1、交通事件是造成道路通行能力下降的主要原因,由于交通事件的發(fā)生時(shí)間地點(diǎn)是隨機(jī)的、不可預(yù)測的，我們難以及時(shí)檢測到它，更難以采取相關(guān)措施救援，故極易引發(fā)二次事故。因此，檢測交通事件并采取有效的救援措施是交通管理與控制的重要組成部分。
　　 本文首先介紹了交通事件的檢測方法的發(fā)展與現(xiàn)狀，在此基礎(chǔ)上提出了基于HMM和GMM的事件檢測方法，闡述了交通事件自動(dòng)檢測系統(tǒng)的結(jié)構(gòu)，對(duì)交通事件數(shù)據(jù)采集中使用的檢測器進(jìn)行了詳細(xì)介紹，對(duì)檢測的交通參數(shù)進(jìn)行

2、了概述，描述了檢測器的選用原則，說明了事件檢測算法的性能評(píng)價(jià)指標(biāo)。
　　 本文提出了兩種檢測交通事件的方法，即基于HMM（隱馬爾可夫模型）和基于GMM(高斯混合模型）的交通事件檢測方法。基于HMM的交通事件檢測分別用正常以及異常交通流建立了HMM模型，然后在此模型的基礎(chǔ)上提出了用于交通事件檢測的訓(xùn)練算法，以及該模型的識(shí)別算法。這個(gè)算法的優(yōu)點(diǎn)是準(zhǔn)確率較高，算法簡單，占用的存儲(chǔ)空間很小，適合用于交通事件的實(shí)時(shí)檢測。運(yùn)用采集到的交通數(shù)

3、據(jù)，分別做了兩個(gè)實(shí)驗(yàn)。根據(jù)第一個(gè)實(shí)驗(yàn)的正常HMM 求得loglik（模型和數(shù)據(jù)吻合似然度），如果loglik大于給定閾值，該模型認(rèn)為沒有交通事件發(fā)生，否則有交通事件發(fā)生。根據(jù)第二個(gè)實(shí)驗(yàn)的正常以及異常HMM，分別求得loglik1和loglik2，如果loglik1大于loglik2，該模型認(rèn)為沒有交通事件發(fā)生，否則有交通事件發(fā)生。通過兩個(gè)實(shí)驗(yàn)的對(duì)比，發(fā)現(xiàn)后者方法較好，準(zhǔn)確率較高。
　　 基于GMM的交通事件檢測同樣分別用正常以及

4、異常交通流建立了GMM模型，然后在此模型的基礎(chǔ)上提出了該模型的訓(xùn)練算法以及識(shí)別算法。通過訓(xùn)練分別得到使模型最優(yōu)的λ，檢測時(shí)將采集的交通數(shù)據(jù)分別根據(jù)正常以及異常GMM求得loglik1和loglik2，如果loglik1小于loglik2，該模型認(rèn)為沒有交通事件發(fā)生，否則有交通事件發(fā)生。這個(gè)算法的優(yōu)點(diǎn)是模型訓(xùn)練時(shí)間短，識(shí)別率高，檢測時(shí)間短。
　　 文章在最后對(duì)全文進(jìn)行了總結(jié)，說明了本文的創(chuàng)新之處，并且指出了其中的不足之處，提出了今