计算机技术和应用3(2012)361 - 367 监控高速公路事件检测使用霍特林T ^ 2控
制图
1.理工学院的纽约大学,六MetroTech中心,布鲁克林,纽约11201,美国。
2.乔治敦预备学校,10900年罗克维尔市梭子鱼、北马里兰州贝塞斯达20852,美国。
3.部门的工业和系统工程,哈利法Universiyt科学、技术和研究,阿布扎比,阿拉伯联合酋长国。 4.部的自然科学,华盛顿浸会大学,安嫩代尔,弗吉尼亚州22003,美国。
收到了:2012年3月12日/接受:2012年3月31日/出版:2012年5月25日。
文摘:在现实生活中的公路交通运输系统,一些数量的事件观察(非常罕见的事件)可用而存在 大量的正常状态数据集大多数的研究高速公路事件检测已经考虑这一事件检测问题分类一然而,因为不足的事件事件,最先前的研究利用模拟事件事件发展高速公路事件检测模型以便克服这个缺点这提出了一个霍特林T ^ 2噪声控制图对高速公路事件检测,集成了一个小波变换成一个abnorma1检测方法首先,小波变换提取特征usefu1嘈杂的原始交通observations.1eading减少维度的输入向量然后,旅馆业T ^ 2控制图描述了一个决策边界只有正常流量观测与选择的特性在现有事件不同域的小波变换检测算法,需要大量的事件观察来构造事件检测模型,该方法可以决定一个决定边界只给予正常训练观测结果进行了评价方法相比,加州算法明尼苏达州算法和传统神经网络实验结果呈现,本文提出的算法是一种很有前途的altemative高速公路自动事件侦测到。
关键词:高速公路事件,事件检测算法,旅馆业T ^ 2控制图,小波变换、特征选择。 1.引入
自动检测在高速公路上的事件本质上是的一个主要功能一个先进的交通管理系统(ATMS), 这是最重要的部分智能运输系统(ITS)的精确和快速的事件检测是特别重要的改进。高速公路的能力,因为事件原因严重减少交通流量或次要的事件,这可能导致许多牺牲人类生活和成本许多高速公路事件检测算法是发展在过去的几十年。
通讯作者:Yotmgsul Jeong,博士,教授,研究领域:环境工程、环境和交通信息和数据挖掘的电子邮件:ysjeong@wbcs.edu。
这些算法包括加州算法[1],明尼苏达州算法[2],基于神经网络算法【3】,非参数回归[7],支持 向量机(SVM)【8】,决策树学习[9],和小波变换的基础算法[13]。然而,由于交通数据依赖和高 误警率(远)现有的算法,大多数交通信息中心并不是操作它们。最近,一个小波变换,这是其中的一个有前途的技术领域中的信号分析和数据挖掘,已经申请了交通事故检测[12]因为高超的能力的去噪,小波变换用于提取信息功能从嘈杂的原始流量使用前输入向量测量到事件。
