本發(fā)明涉及一種能夠全自動(dòng)在線(xiàn)檢測(cè)并定位道路交通事件的方法，屬于監(jiān)測(cè)技術(shù)領(lǐng)域。

背景技術(shù)：

道路出現(xiàn)交通事故、車(chē)輛拋錨或物品撒落等交通事件時(shí)，交通流的演化特性往往與正常交通狀態(tài)時(shí)出現(xiàn)較大差異，其演化連續(xù)性往往會(huì)被打破。如果不能及時(shí)準(zhǔn)確地發(fā)現(xiàn)并定位這些事件，則會(huì)導(dǎo)致上游路段的大面積擁堵甚至二次事故的發(fā)生。人工報(bào)警方式是目前應(yīng)用最多的方式，但是存在報(bào)警時(shí)間長(zhǎng)、地點(diǎn)定位精度低的明顯缺點(diǎn)。雖然近年來(lái)手機(jī)定位等技術(shù)在電話(huà)報(bào)警中的引入明顯提高了事故定位精度，也大大消除了人工描述事故位置所耗費(fèi)的時(shí)間，但是這種報(bào)警方式容易受到事件所致的設(shè)備損毀、人員傷亡等因素的影響，在很多情況下會(huì)大大延誤事故救援和事件處理的及時(shí)性。另外，如果基于該報(bào)警信息向上游車(chē)輛進(jìn)行警告和交通疏導(dǎo)信息的發(fā)布，信息的中轉(zhuǎn)延遲時(shí)間也會(huì)較長(zhǎng)。如果能夠充分利用道路上布設(shè)的監(jiān)控?cái)z像機(jī)及時(shí)發(fā)現(xiàn)交通事件并準(zhǔn)確定位出事件點(diǎn)的具體位置，然后自動(dòng)將信息傳送給交通管理中心并同時(shí)通過(guò)可變信息板及車(chē)輛協(xié)同設(shè)備等把事件點(diǎn)的精確信息廣播給上游車(chē)輛，則必將有利于交通事件的及時(shí)救援和處理、交通疏導(dǎo)信息及時(shí)發(fā)布以及二次事故的有效預(yù)防，以及為車(chē)聯(lián)網(wǎng)、人車(chē)路協(xié)同及未來(lái)無(wú)人駕駛技術(shù)提供有力支持。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)之弊端，提供一種交通事件檢測(cè)與定位方法，為交通事件的及時(shí)發(fā)現(xiàn)和處理以及二次事故的預(yù)防提供有力支持。

本發(fā)明所述問(wèn)題是以下述技術(shù)方案實(shí)現(xiàn)的：

一種交通事件檢測(cè)與定位方法，所述方法首先以車(chē)道為單位按照一定的時(shí)間間隔進(jìn)行換道特征參數(shù)的統(tǒng)計(jì)，然后在計(jì)算車(chē)道的原屬車(chē)輛換出率的基礎(chǔ)上，采用閾值法判斷車(chē)道內(nèi)是否發(fā)生了交通事件，對(duì)于被判定為發(fā)生了交通事件的車(chē)道，將車(chē)輛變道的換入點(diǎn)和換出點(diǎn)分別視為正樣本和負(fù)樣本，通過(guò)計(jì)算兩類(lèi)樣本的最優(yōu)分類(lèi)面來(lái)實(shí)現(xiàn)事件點(diǎn)位置的精確計(jì)算。

上述交通事件檢測(cè)與定位方法，所述方法包括以下步驟：

a.對(duì)每條車(chē)道均按一定時(shí)間間隔記錄其換道點(diǎn)數(shù)據(jù)；

b.基于車(chē)輛換出率的交通事件檢測(cè)

①原屬車(chē)輛換出率的計(jì)算

計(jì)算當(dāng)前車(chē)道i在當(dāng)前時(shí)段j內(nèi)的原屬車(chē)輛換出率rco(i,j)：

式中，n(i,j)為當(dāng)前車(chē)道i在當(dāng)前時(shí)段j內(nèi)的原屬車(chē)輛數(shù)，nco(i,j)為原屬車(chē)輛中在監(jiān)測(cè)路段范圍內(nèi)換出本車(chē)道的車(chē)輛數(shù)；

