智能運輸系統(tǒng)概論第4章-wenkub.com
2025-01-02 01:43 本頁面
【正文】 卡爾曼濾波的 遞推特性 使得系統(tǒng)數(shù)據(jù)處理 不需要大量的 數(shù)據(jù)存貯 和 計算 。 粗糙集 與其他不確定性問題理論的 最顯著區(qū)別 是無需提供任何 先驗知識 ， 而是從 給定問題的 描述集合 直接出發(fā) ， 找出問題的 內(nèi)在規(guī)律 。 多源多維實時動態(tài)交通信息融合技術(shù) 交通信息融合的主要方法 智能運輸系統(tǒng)概論 模糊邏輯 基本思想 是把普通集合中的 絕對隸屬關(guān)系 靈活化 ， 使元素對集合的 隸屬度 從原來只能取 {0， 1}中的值擴充到可以取 [0， 1]區(qū)間中的 任一數(shù)值 ， 很適合于用來對傳感器信息的 不確定性 進行描述和處理 。 證據(jù)推理 可避免這一缺點 。 貝葉斯估計 基于 總體信息 、 樣本信息和 先驗信息 進行 統(tǒng)計 和 推理 。 常用的 邏輯推理 方法包括 概率推理 、 證據(jù)推理 、 模糊推理 和 產(chǎn)生式規(guī)則 等 。 智能運輸系統(tǒng)概論 交通信息融合方法 大致分為 兩 大類： 概率統(tǒng)計方法 和人工智能方法 。 第三級 又稱 決策級 ， 是直接針對具體 決策目標 的 最終結(jié)果 。 第一級 又稱 檢測級 、 像素級 ， 是指直接在采集到的 原始數(shù)據(jù)層 上進行 融合 ， 在各種 傳感器 的 原始測報 未經(jīng)處理之前就進行數(shù)據(jù)的 綜合 和 分析 ， 保證 基礎(chǔ)交通 參數(shù)的準確與可靠性 。 缺失數(shù)據(jù)處理 交通信息預(yù)處理技術(shù) 智能運輸系統(tǒng)概論 多源多維實時動態(tài)交通信息融合技術(shù) 交通信息融合 ， 又稱 交通數(shù)據(jù)融合 ， 是指 多傳感器 的數(shù)據(jù)在 一定準則 下加以 自動分析 、 綜合以完成所需的 決策和 評估 而進行的 信息處理 過程 。 時間數(shù)列法 是把當前采集的交通變量看作 時間序列 ，并結(jié)合 歷史數(shù)據(jù) 對缺失的數(shù)據(jù)進行 預(yù)測估計 。 采用 有序樣本聚類算法 時可以把一天的 流量曲線 、 占有率曲線 和 速度曲線 分成許多小的具有 相同交通特性 的 時間段 ， 然后在這些小的時間段中根據(jù)其交通特點來定位隱含的 錯誤 或 異常 數(shù)據(jù) ， 該方法在實際計算中所需 循環(huán)次數(shù)隨著 數(shù)據(jù)總數(shù) 和 分割種數(shù) 成階乘地增長 ， 所以給計算機的實現(xiàn)造成很大難度 。 采用 閾值法 和 交通流機理法 結(jié)合的方法處理后的數(shù)據(jù)足以滿足下一步處理 （ 如數(shù)據(jù)融合 ） 所需的 數(shù)據(jù)精度 ， 該方法能夠根據(jù)交通流的 實際情況 判斷采集來的數(shù)據(jù)是否合理 ， 是 簡單常用 的方法 。 以上過程稱之為 交通信息預(yù)處理 。 最后 ， 需要對 過濾 出道路的遙感圖像進行 二值化分割 ，即把 灰度圖像 轉(zhuǎn)化為 二值圖像 。 圖像增強處理 是數(shù)字圖像處理的基本方法之一 ， 目的是 突出 需要的信息 ， 弱化 或 消除 不需要的信息 ， 即 干擾信息 。 遙感數(shù)據(jù)可分為 遙感衛(wèi)星 數(shù)據(jù) 、 臨近空間 數(shù)據(jù)和航空數(shù)據(jù) 。 除了可以采集 行程時間 和 車速 等交通信息 ， 還可以進行 出行 OD數(shù)據(jù) 的采集 。 聲學(xué)檢測器 檢測來自車輛內(nèi)部和車輛輪胎與地面接觸等多個來源的聲音信號 ， 可檢測 車輛通過 、 車輛出現(xiàn) 及 車速 等交通參數(shù) 。 微波雷達檢測器可通過發(fā)射不同的 雷達波 的波形獲取 交通參數(shù) ， 為 非地埋式 安裝 ， 可安裝在 單車道中央 的 上方 以檢測該車道的交通參數(shù) ， 還可在 多車道道路 的 路邊 安裝以測量多條車道上車輛的交通參數(shù) 。 紅外線檢測器 包括 主動式 紅外線檢測器和 被動式 紅外線檢測器 ， 采用非地埋式 安裝 。 由車道上方的 超聲波探頭 向下發(fā)射一束 超聲波 ， 車輛通過這些波束時 ， 引起波束 反射 回發(fā)送部件 ， 通過判斷信號與原反射回波信號在 時間上的差異 來檢測 車輛數(shù) 和車輛 類型 。 交通信息非自動采集技術(shù) 智能運輸系統(tǒng)概論 交通信息自動采集技術(shù) 交通信息自動采集 技術(shù)： 路基型 交通信息采集技術(shù) 車基型 交通信息采集技術(shù) 空基型 交通信息采集技術(shù) 路基型交通信息采集技術(shù) 目前實用的 路基型 交通信息采集技術(shù)： 感應(yīng)線圈檢測器 、 超聲波檢測器 、 磁力檢測器 、 紅外線檢測器 、 微波雷達檢測器 、 視頻檢測器 、 道路管檢測器 、 聲學(xué)檢測器 等 檢測器法 以及 車輛牌照自動匹配法 、車輛自動識別法 等 。 劃線量測法 、 雷達測速法 、 光電管法 、 攝影法 適用于 地點車速 的測量； 車輛牌照識別法 、 浮動車法 、跟車法 等適用于 行程車速 、 區(qū)間平均車速 的調(diào)查 。 （ 本書研究 ） 智能運輸系統(tǒng)概論 第 4章 交通信息采集與處理技術(shù) 概述 交通信息處理技術(shù) 交通信息采集技術(shù) 智能運輸系統(tǒng)概論 交通信息非自動采集技術(shù) 交通信息采
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1