考虑数据异质性和掩蔽问题的高速公路异常交通状况检测

为了提高高速公路交通运行的安全性和协调性,通过获得路段级别的速度来克服道路异质性的问题。针对数据掩蔽问题,构建了基于广义极值T分布偏差模型(Generalized Extreme Studentized Deviate,GESD)异常交通状况检测算法。该方法可同步优化检测率(Detection Rate,DR)和虚警率(False Alarm Rate,FAR),并构建性能指标(Performance Indicator,PI),综合量化检测效果。最后,利用上报的交通事件数据对检测到的异常交通状况进行验证。实证结果表明,GESD模型的综合性能明显优于使用标准正态偏差、绝对中位偏差和内部4分位偏差的方法。GESD的实施有利于对交通状况的准确判断,提高高速公路的风险预警能力。

驾驶员异常交通信息响应特性的分析

根据以城市高速道路为背景的驾驶员交通选择行为的调查结果 ,分析了异常交通状态下驾驶员对信息的需求及其对不同信息的响应特性 。

内耳异常交通的临床意义(附8例报告)

报道了内耳发育性异常交通8例,论述了病因和发病机理,提出鼓膜穿刺可以提供早期诊断线索,而最后确诊则须行鼓室探查术,手术修补效果良好。

硬膜下腔异常交通支血管3例报告

有些急性硬膜下血肿（acute subdural hematoma,ASDH）是不伴有脑挫伤的[1],据报道比例可以高达8%[2]。这种出血的原因,一直以来认为是大脑上静脉注入上矢状窦处,大脑中、浅静脉和颞极静脉注入蝶顶窦处或颞叶后部的下吻合静脉注入乙状窦处桥静脉损伤出血[1]。其实很多头部损伤轻微或没有外伤史的ASDH患者,在手术中并没有发现上述血管损伤。令人不解的是这种现象多年来一直没有引起重视。

超声心动图对心房内异常交通的分型和定位诊断

目的探讨超声心动图对心房内异常交通的分型、定位诊断。方法 28例心房内异常交通患者术前在江西省新余市人民医院进行超声心动图检查,全部病例均经本院及外院手术。结果超声心动图对心房内异常交通的检出率为100%,28例患者中原发孔型房间隔缺损4例,继发孔中央型房间隔缺损21例,静脉窦型2例,冠状静脉窦型1例。结论超声心动图对心房内异常交通的部位、类型及伴随畸形有重要的临床诊断价值,对临床医师决定患者的治疗方案提供了可靠的依据。

基于Kernel-KNN高速公路异常交通态势预测研究

为更精准预测高速公路异常交通态势变化,基于Kernel-KNN算法原理提出了态势预测模型,并调研京石高速公路异常交通态势场景下交通管理及运行监测数据,基于历史数据中速度与交通态势非线性映射关系,在MATLAB中实现了预测过程,确定了预测模型最佳参数取值范围,最后验证了预测模型的有效性。结果表明:高速公路异常交通态势预测模型的精度主要与带宽值B、时间长度T和最近邻数k等3个参数相关,当B、k、T分别在[3,10]、[8,10]、[1,2]范围时,预测模型精度相对稳定,其预测平均绝对误差(MAE)为3.97、平均绝对百分比误差(MAPE)为6.95、均方根误差(RMSE)为3.96,模型精度优于其他算法,且以单日时段速度为例,其预测值与实际速度值较吻合。

ITS中基于视频的交通异常情况检测

交通异常情况检测一直是交通管理中的重要任务,其在智能交通系统中显得尤为重要。传统的检测方法存在许多不足,不能满足视频监控的需要。一种基于视频图像处理的异常情况检测算法,在对视频图像进行非线性校正后,通过基本的图像处理获得较准确的交通信息,对各时刻的交通状态进行判断并可对下一阶段的状态进行预测。实验结果表明该算法具有较强的有效性和在ITS中有较好的应用。

经导管应用弹簧圈堵塞15例异常血管交通患者

应用弹簧圈堵塞15例先天性异常血管交通，其中5例胸主动脉-肺侧支循环，3例完全堵塞，2例部分堵塞；6例直径1．5～3mm的动脉导管未闭5例成功；4例冠状动脉心脏瘘中3例获得成功。除2例弹簧圈漂脱外，末发现其它并发症。结果表明弹簧圈堵塞法简便、经济，为血管堵塞术开辟了新的途径，但只能适用于小的异常血管交通。因此对材料、指征及方法学尚需进一步研究。

基于出租车轨迹数据的交通异常识别算法

为了实现基于出租车轨迹数据的交通异常识别,首先以城市栅格地图模型为框架,提出了一种针对城市路网的多光谱分隔算法;并根据城市路网分别从区域增长与区域融合两种角度,实现了多光谱地图的分割。其次在分割的城市路网基础上,设计了交通异常的识别算法。算法依据单元区域内道路网络拓扑结构构建交通异常图;然后根据出租车路径选择模式的历史规律,计算每个单元区域内不同路径上的出租车轨迹流量的变化;最后根据三倍均方差指标识别单元区域内的交通异常。最后以哈尔滨为例,进行了算例分析。算例结果表明,提出的异常识别算法取得了良好的效果,验证了算法的有效性及准确性。