②交通事件的判定

當(dāng)前車(chē)道i在當(dāng)前時(shí)段j內(nèi)是否發(fā)生了交通事件的判斷公式如下：

式中，τ為判定閾值，f(i,j)為二值判定結(jié)果，f(i,j)＝0表示無(wú)交通事件發(fā)生，f(i,j)＝1表示有交通事件發(fā)生；

c.基于換道點(diǎn)分類(lèi)的交通事件定位

對(duì)于被判定為發(fā)生了交通事件的車(chē)道，將車(chē)輛變道的換入點(diǎn)和換出點(diǎn)分別視為正樣本和負(fù)樣本，計(jì)算兩類(lèi)樣本的多個(gè)最優(yōu)分類(lèi)面w0，記錄最小分類(lèi)面w0min和最大分類(lèi)面w0max，則交通事件點(diǎn)的位置w通過(guò)下式計(jì)算得到：

上述交通事件檢測(cè)與定位方法，兩類(lèi)樣本的最優(yōu)分類(lèi)面的計(jì)算方法如下：

①定義判定函數(shù)如下：

g(x)＝x-w0

式中，x為樣本的空間坐標(biāo)；

②引入一個(gè)準(zhǔn)則函數(shù)j(w)：

式中，c1和c0分別為當(dāng)前時(shí)段內(nèi)收集的換道點(diǎn)正樣本集和負(fù)樣本集；

③采用搜索策略來(lái)搜索兩類(lèi)樣本的最優(yōu)分類(lèi)面w0：

迭代搜索公式為：

w(k+1)＝w(k)+ρkd(j(w(k)))

式中，ρk為修正系數(shù)；d(j(w(k)))為動(dòng)態(tài)修正量，是關(guān)于j(w(k))的某種函數(shù)值。

上述交通事件檢測(cè)與定位方法，迭代搜索公式中，迭代初值w(1)、修正系數(shù)ρk和動(dòng)態(tài)修正量d(j(w(k)))的選定方案可有多種，其中一種方案如下：

(w(1)＝wmin)∧(ρk＞0)∧(d(j(w(k)))＝1)。

上述交通事件檢測(cè)與定位方法，所述準(zhǔn)則函數(shù)j(w)也可以是：

式中，為被當(dāng)前w錯(cuò)分的樣本子集，為中的樣本個(gè)數(shù)。

本發(fā)明把事件點(diǎn)定位問(wèn)題創(chuàng)新性地轉(zhuǎn)化為換道點(diǎn)的樣本分類(lèi)問(wèn)題，從換道特性分析的角度解決了交通事件的精確定位問(wèn)題，具有檢測(cè)時(shí)間短、定位精度高、信息傳輸速度快等優(yōu)點(diǎn)，可為交通事件的及時(shí)發(fā)現(xiàn)和處理以及二次事故的預(yù)防提供有力支持。

此外，本發(fā)明采用的算法不但適用于基于視頻的交通監(jiān)控系統(tǒng)，也適用于基于激光雷達(dá)或未來(lái)可能出現(xiàn)的任何能夠獲取車(chē)輛換道信息的交通監(jiān)控技術(shù)系統(tǒng)，算法具有較高的實(shí)用性。

附圖說(shuō)明

圖1(a)-圖1(b)是車(chē)輛換道及換道點(diǎn)分布特性，其中圖1(a)為無(wú)交通事件影響的換道點(diǎn)分布特性；圖1(b)為有交通事件影響的換道點(diǎn)分布特性；

圖2本方法所述方法的流程框圖；

圖3(a)-圖3(b)為準(zhǔn)則函數(shù)示意圖，其中圖3(a)為理想情況下的w-j(w)關(guān)系；圖3(b)為實(shí)際情況下的w-j(w)關(guān)系；

圖4(a)-圖4(g)為采用準(zhǔn)則函數(shù)(10.1)時(shí)各時(shí)段的事件點(diǎn)定位結(jié)果，其中，圖4(a)為時(shí)段4的事件點(diǎn)定位結(jié)果；圖4(b)為時(shí)段5的事件點(diǎn)定位結(jié)果；圖4(c)為時(shí)段6的事件點(diǎn)定位結(jié)果；圖4(d)為時(shí)段7的事件點(diǎn)定位結(jié)果；圖4(e)為時(shí)段8的事件點(diǎn)定位結(jié)果；圖4(f)為時(shí)段9的事件點(diǎn)定位結(jié)果；圖4(g)為時(shí)段10的事件點(diǎn)定位結(jié)果；

