摘要：提出一种Adaboost BP神经网络的交通事件检测方法：以上下游的流量和占有率作为特征，用BP神经网络作为分类器进行交通事件的自动分类与检测。在BP神经网络的训练过程中。提出一种新的训练算法。提高了神经网络的分类能力。为了进一步提高神经网络的泛化能力，采用改进的Adaboost算法，进行网络集成。运用Matlab进行仿真分析。结果表明所提出的交通事件检测算法具有较好的检测性能。
　　关键词：Adaboost算法；交通事件检测；BP神经网络；分类器
　　
　　0　引言
　　
　　高速公路事件是指高速公路上的偶发性事件。如车辆交通事故、故障停车、货物散落等。偶发性事件阻碍交通流的正常运行，引发拥挤并导致车辆的延误。因此。需要建立+完善的事件管理系统，对事件实现快速、高效、恰当的处理。事件检测是事件管理的第一步，也是关键的一步，是解决偶发性事件的有效途径之一。
　　人们开发了各种各样的事件检测算法，包括模式识别算法、统计预测算法以及智能检测算法。近年来的研究主要集中于智能检测算法，这类方法主要包括贝叶斯算法、McMaster算法、小波分析算法、神经网络算法等。
　　本文提出了一种新颖的基于Adaboost BP神经网络的交通事件检测方法：将交通事件检测作为一个分类问题，以上下游的流量和占有率为特征作为BP神经网络分类器的输入，进行交通事件的自动分类和检测；为进一步提高神经网络的泛化能力，采用改进的Adabcost算法进行网络集成。实验结果表明，该交通事件检测算法具有潜在的应用价值。
　　
　　注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。