由于事件发生的数据不多，拍摄时难以找到适合验证本算法效果的视频图像，所以本次实验所采用的视频为淮安市淮海北路拍摄的一段视频，在该路段交通量为2 500辆／h。实验的目的主要是为了评价单个车辆的事件行为算法和多个车辆事件行为算法的有效性。尽管单个车辆的事件行为算法能够有效地检测一些简单事件，但是对于一些复杂情况下的事件将会漏检。这是因为单个车辆的事件行为算法中的事件类运算符只有在操作符“is Stalled”输出“1”后才能统计出变换车道的车辆数。
如图4．15所示：车群中间有一辆车绕道行驶，在单个车辆的事件行为算法中没有被检测到，而在多个车辆事件行为算法中被检测到。这是因为在单个车辆的事件行为算法中没有考虑车辆之间的关系和聚集轨迹，导致在事件中的车辆由于静止而未被检测到，
图4．15 单个和多个车辆事件行为算法检测比较图
此时该算法具有延迟性，需等到车辆停止后才开始计数的，这有可能把停车情况当做正常来判断。但是在多个车辆事件行为算法中由于考虑了车辆之间的关系，当车辆开始停车时就计算为避开陷入事故中的车辆而换道行驶的车辆数，所以不会被误判。通过实验发现：多个车辆事件行为算法要比单个车辆的事件行为算法检测效率要高。
本次实验通过采用单个车辆的事件行为和多个车辆事件行为两种算法对所拍摄视频进行检测的结果进行比较。
（1）单个车辆的事件行为算法的结果
在实验期间，总共发生的交通事件是14起，而通过算法检测到的交通事件只有11起。正确率为79％。如图4．13（a）所示，这是出现绕道车辆时所检测到的事件，中间无蓝色矩形框为跟踪区域的边界车辆，单个车辆事件行为算法未能检测到。
（2）多个车辆事件行为算法的结果
在同样的实验条件下，用多个车辆事件行为算法来检测交通事件，共检测到12起，正确率为86％，如图4．13（b）所示，中间蓝色矩形框为跟踪区域的边界车辆，多个车辆事件行为算法检测到事件发生。检测结果中没有被检测到的2起事件，一起是因为车辆完全超出了跟踪范围，另一起是因为车辆处于拥挤状态下，而未被检测到。
表4．2 事件检测算法比较
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