圖5(a)-圖5(g)是采用準(zhǔn)則函數(shù)(10.2)時(shí)各時(shí)段的事件點(diǎn)定位結(jié)果，其中，圖5(a)為時(shí)段4的事件點(diǎn)定位結(jié)果；圖5(b)為時(shí)段5的事件點(diǎn)定位結(jié)果；圖5(c)為時(shí)段6的事件點(diǎn)定位結(jié)果；圖5(d)為時(shí)段7的事件點(diǎn)定位結(jié)果；圖5(e)為時(shí)段8的事件點(diǎn)定位結(jié)果；圖5(f)為時(shí)段9的事件點(diǎn)定位結(jié)果；圖5(g)為時(shí)段10的事件點(diǎn)定位結(jié)果；

圖6采用基于準(zhǔn)則函數(shù)(10.1)的改進(jìn)算法時(shí)各時(shí)段的事件點(diǎn)定位結(jié)果，其中，圖6(a)為時(shí)段4的事件點(diǎn)定位結(jié)果；圖6(b)為時(shí)段5的事件點(diǎn)定位結(jié)果；圖6(c)為時(shí)段6的事件點(diǎn)定位結(jié)果；圖6(d)為時(shí)段7的事件點(diǎn)定位結(jié)果；圖6(e)為時(shí)段8的事件點(diǎn)定位結(jié)果；圖6(f)為時(shí)段9的事件點(diǎn)定位結(jié)果；圖6(g)為時(shí)段10的事件點(diǎn)定位結(jié)果。

文中各符號(hào)分別表示為：rco(i,j)表示當(dāng)前車(chē)道i在當(dāng)前時(shí)段j內(nèi)的原屬車(chē)輛換出率，n(i,j)為當(dāng)前車(chē)道i在當(dāng)前時(shí)段j內(nèi)的原屬車(chē)輛數(shù)，nco(i,j)為原屬車(chē)輛中在監(jiān)測(cè)路段范圍內(nèi)換出本車(chē)道的車(chē)輛數(shù)，τ為判定閾值，f(i,j)為二值判定結(jié)果，g(x)為判定函數(shù)，c1和c0分別為當(dāng)前時(shí)段內(nèi)收集的換道點(diǎn)正樣本集和負(fù)樣本集，w0為最優(yōu)分類(lèi)面，w0min為最小分類(lèi)面，w0max為最大分類(lèi)面，w為交通事件點(diǎn)的位置，j(w)為準(zhǔn)則函數(shù)，為被當(dāng)前w錯(cuò)分的樣本子集，為中的樣本個(gè)數(shù)，ρk為修正系數(shù)；d(j(w(k)))為動(dòng)態(tài)修正量，是關(guān)于j(w(k))的某種函數(shù)值。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳述。

本發(fā)明在對(duì)交通事故、車(chē)輛拋錨或物品撒落等車(chē)道局部擁塞型交通事件影響下的車(chē)輛換道統(tǒng)計(jì)特性進(jìn)行詳細(xì)分析的基礎(chǔ)上，提取了在有/無(wú)交通事件影響下具有顯著差異的兩種換道統(tǒng)計(jì)特征，然后充分利用這兩種特征提出了一種路段交通事件的檢測(cè)和定位新方法。

當(dāng)交通事故、車(chē)輛拋錨及物品撒落等車(chē)道局部阻塞型交通事件在一個(gè)多車(chē)道監(jiān)控路段的某條車(chē)道上發(fā)生時(shí)，該車(chē)道上游車(chē)輛會(huì)被迫換入相鄰車(chē)道以便繞開(kāi)事件點(diǎn)繼續(xù)前行，很多車(chē)輛在繞過(guò)事件點(diǎn)行駛到下游位置時(shí)又重新疏散回原來(lái)車(chē)道行駛?；诜治黾皩?shí)驗(yàn)，以車(chē)道為單位，提取如下兩個(gè)換道特征來(lái)有效實(shí)現(xiàn)交通事件的檢測(cè)與定位：

