0010第三章交通信息處理技術(shù)-wenkub.com
2025-02-11 20:45 本頁面
【正文】 – 分析推理模型：比如 METANET， SIMRES， STM，或 DynaMIT， ? 這些方法主要是采用宏觀、中觀、微觀模擬交通狀況，這些模型需要動態(tài) OD矩陣作為輸入。 第三節(jié) 交通流和行程時間預(yù)測技術(shù) 城市道路路段行程時間預(yù)測 ? 城市道路行程時間分成兩部分： ? 車輛在 路段上的運行時間 和 交叉口的運行時間 ， ? 其中交叉口的運行時間包括 通過交叉口行駛時間 和 交叉口的延誤時間 。 第三節(jié) 交通流和行程時間預(yù)測技術(shù) – 缺點： ? 假設(shè)條件苛刻，在實際路網(wǎng)中無法得到相應(yīng)信息或取得信息的代價昂貴 ? 某些模型的解釋性雖然較好，但無法求解或求解難度大，優(yōu)化時間長 ? 過分強調(diào)精確的系統(tǒng)最優(yōu)或用戶最優(yōu)分配結(jié)果，加大了模型求解的難度，不適合在大規(guī)模路網(wǎng)上實現(xiàn)應(yīng)用 第三節(jié) 交通流和行程時間預(yù)測技術(shù) 神經(jīng)網(wǎng)絡(luò)模型 t時刻的交通量 t+5時刻的交通量 輸入層 中間層 輸出層 t－ 5時刻的交通量 t－ 160時刻的交通量 t－ 165時刻的交通量 t－ 170時刻的交通量 … … 第三節(jié) 交通流和行程時間預(yù)測技術(shù) 0 20 40 60 80 100 120 140 160 180 2001041031021012 0 0 E p o c h sTrainingBlue GoalBlackP e r f o r m a n c e i s 0 . 0 0 0 2 3 6 9 1 1 , G o a l i s 0 . 0 0 0 10 50 100 150 200 250 3000 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 911 . 1算法預(yù)測數(shù)據(jù) 測試樣本BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程 預(yù)測對比效果 第三節(jié) 交通流和行程時間預(yù)測技術(shù) 二、行程時間預(yù)測 預(yù)測行程時間要滿足實時性和準確性，交通網(wǎng)絡(luò)復(fù)雜，預(yù)測行程時間困難。 第三節(jié) 交通流和行程時間預(yù)測技術(shù) 動態(tài)交通分配模型（ DTA模型） – DTA模型通過采集到的 交通流數(shù)據(jù) 和 出行者選擇的行為 用于估計隨時間變化的網(wǎng)絡(luò)的狀態(tài)。 – 缺點： ? 只利用了交通流系統(tǒng)本身的歷史數(shù)據(jù)，沒有考慮其他任何影響因素（例如相鄰路口） ? 不能反映交通流過程的不確定性與非線性，尤其無法克服隨機干擾因素的影響 第三節(jié) 交通流和行程時間預(yù)測技術(shù) 交通仿真模型 (Traffic Simulation Model) – 交通仿真模型把車輛當作實體，用計算機模擬實際道路交通情況，對道路的交通狀況進行仿真，得到道路預(yù)測的交通信息。 ? 交通流預(yù)測模型的特性：實時性、準確性、可靠性。 ? 信息協(xié)調(diào)管理 ? 多傳感器所表示的時間、空間和表達方式各不相同，必須將它們統(tǒng)一到一個共同的時空參考體系中，該模塊完成了時間因素、空間因素和工作因素的全面協(xié)調(diào)管理。 第二節(jié) 交通信息融合處理技術(shù) 三、 基于信息融合技術(shù)的智能駕駛系統(tǒng) 智能駕駛的相關(guān)概念 （ 1）智能汽車的概念 – 在網(wǎng)絡(luò)環(huán)境下用信息技術(shù)和智能控制技術(shù)，使汽車具有自動識別行駛道路、自動駕駛、自動調(diào)速等功能。 該訓(xùn)練好的網(wǎng)絡(luò)作為已知網(wǎng)絡(luò) ， 只要將歸一化的多傳感器特征信息作為輸入送人該網(wǎng)絡(luò) ， 則網(wǎng)絡(luò)輸出就是被測系統(tǒng)的狀態(tài) 。 ? 聯(lián)合濾波交通流量融合模型和集中濾波交通流量融合模型：對同一斷面多個同步檢測設(shè)備檢測數(shù)據(jù)融合。 第二節(jié) 交通信息融合處理技術(shù) 二、交通信息融合處理的方法 分成三類： – 直接對數(shù)據(jù)源操作：加權(quán)平均、神經(jīng)元網(wǎng)絡(luò)等 – 利用對象的 統(tǒng)計特性 和 概率模型 進行操作：卡爾曼濾波、貝葉斯估計、多貝葉斯估計、統(tǒng)計決策理論等 – 基于規(guī)則推理的方法：模糊推理、證據(jù)推理、產(chǎn)生式規(guī)則等 第二節(jié) 交通信息融合處理技術(shù) 基于卡爾曼濾波技術(shù)的交通信息融合方法 ? 用于實時融合動態(tài)的低層次冗余多源數(shù)據(jù)，該方法用測量模型的統(tǒng)計特性遞推決定統(tǒng)計意義下的最優(yōu)融合數(shù)據(jù)估計。 ? 由于數(shù)據(jù)丟失，結(jié)果準確性有所下降，對通信帶寬的要求較低。 第二節(jié) 交通信息融合處理技術(shù) 信息融合的 定義 通過中心數(shù)據(jù)處理器把來自多個傳感器的數(shù)據(jù)進行綜合 ， 把各種傳入數(shù)據(jù)進行綜合處理 ， 使數(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 ， 使它產(chǎn)生的輸出信息比各個部分分別處理產(chǎn)生的信息總和更有價值 。 波形編碼 – 特點：將信號的時域波形進行抽樣量化編碼 – 模數(shù)轉(zhuǎn)換過程： ? 取樣：在時間軸上對信號離散化 ? 量化：在幅度軸上對信號數(shù)字化 ? 編碼：按一定格式記錄采樣和量化后的數(shù)字數(shù)據(jù) 第一節(jié) 數(shù)據(jù)壓縮處理技術(shù) （ 1） 脈沖編碼調(diào)制 （ PCM編碼 ） 原理： 第一節(jié) 數(shù)據(jù)壓縮處理技術(shù) （ 2）差分脈沖編碼（ DPCM， differential pulse code modulation） ? 利用樣本與樣本之間存在的信息冗余度來進行編碼的一種數(shù)據(jù)壓縮技術(shù)； ? 思路：根據(jù)過去的樣本去估算 (estimate)下一個樣本信號的幅度大小，稱為預(yù)測值，然后
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1