道路多源交通流信息融合分析技術設計研究及應用(完整版)
【正文】 ，但是采集準確度高，這兩種數據各有優(yōu)缺點，如果將兩種數據進行融合，可以既提高數據采集的范圍，還可以提高數據采集的準確度。這種融合方法的缺點是無法準確定義每種檢測器數據的權重，最終的融合數據和實際數據相差較大。不同來源的數據融合包括多種檢測器數據的融合以及固定檢測器數據和浮動車數據的融合。由于信息化在各個方面展開，為了綜合應用各種信息，需要對各方面的信息技術進行圍繞因特網或信息高速公路的融合，以便產生新的增長點和開拓新的領域，不斷地進行知識創(chuàng)新。在交通領域，交通信息往往來自于不同的數據源，如交通流信息，可能來自環(huán)形線圈檢測器、視頻檢測器、FCD等多種檢測技術或采集手段，交通信息融合是研究如何加工、聯(lián)合來自眾多信息源的信息，并使不同形式的信息相互補充，為各種交通模型方法服務，使其信息得到最大限度地發(fā)揮。目前，交通檢測器的種類越來越多，各種交通檢測器，包括環(huán)行線圈檢測器、超聲波檢測器、視頻檢測器、紅外線檢測器等等，對不同交通參數的檢測性能各不相同。下面介紹一種基于多屬性決策的數據融合算法，該算法不需要給定權重就可獲得融合數據，其準確性比簡單加權法高。浮動車數據和檢測器數據都經過預處理之后，其數據格式已經基本一致，因此只需要進行同種數據的融合。交通流預測方法主要有三種，第一種是根據歷史信息進行建模擬合，獲得交通流數據與時間的關系模型，從而推斷未來時間內的交通流信息；第二種是根據歷史信息進行指數平滑預算，得出未來交通流數據與過去時段的交通流數據之間的關系模型，從而推斷未來時間內的交通流信息；第三種是采用人工神經網絡方法，這種方法不需要建立模型，只需足夠的數據和時間讓神經網絡進行學習，從而通過神經網絡的學習模型預測未來的交通流參數。模糊推理法原理是根據交通流量、占有率和交通擁擠程度之間的關系組成模糊規(guī)則矩陣，然后利用交通流量、占有率的實測數據作為輸入，通過一系列的模糊運算推斷出交通擁堵等級。通過信息融合將各種數據進行分類處理，然后統(tǒng)一存儲和共享，為各個ITS子系統(tǒng)提供數據服務。[7]．陳祥光，裴旭東，《人工神經網絡技術及應用》，中國電力出版社。 multisource information fusion。對于多源交通信息融合技術的應用才剛剛起步，還有更多更大的應用空間和潛力尚待去挖掘。交通事件識別方法主要有：(1)基于狀態(tài)估計的方法，如1980年Willsky等提出的多重模型法(MM法)，它根據觀測向量{yl，y2，．．．，yk}以及一組假設模型，在濾波估計的基礎上，判斷哪個假設模型的狀態(tài)估計最接近當前真實系統(tǒng)，就可以判斷該假設模型的事件已經發(fā)生；(2)基于模式識別的方法，如美國加利福尼亞州運輸部開發(fā)的California算法，該算法分別比較上下游相鄰檢測器獲得的占有率的差和相對差以及下游前后時間段占有率相對差值，與事先給定閾值相比較，超出閾值就發(fā)出報告，該算法還有一系列改進的算法得到廣泛承認和應用；(3)基于統(tǒng)計預測或者濾波的方法，此算法在以往觀測數據的基礎上利用統(tǒng)計方法對當前交通狀態(tài)做出預測，再與實際觀測結果相比較，如果差別大于
范文總結相關推薦
鄂ICP備17016276號-1