(1)車(chē)道的原屬車(chē)輛換出率異常升高。所謂車(chē)道的原屬車(chē)輛是與半途換入本車(chē)道的車(chē)輛對(duì)應(yīng)而言的概念，是指從監(jiān)控路段上游邊界處駛?cè)氡拒?chē)道行駛的車(chē)輛。當(dāng)一條車(chē)道內(nèi)有交通事件發(fā)生時(shí)，由于車(chē)輛被迫換道繞行而使得該車(chē)道的原屬車(chē)輛換出率比無(wú)交通事件條件下顯著升高。同時(shí)，對(duì)于事件車(chē)道的相鄰車(chē)道而言，雖然對(duì)其所有車(chē)輛進(jìn)行統(tǒng)計(jì)得到的換出率也會(huì)升高，但升高的原因主要是由于事件車(chē)道的車(chē)輛在繞過(guò)事件點(diǎn)后重新?lián)Q回原車(chē)道而造成，其原屬車(chē)輛的換出率明顯低于事件車(chē)道。方法基于這一特性有效實(shí)現(xiàn)交通事件的檢測(cè)。

(2)交通事件影響下的換道點(diǎn)空間分布特性與無(wú)交通事件影響時(shí)的分布特性具有明顯差異。該分布特性主要表現(xiàn)在道路方向上。為便于觀察和分析，采用如圖1(a)和圖1(b)所示的換道點(diǎn)分布時(shí)空?qǐng)D來(lái)描述這一特性。圖中，橫軸(t-坐標(biāo)軸)為時(shí)間軸，縱軸(x-坐標(biāo)軸)為空間軸。時(shí)空?qǐng)D中的和“×”分別為換入點(diǎn)(當(dāng)某一車(chē)輛駛離原車(chē)道并換入新車(chē)道時(shí)，車(chē)輛軌跡線(xiàn)與車(chē)道分割線(xiàn)的交點(diǎn)稱(chēng)為新車(chē)道的一個(gè)換入點(diǎn))和換出點(diǎn)(當(dāng)某一車(chē)輛換出原車(chē)道并進(jìn)入相鄰車(chē)道時(shí)，車(chē)輛軌跡線(xiàn)與車(chē)道邊界分割線(xiàn)的交點(diǎn)稱(chēng)為原車(chē)道的一個(gè)換出點(diǎn))的時(shí)空坐標(biāo)點(diǎn)，并且各個(gè)時(shí)空點(diǎn)的空間坐標(biāo)(x-坐標(biāo))值為對(duì)應(yīng)的換道點(diǎn)與監(jiān)控路段區(qū)域上游邊界的道路方向空間距離。需要指出的是，在不加特殊聲明的情況下，后面提到的換入點(diǎn)和換出點(diǎn)指的是它們?cè)跁r(shí)空?qǐng)D中的時(shí)空坐標(biāo)點(diǎn)。在正常交通條件下，車(chē)輛的換道行為具有偶發(fā)性、換道點(diǎn)的分布具有分散性和隨機(jī)性，如圖1(a)所示。然而，當(dāng)車(chē)道內(nèi)發(fā)生了交通事件造成車(chē)道擁塞時(shí)，如圖1(b)所示，事件點(diǎn)上游的換出點(diǎn)和事件點(diǎn)下游的換入點(diǎn)都會(huì)顯著增加，并且事件點(diǎn)及其上下游附近一段距離內(nèi)沒(méi)有車(chē)輛換入/換出、不存在任何換道點(diǎn)，從而形成一個(gè)換入/換出空白區(qū)域，后面稱(chēng)之為“決策區(qū)”。

如果我們將換入點(diǎn)和換出點(diǎn)分別看做正樣本和負(fù)樣本，雖然事件點(diǎn)上游車(chē)道區(qū)域可能存在少量的負(fù)樣本(主要包括隨機(jī)換道點(diǎn)和干擾點(diǎn)等)、下游區(qū)域也同樣可能存在少量的正樣本，但是絕大多數(shù)的正樣本都集中在下游、絕大多數(shù)的負(fù)樣本都集中在上游，并且交通事件點(diǎn)恰好形成這兩類(lèi)樣本的分布分界點(diǎn)，如圖1(b)所示。因此，把交通事件定位問(wèn)題轉(zhuǎn)化為換道點(diǎn)的兩類(lèi)分類(lèi)問(wèn)題，更詳細(xì)地說(shuō)，轉(zhuǎn)化為換入點(diǎn)和換出點(diǎn)的最優(yōu)分類(lèi)面的求解問(wèn)題，很好地實(shí)現(xiàn)了事件點(diǎn)位置的精確計(jì)算。實(shí)際應(yīng)用中，我們只需考慮換道點(diǎn)在時(shí)空?qǐng)D中的空間分布，也就是說(shuō)，該兩類(lèi)分類(lèi)問(wèn)題的樣本空間本質(zhì)上為一維空間。

