李红伟 陆 键 姜桂艳 马永锋

(1 东南大学交通学院，南京210096)

(2 上海交通大学船舶海洋与建筑工程学院，上海200240)

(3 吉林大学交通学院，长春130022)

作为城市路网系统中的主要道路，快速路在整个城市交通系统中发挥着重要作用，如上海快速路道路面积占市中心道路面积的5%，却承担了市中心20%的交通量［1］.因交通事件引起的拥堵已占上海快速路总拥堵的50%～75%［2］.准确、及时的交通事件自动检测(automatic incident detection，AID)算法可减少因交通事故造成的拥堵时间，降低人员伤亡以及财产损失.

目前，流行的交通数据采集设备是环形线圈检测器和视频检测器.与视频检测器相比，环形线圈检测器因具有价格适中，在雨、雾等恶劣天气下仍可正常工作等优势，而被广泛应用.以线圈数据为基础的AID 算法包括模式识别、统计预测、时间序列、交通流理论、智能检测5 类，代表算法分别为California 算法［3］、贝叶斯算法［4］、自回归综合移动平均算法［5］、小波算法［6］以及神经网络算法［7］.这些算法均存在缺陷:California 算法误警率高;贝叶斯算法复杂;自回归综合移动平均算法复杂，误警率高;小波算法检测率低;神经网络算法复杂［8-9］.此外，以上算法对低流量状态下的事件检测效果极差.

本文提出一种既能保证较高检测率(detection rate)和较低误报率(false alarm rate)，又适用于各种流量的快速路AID 算法.

1 数据来源

本文提取了某城市快速路高架上的交通流历史数据进行研究.该路段全长约14 km，包括主线、8 个出入口匝道和3 个立交，全程无信号控制.

由于快速路主线、匝道……