基于ADASYN-XGBoost的交通事故自动检测方法

基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法(ADASYN-XGBoost)。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法(adaptive synthetic oversampling method,ADASYN)来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明:与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500(18%的初始样本量),150(5%的初始样本量)时,ADASYN-XGBoost的F1分数分别为94.47%,88.89%,81.93%。在进一步的消融实验中,均衡正负样本后各基准模型的性能指标提高了2.68%~44.85%。本文提出的方法能够有效解决道路交通事故检测中的样本不均衡问题,同时也为道路交通安全预防与事故处理等提供了技术保障。

隧道交通事故自动检测仿真研究

采用VISSIM交通仿真软件,对城市隧道内的物理环境进行仿真,可设计出一种基于交通流参数的交通事故自动检测方法。该方法可以方便、快捷、准确地判断隧道内的交通运行状况,因而具有一定的实用价值。

基于小波方程的高速公路交通事故自动检测方法

为了提高高速公路交通事故检测效率并降低误警率,提出了一种基于小波方程的高速公路交通事故自动检测方法。定义了能够反映占有率和速度累积变化的小波方程,构建了事故检测统计量集合,利用突变值确定了最优检测统计量。考虑到检测阈值在不同交通运行状态下对检测效率的影响,通过引入误警贡献度的概念,建立了期望误警率、检测统计量标准差、误警贡献度间的函数关系,提出了一种检测阈值自适应变化策略。研究结果表明:基于小波方程的事故检测算法具有较高的检测率和较低的误警率、以及更快的平均检测时间,在综合各种交通运行情况下,平均检测率可达到94%,误警率可降至1%;自适应阈值策略对事故检测效率影响显著,对交通运行环境的变化具有较强的适应性。

IFAC第七届交通系统学术大会综述

1994年8月24日至26日在天津召开了国际自动控制联台会(简称IFAC)第七届交通系统学术大会。来自26个国家和地区的，170余名国外代表和70余名国内代表出席了会议，其中包括一大批国际著名的交通领域的专家和学者。