基于上述兩個(gè)換道特征，本發(fā)明所述的事件點(diǎn)檢測(cè)和定位算法流程如圖2所示。具體實(shí)施方法如下：對(duì)監(jiān)控路段內(nèi)的每一條車(chē)道，均采用第一個(gè)特征判斷車(chē)道內(nèi)是否發(fā)生了交通事件；進(jìn)而，對(duì)有事件發(fā)生的車(chē)道應(yīng)用第二個(gè)特征定位出事件點(diǎn)的精確位置。下面分三部分進(jìn)行闡述：(1)交通場(chǎng)景自動(dòng)標(biāo)定。作為后繼步驟的基礎(chǔ)，該模塊主要包括路段監(jiān)控區(qū)域和車(chē)道位置的提取及標(biāo)定；(2)各車(chē)道換道信息的提取。監(jiān)控系統(tǒng)工作過(guò)程中該模塊始終循環(huán)執(zhí)行。首先，通過(guò)車(chē)輛檢測(cè)與跟蹤技術(shù)來(lái)獲取車(chē)輛的軌跡時(shí)空信息，然后提取換道車(chē)輛并記錄其換道點(diǎn)的時(shí)間和空間信息；(3)對(duì)各條車(chē)道進(jìn)行事件點(diǎn)檢測(cè)與定位。該模塊以一定的時(shí)間間隔運(yùn)行，其主要思想如下：每經(jīng)過(guò)一定的時(shí)間間隔，對(duì)每條車(chē)道分別計(jì)算其在當(dāng)前時(shí)段內(nèi)的原屬車(chē)輛換出率并采用閾值法判斷車(chē)道內(nèi)是否發(fā)生交通事件。當(dāng)某車(chē)道被判定為事件車(chē)道后，算法將該時(shí)段內(nèi)該車(chē)道的換入點(diǎn)和換出點(diǎn)分別作為正樣本和負(fù)樣本，通過(guò)求解這兩類(lèi)樣本的最優(yōu)分類(lèi)面來(lái)確定事件點(diǎn)的具體位置。

1基于車(chē)輛換出率的交通事件檢測(cè)

如上所述，對(duì)每條車(chē)道均按一定時(shí)間間隔記錄其換道點(diǎn)數(shù)據(jù)，并判斷該車(chē)道在當(dāng)前時(shí)段內(nèi)是否發(fā)生交通事件。

1.1原屬車(chē)輛換出率的計(jì)算

以rco(i,j)表示當(dāng)前車(chē)道i在當(dāng)前時(shí)段j內(nèi)的原屬車(chē)輛換出率，其具體計(jì)算方法如下：

式中，n(i,j)為當(dāng)前車(chē)道i在當(dāng)前時(shí)段j內(nèi)的原屬車(chē)輛數(shù)，nco(i,j)為原屬車(chē)輛中在監(jiān)測(cè)路段范圍內(nèi)換出本車(chē)道的車(chē)輛數(shù)。當(dāng)n(i,j)＝0時(shí)，rco(i,j)將被設(shè)置為-1，

1.2交通事件的判定

采用閾值法根據(jù)上述求得的原屬車(chē)道換出率來(lái)判定當(dāng)前車(chē)道在當(dāng)前時(shí)段內(nèi)是否發(fā)生了交通事件，判斷公式如下：

式中，i為車(chē)道號(hào)，j為時(shí)段號(hào)，τ為判定閾值，f(i,j)為二值判定結(jié)果(0表示無(wú)交通事件發(fā)生、1表示有交通事件發(fā)生)。

當(dāng)rco(i,j)的值為-1時(shí)，表示該車(chē)道在當(dāng)前時(shí)段內(nèi)無(wú)原屬車(chē)輛通過(guò)，此時(shí)無(wú)法根據(jù)當(dāng)前時(shí)段內(nèi)的數(shù)據(jù)判定車(chē)道內(nèi)是否有交通事件發(fā)生。在這種情況下，算法按無(wú)交通事件處理。

2基于換道點(diǎn)分類(lèi)的交通事件定位

在某時(shí)段內(nèi)，當(dāng)檢測(cè)到某車(chē)道內(nèi)發(fā)生了交通事件時(shí)，方法將立即由該時(shí)段開(kāi)始根據(jù)換道點(diǎn)的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行事件點(diǎn)定位。

