

7.2.2 一维离散小波变换高速公路意外事件检测试验

7.3 二维小波变换与事件检测分析

7.3.1 二维小波变换

7.3.2 二维小波变换高速公路意外事件检测试验

7.4 基于离散小波的意外事件检测模式

7.4.1 一维离散小波意外事件检测流程

7.4.2 检测的判别模式及其实现

7.5 检测模型中尺度和小波基的选择

7.6 小结

第8章意外事件检测模型应用与改善

8.1 模型检测数据库设置

8.2 模型检测试验结果与对比分析

8.3 模型改善与性能测试

8.4 在线检测时间与检测车道的规律分析

8.4.1 在线检测时间的基本规律

8.4.2 单车道与双车道意外事件的检测规律

8.5 小结

结论

研究结论

论文创新

进一步研究的思考

致谢

参考文献

攻读博士期间发表的论文及科研成果

发布时间: 2006-03-06

高速公路意外事件影响下的车辆行为模型与事件检测研究

猜你喜欢