高速公路AID算法研究綜述
科技專論
作者：薑卉 趙建光
【摘 要】為了提高高速公路AID算法的檢測效果，減少交通事件對高速公路交通流的影響，針對現有高速公路AID算法，在對參與檢測過程的交通變量的種類、數量進行分析的基礎上，根據實際檢測效果的優劣，提出未來高速公路AID算法的發展要在有效篩選交通變量的基礎上結合人工智能算法展開。
【關鍵詞】高速公路；AID算法；交通變量
1、概述
隨著高速公路修建規模的不斷擴大，交通運輸業的發展也異常迅速，在為人類帶來高效便捷的運輸條件的同時也帶來了諸多交通問題。各國對高速公路交通事件自動檢測（Automatic Incident Detection，AID）算法的研究已三十多年，研究過程中也出現過檢測效果較優的AID算法[1]。
2、國外高速公路AID算法的研究
針對高速公路AID算法的研究，國外開始較早[2]。
加州算法（1965-1970）作為最早出現的AID算法用於洛杉磯公路管理控製中心。其提出者Payne通過比對相鄰檢測器之間占有率的變化情況來判斷可能存在的交通事件。1978年，他公布了10種基於加州算法之上的改進AID算法，其中加州#7算法和加州#8算法性能更優。
標準偏差法（1970-1975）由德克薩斯州交通協會（TTI）提出，用於休斯頓高速公路I-45的交通監視和控製。算法以判別突發交通事件為主要目標，當一定時段內交通參數的當前值和其平均值之差與其標準偏差的比值在連續兩個采樣周期內都大於某一預定閾值時，則判定發生交通事件。
雙指數平滑算法（1974）由Cook等提出用於突發交通事件的判別。算法將某一交通參數的雙指數平滑值作為預測值，和真實值比較來定義跟蹤信號值，若超過預定閾值則觸發報警。13類參數測試顯示，流量和占有率的檢測效果更優。
McMaster算法（1990）由Persaud等提出。利用流量、占有率數據構建一個“流量-占有率”分布關係模型，通過比較觀測數據與模板之間關係以判斷是否發生交通事件。算法首次將由大交通需求所引起的交通事件作為分析對象。
低通濾波算法（1993）由Chassiakos提出。通過對比相鄰檢測器占有率空間變化情況來判斷交通事件是否發生。算法獲得較優的檢測率及誤報率但檢測時間過長。
在早期開發的AID算法基礎上，以人工智能技術為基礎的AID算法在九十年代以後相繼出現。
人工神經網絡（1991）由Chew等人提出用於高速公路突發交通事件檢測。隨後，他們又開發了基於多層前饋神經網絡的AID算法。該神經網絡由輸入層、中間層和輸出層組成，輸入層由上、下遊流量、速度、占有率組成，中間層負責處理數據，輸出層輸出事件和非事件信號。
基於小波理論的AID算法（2003）由華良騰提出。利用小波技術對交通流特征進行提取應用於直接檢測交通事件。檢測效果均優於MLF網絡算法、加州算法以及低通濾波算法。
3、國內高速公路AID算法的研究
國內研究起步晚且理論及技術應用都集中在新理論和新技術方麵[3-5]。
薑紫峰等從多層前向人工神經網絡角度出發建立交通事件自動檢測算法模型（2000）。算法選用不同時刻相鄰檢測站占有率、流量的仿真數據，檢測結果優於加州算法，但該算法存在學習速度慢、訓練有局限性等問題。