2.1理想條件下的交通事件定位模型

如上所述，我們將事件點(diǎn)定位問(wèn)題轉(zhuǎn)化為一個(gè)兩類(lèi)分類(lèi)問(wèn)題，即正樣本(換入點(diǎn))和負(fù)樣本(換出點(diǎn))在一維樣本空間中的最優(yōu)分類(lèi)面(點(diǎn))的求解問(wèn)題。對(duì)任意時(shí)段，定義判定函數(shù)如下：

g(x)＝x-w0(3)

式中，x為樣本的空間坐標(biāo)，w0為決策權(quán)重。

在忽略隨機(jī)換道點(diǎn)和干擾點(diǎn)樣本的理想條件下，換道點(diǎn)的兩類(lèi)分類(lèi)問(wèn)題為線(xiàn)性可分問(wèn)題，判定規(guī)則可表示為：

式中，c1和c0分別為當(dāng)前時(shí)段內(nèi)收集的換道點(diǎn)正樣本集和負(fù)樣本集。

則分類(lèi)決策面方程為：

g(x)＝x-w0＝0(5)

因此，在忽略隨機(jī)換道點(diǎn)和干擾點(diǎn)的前提下，最優(yōu)分類(lèi)面的求解過(guò)程實(shí)質(zhì)上就是求解能使所有樣本都滿(mǎn)足公式(4)(即都被正確分類(lèi))的w0的過(guò)程。由圖1(b)可見(jiàn)，決策區(qū)內(nèi)的任何x都可被選做最優(yōu)分類(lèi)面w0，也就是說(shuō)，對(duì)于本發(fā)明二分類(lèi)問(wèn)題，存在多個(gè)最優(yōu)分類(lèi)面w0，這些分類(lèi)面構(gòu)成了決策區(qū)[w0min,w0max]。文獻(xiàn)及實(shí)驗(yàn)表明，交通事件點(diǎn)的位置(此處表示為w)基本位于決策區(qū)的中間位置，可通過(guò)下式計(jì)算得到：

通過(guò)引入一個(gè)準(zhǔn)則函數(shù)j(w)并采用搜索策略來(lái)實(shí)現(xiàn)最優(yōu)決策面求解。j(w)的w-j(w)函數(shù)關(guān)系示意圖如圖3(a)所示。使得j(w)取極小值的任何w解均可作為最優(yōu)決策面。迭代搜索公式如下：

w(k+1)＝w(k)+ρkd(j(w(k)))(7)

式中，ρk為修正系數(shù)；d(j(w(k)))為動(dòng)態(tài)修正量，是關(guān)于j(w(k))的某種函數(shù)值。根據(jù)d(j(w(k)))的具體形式，可構(gòu)造不同的迭代算法來(lái)計(jì)算準(zhǔn)則函數(shù)的極小值，進(jìn)而可確定最優(yōu)決策面w0使得所有樣本都被正確分類(lèi)：

w0＝w|j(w)＝0(8)

然后，由所有w0確定出決策區(qū)[w0min,w0max]并根據(jù)公式(6)計(jì)算出交通事件點(diǎn)的具體位置。

2.2實(shí)際條件下的交通事件定位模型

在實(shí)際問(wèn)題中，樣本集中的隨機(jī)換道點(diǎn)和干擾點(diǎn)樣本不可忽略。因此，w-j(w)實(shí)際映射關(guān)系并非如圖3(a)，而是如圖3(b)所示。如果仍采用(8)式來(lái)確定最優(yōu)決策面，則迭代過(guò)程會(huì)因?yàn)榘l(fā)生震蕩而無(wú)法終止。因此，將迭代算法的終止條件放寬，用式(9)代替式(8)來(lái)搜索最優(yōu)分類(lèi)面w0：

在最優(yōu)分類(lèi)面的搜索過(guò)程中，記錄滿(mǎn)足條件的最小和最大分類(lèi)面w0min和w0max，進(jìn)而代入公式(6)完成交通事件點(diǎn)的精確定位。

2.3應(yīng)用過(guò)程中關(guān)鍵因素的確定

在實(shí)際應(yīng)用中，基于上述分類(lèi)模型進(jìn)行事件點(diǎn)定位時(shí)，要事先根據(jù)具體應(yīng)用場(chǎng)合來(lái)確定兩個(gè)關(guān)鍵因素：(1)準(zhǔn)則函數(shù)j(w)；(2)具體的迭代算法。