基于神经网络及关联性修正的交通异常预测研究

为实现城市交通异常管理的主动式响应,给交通异常处置争取更多的时间,减少交通异常对城市路网的影响,提出了一种基于神经网络及关联性修正的交通异常预测方法。基于历史异常数据构建交通异常数据库,并定义了预测模型中的主要参数;构建了基于改进神经网络算法的交通异常预测模型,在此基础上,创新性地提出了结合不同单元区域背景概率及交通异常相关关系挖掘的预测修正算法,对预测结果进行关联性修正以得到最终更加准确的预测结果,大幅提升了模型的预测精度。应用哈尔滨市30 d实例数据训练了所提出的交通异常预测模型,用15 d数据进行了验证,结果表明经过关联性修正的预测模型成功预测次数明显增加,相较于传统方法,预测成功率提升了31.46%,皮尔逊检验值均大于1.642,预测的结果的可信度大于80%的置信水平。

基于短时交通预测的公路交通异常判别方法

普通公路由于受到检测设施布设稀疏的制约,若沿用传统的交通事件自动识别方法,其判别率将低于高速公路或城市道路,而误判率也将高于高速公路或城市道路。为了便于公路管理者对普通公路发生交通异常时及时处理,以短时交通预测为基础,将交通异常的定义作为为判别标准,提出了1种新的交通异常判别方法,该方法能够排除由常发性交通拥挤和幽灵瓶颈现象引起的异常误判。试验表明,基于短时交通预测的公路异常判别方法精度误差在0.2以内,能够较好的实现对交通异常的判别。

混合动态纹理与李群论相结合的交通异常事件监测技术

交通流视频背景较为复杂。当前交通异常事件监测技术无法有效抑制复杂背景下的噪声干扰,导致监测精度低下。为此,提出一种新的混合动态纹理与李群论相结合的交通异常事件监测技术,通过Gabor滤波器对交通视频图像进行滤波处理;采集图像纹理信息,通过时空方向能量对交通异常事件图像动态纹理特征进行提取。依据李群空间中仿射群组不受外界干扰能够保持形状的特性,把交通异常事件状态变量映射至李群空间进行处理。介绍了李群和李代数之间的空间映射关系,给出交通异常事件状态方程和相似匹配度量准则。利用跟踪图像的加权均值对跟踪模板进行更新,实现交通异常事件的监测。实验结果表明,所提技术监测时效和精度均较高。

基于多目标跟踪的交通异常事件检测

针对传统异常行为自动检测方法的准确率和稳定性无法满足多变视频检测需求的问题,将最新的目标检测网络YOLOv3与目标跟踪算法相结合,通过对基于SORT多目标跟踪框架的改进,对检测目标的级联匹配采用了融合运动与外观特征的指标,以适应实际高架桥梁道路监控的情况。然后利用改进的多目标跟踪算法,对城市高架道路监控视频中的目标进行跟踪,配合相应的轨迹判别规则实现对视频中出现的行人、停车和车辆变道的交通行为异常情况的自动判别,具有较高的判别精度,可以达到实际应用目的。

基于视频的智能交通异常检测系统

交通异常情况检测一直是交通管理中的重要任务,其在智能交通系统中显得尤为重要。传统的检测方法存在许多不足,不能满足视频监控的需要。基于此,提出一种基于视频图像处理的异常情况检测算法,在对视频图像进行非线性校正后,通过基本的图像处理获得较准确的交通信息,对各时刻的交通状态进行判断并可对下一阶段的状态进行预测。实验结果表明,该算法具有较强的有效性,在ITS中有较好的应用。

基于路径旅行时间分析的交通异常检测方法

为了综合考虑连续路段通行能力波动对旅行时间的影响,避免由单一路段通行能力的常规性波动所导致的交通异常误判,提出了一种基于路径旅行时间分析的交通异常检测算法。该算法将深圳市路网网格化为若干个地理子区,以地理子区为单位,使用ST-matching地图匹配算法将深圳市出租车GPS坐标记录点匹配到相应路段,采用基于密度的DBSCAN聚类算法计算路径旅行时间的时变异常阈值,来判定旅行时间的异常。该方法成本低廉,实施难度小,能精确灵敏地检测交通网络异常。

基于Spark和小波分析的水上交通异常数据实时检测方法研究

针对不断增加的水路运输产生的水上交通数据量增长,导致的水上交通监测难度更大、处理时间更长,提出一种基于Spark的交通异常数据实时检测方法,通过对船舶自动识别系统(AIS)数据进行处理,对不同类型的交通数据进行分析并写入分布式文件系统HDFS中。然后通过小波分析的方法对AIS数据进行多层分解,去除高频噪声并对数据进行重构,找出AIS数据中的异常信息。通过对异常信息进行分析,结合Spark的数据处理结果,最终实时检测出交通异常数据。实验结果表明能够在短时间内对异常数据进行检测和分析,处理速度快,异常数据检测结果符合该水域的交通情况,检测方法能够为海事部门提供实时、稳定的监管服务。

高速公路交通异常事件预警系统研究

为解决高速公路交通异常事件检测的实时性和可靠性问题,提出了一种基于RFID技术和控制器局域网的预警系统模型和具体架构,分析了系统的工作原理及关键技术。在此基础上,研究了高速公路交通异常事件预警原型系统。实验结果表明,该系统具有反应速度快,可靠性高的特点,能及时向可控范围内的交通参与者发布预警信息,减少交通异常事件带来的人员伤亡与财产损失。