交通事件自动检测

如果提前1分钟发现并清理交通
事件，至少可减少4～5分钟的延 误。
to 5 minutes delay.
各国交通工程专家纷纷积极研究和开发运行成本低，能够全天候、全程发挥 作用，检测率高的自动事件检测技术。 Experts have been studied and developed Automatic Incident Detection techniques (AID) which cost less, work 24hours with high detection rate.
近年来
的统计 数据
• 20％-50％的交 通事故是由于受 到已发生交通事 件(称为一次事件) 的影响而造成的， 这些随后发生的 事故被称为二次 事故。
更长
Statistical data
20%-50% second accidents were caused by the first incidents
network links to carry traffic, or
raise the traffic demand abnormally.
抛洒物 spilled loads
交通事故 collision, crash
分类：可预测、不可预测。
可预测事件 道路养护 道路修筑 不可预测事件 事故 车辆抛锚
Type：predicted, unpredicted
predicted
road maintenance road construction Large-scale activities (Sports games 、 Parade 、concert etc.)
unpredicted
accident Vehicle broke down severe weather （rain、snow、 ice、fog） collapse of bridges or road
AID算法大致可分为： 基于模式识别的算法（比较算法） 基于统计技术的算法 基于交通流模型的算法 基于时间序列的算法 基于数据挖掘的算法 ……
AID algorithms including : pattern recognition statistics techniques traffic flow theory
Main reason which cause traffic congestion; Cause the second incidents, reduce the road safety level;
1
2 • 50％以上的二次 事故是在一次事 件发生后10分钟 内发生的
3 • 在城市道路上， 交通事故和车辆 抛锚导致的交通 拥堵占全部拥堵 20％，而且这类 拥堵持续的时间
结论 检测效果与神经网络相当 属性离散化可以
提高检测率
Conclusions
Decision trees learning based AID algorithm can provide comparable performance to neural network Attributes discretizing
定义：交通事件是指导致道路通
行能力下降或交通需求不正常升 高的非周期性发生的情况。
车辆抛锚 vehicle broke down
Definition：Traffic incidents
are defined as unusual events that reduce the capacity of
Decision Tree Learning Rough Sets Classification Partial Least Squares Regression Inductive logic programming Ensemble learning
Partial Least Squares Neural Network Neural Network Ensemble，NNE Support Vector Machine Ensemble， SVM Random Forest
50% second accidents happened within 10 minutes after the first incidents
On urban road, traffic jam caused by accidents and broke down account to 20%, and last much time.
基于SMOTE的事件自动检测算法 基于SVDD算法的事件检测算法
Synthetic Minority Over-Sampling Technique，SMOTE Support Vector Domain Description
基于决策树的AID算法（ Decision Tree Learning Based AID Algorithm）
easily interpret the rules, easy understood by traffic engineers bring to light the relative importance of different variables
交通工程师易理解
不同变量的相对重要性
WEB系统
System structure
Real time collecting sub-system/ sensors Incident detection algorithms ( core ) Data management sub-system
修改配置/显示数据
数采任 务管理 参数配 置管理 数采点 管理 路线路 段管理 系统管理 数据日志管理 数据库
time series and filtering analysis
Data mining …
决策树方法 粗集分类 偏最小二乘回归法 归纳逻辑法 基于集成学习的方法
偏最小二乘神经网络 神经网络集成技术 支持向量机及集成技术 基于随机森林的交通事件检测算法
现代化交通监控中心
1.3 交通事件自动检测系统 Automatic Incident Detection Systems
系统功能 接收从交通信息采集系统传来的数据 判断有无事件发生 发出事件警报
System Function
Receives real time information from sensors; Makes a decision whether an incident happening or not; If so, give the alarms, and formulating effective response strategy;
南京城交院
Automated traffic incidents detection
1. Definition of Traffic Incident and Significance of Incident Detection
一、交通事件定义及事件检测意义
3. Algorithms of Automatic Incident Detection
大型活动（体育比赛、 恶劣天气（雨、雪、 游行、音乐会等） 冰、雾） 桥梁或道路坍塌 货物散落
spilled loads
不利影响：
交通事件造成巨大的经济损失和人员伤亡 交通事件是导致道路拥堵的重要原因之一 交通事件导致二次事故，降低道路安全水平 Adverse effect
Incident cause economic losses, and personal injuries;
事件清理
生成事件处理策略
实时交通 感知 AID算法 否 是
事件警报
Real data
AID
Give alarm
Clear incident
1.3 交通事件自动检测系统 Automatic Incident Detection Systems
系统组成
实时交通信息采集子系统 / 检测器 事件自动检测算法子系统（核心部分） 数据管理子系统
基于决策树的AID算法（ Decision Tree Learning Based AID Algorithm）
Tab. Comparison of three AID algorithms
Algorithms
be st BPNN RBFNN C4.5
1
DR (%)
86.00 90.00 90.00
算法检测的实际事件总 数 DR 100% 所有发生的实际事件总 数.
DR
number of incident cases detected total number of incident cases
误报率（False Alarm Rate，FAR）：
FAR 误报的交通事件总数 100% 给定时间段内所有决策 次数.
number of false alarmcases FAR totalnumber of input instances
平均检测时间（Mean Time To Detection，MTTD）：
1 n MTTD 算法检测到事件 i的时间 事件i实际发生的时间 n i 1
1 n MTTD the timethealarmis initiated- thestart of theith incident n i 1
获取配置/输出结果
数据处理系统
获取数据/输出结果
参数获取 实时数据处理 数据输出 JMS
获取配置/上传数据
终端采集系统
采集参数获取 数据采集 数据上传
数据源