(1)準(zhǔn)則函數(shù)j(w)的選定。給出如下兩種簡(jiǎn)單易用的準(zhǔn)則函數(shù)方案：

式中，為被當(dāng)前w錯(cuò)分的樣本子集，為中的樣本個(gè)數(shù)，sgn(x)為如下二值函數(shù)：

式中，c1和c0分別為當(dāng)前時(shí)段內(nèi)收集的換道點(diǎn)正樣本集和負(fù)樣本集。

準(zhǔn)則函數(shù)(10.1)是從錯(cuò)分樣本數(shù)量最小化角度設(shè)計(jì)，其含義簡(jiǎn)單直觀。準(zhǔn)則函數(shù)(10.2)則是從錯(cuò)分樣本到分類(lèi)面的距離之和最小化角度出發(fā)，是常規(guī)模式分類(lèi)中常用的方法。當(dāng)樣本集里不存在隨機(jī)換道點(diǎn)和干擾點(diǎn)樣本時(shí)，兩函數(shù)均能達(dá)到理想的效果。然而對(duì)于實(shí)際的事件點(diǎn)定位問(wèn)題，準(zhǔn)則函數(shù)(10.2)容易受到干擾點(diǎn)的影響，函數(shù)(10.1)更加有效，我們將在實(shí)驗(yàn)部分中對(duì)二者性能進(jìn)行詳細(xì)的對(duì)比分析。

(2)具體迭代算法的確定。該問(wèn)題主要包括迭代初值w(1)的選定、修正系數(shù)ρk和動(dòng)態(tài)修正量d(j(w(k)))的確定，本文給出一種有效方案如下：

(w(1)＝wmin)∧(ρk＞0)∧(d(j(w(k)))＝1)(12)

進(jìn)而，迭代搜索過(guò)程如下：

上述迭代算法實(shí)質(zhì)上是一種全局增量搜索策略并且采用的搜索步長(zhǎng)為1米。在實(shí)際工程中，還可根據(jù)實(shí)際需求采用其他搜索策略。

實(shí)施效果

以一次車(chē)輛拋錨事件的600秒素材為例介紹本發(fā)明的實(shí)施效果。該事件自素材的第200秒時(shí)發(fā)生，事件點(diǎn)位置的人工測(cè)量數(shù)據(jù)為距離其所在車(chē)道監(jiān)控區(qū)域上游邊界起始點(diǎn)356米處。分別采用(10.1)和(10.2)兩種準(zhǔn)則函數(shù)進(jìn)行本發(fā)明算法進(jìn)行測(cè)試。圖4和圖5分別給出了采用這兩種準(zhǔn)則函數(shù)進(jìn)行事件點(diǎn)定位時(shí)的各個(gè)時(shí)段詳細(xì)數(shù)據(jù)。事件在素材的第4時(shí)段發(fā)生并被檢測(cè)到，定位程序由此時(shí)段開(kāi)始啟動(dòng)?？梢钥闯觯瑴?zhǔn)則函數(shù)(10.1)的定位性能明顯優(yōu)于(10.2)，并且相對(duì)而言(10.1)通過(guò)最小化錯(cuò)分樣本數(shù)來(lái)尋優(yōu)分類(lèi)面的思想更加直觀。

分析可見(jiàn)，噪聲點(diǎn)對(duì)定位精度的影響不可忽略，但這種影響會(huì)隨著有效樣本數(shù)量的增加而削弱。因此，如果將準(zhǔn)則函數(shù)中的取為檢測(cè)到事件后一直到現(xiàn)在的所有時(shí)段樣本集內(nèi)被錯(cuò)分的樣本數(shù)，則必將有助于提高算法性能?；谠撍枷?，我們對(duì)準(zhǔn)則函數(shù)及搜索算法進(jìn)行了改造，通過(guò)時(shí)段積分方法快速實(shí)現(xiàn)新意義下的各個(gè)時(shí)段值。在此，把修改前的算法稱(chēng)為“原始算法”、修改后的算法稱(chēng)為“改進(jìn)算法”。以準(zhǔn)則函數(shù)(10.1)對(duì)應(yīng)的改進(jìn)算法為例，各時(shí)段的定位結(jié)果如圖6所示。與圖4對(duì)比可見(jiàn)，各時(shí)段因噪聲干擾而引起的定位結(jié)果的波動(dòng)得到了有效抑制。綜合分析可見(jiàn)，本發(fā)明算法高效實(shí)用。