0010第三章交通信息處理技術(shù)(參考版)
2025-02-15 20:45本頁面
【正文】 演講完畢，謝謝觀看！ 。 ? 這些方法的特征是需要很多的歷史、當(dāng)前的交通參數(shù)數(shù)據(jù)（速度、流量、占有率和運(yùn)行時(shí)間）作為輸入。 如果只考慮交通流量及紅綠燈控制對其的影響，通過某一路段總的行程時(shí)間將包括： – 車輛在該路段上的 平均行駛時(shí)間 、 在下游交叉口處的排隊(duì)等待時(shí)間 和 通過該交叉口的時(shí)間 等三部分。 影響行程時(shí)間預(yù)測的因素 這些因素是否可以用于 行程時(shí)間預(yù)測，主要依 賴于他們能否被精確地 檢測到。 行程時(shí)間計(jì)算方法 ? 個(gè)別行程時(shí)間 指駕駛員通過某條路線所需要的時(shí)間，通常用距離和速度來表示。 – 以傳統(tǒng)的靜態(tài)的交通分配的假設(shè)解決隨時(shí)間變化的動態(tài)交通流問題，對任何一個(gè)網(wǎng)絡(luò)沒有一個(gè)方法是通用的方法。 – 動態(tài)交通分配 是按照一定的準(zhǔn)則將動態(tài)交通需求量合理地分配到路網(wǎng)上，從而得到路段實(shí)時(shí)交通量的方法。 – 但交通仿真模型提供了一個(gè)交通流、占有率和旅行時(shí)間之間關(guān)系的一個(gè)模擬實(shí)際的計(jì)算方法。 – 嚴(yán)格意義上說，交通仿真模型不能用于交通流預(yù)測的目的，因?yàn)樗枰斎胗糜陬A(yù)測的交通流數(shù)據(jù)。 – 使用歷史數(shù)據(jù)進(jìn)行預(yù)測，利用現(xiàn)在和過去的觀測值來預(yù)測其未來值。 ? 預(yù)測模型： 基于統(tǒng)計(jì)方法的模型、動態(tài)交通分配模型、交通仿真模型、非參數(shù)回歸模型、神經(jīng)網(wǎng)絡(luò)模型、基于混沌理論的模型、綜合模型。 ? 什么是短期交通流預(yù)測？預(yù)測的內(nèi)容包括哪些？ 預(yù)測內(nèi)容：交通量、速度、密度、旅行時(shí)間等。 ? 信息融合方法 ? 對不同的任務(wù)和不同的對象采用不同的方法，或者綜合使用幾種方法。 對象和系統(tǒng)1n32融 合 1融 合 2融 合 m 融 合 數(shù) 據(jù) 庫傳 感 器 模 型 庫信 息 協(xié) 調(diào) 管 理信 息 融 合 方 法專 家 知 識 庫傳 感 器低 高融 合 層 次 第二節(jié) 交通信息融合處理技術(shù) ? 傳感器模型庫 ? 存放所用的傳感器模型，定量地描述了傳感器的特性以及各種外界條件對傳感器特征的影響。 （ 2）自動車輛系統(tǒng)（ AVS）異類傳感器 – 包括視頻傳感器、激光掃描儀和雷達(dá)傳感器等 （ 3）安全駕駛系統(tǒng) – 包括碰撞報(bào)警系統(tǒng)（ CW）、偏向報(bào)警系統(tǒng)（ LDW）和智能巡游系統(tǒng)（ ICC）等 – 自動泊車系統(tǒng)（視頻） 第二節(jié) 交通信息融合處理技術(shù) ICC、 CW和 LDW系統(tǒng)中存在的問題 依靠單一傳感器，容易產(chǎn)生誤報(bào)，降低了系統(tǒng)的穩(wěn)定性 第二節(jié) 交通信息融合處理技術(shù) ICC、 CW和 LDW系統(tǒng)中存在的問題 依靠單一傳感器，容易產(chǎn)生誤報(bào)，降低了系統(tǒng)的穩(wěn)定性。 – 算術(shù)平均值的遞推估計(jì)融合法。 第二節(jié) 交通信息融合處理技術(shù) 基于綜合統(tǒng)計(jì)分析的交通信息融合方法 – 加權(quán)平均法是一種簡單，直觀的融合多傳感器低層數(shù)據(jù)的方法，利用由一組傳感器提供的冗余信息進(jìn)行加權(quán)平均計(jì)算，并將加權(quán)平均值作為信息融合值。 （ 1）基于神經(jīng)網(wǎng)絡(luò)的傳感器信息融合過程 第二節(jié) 交通信息融合處理技術(shù) （ 2） 具體步驟 ? 用選定的 N個(gè)傳感器檢測系統(tǒng)狀態(tài)； ? 采集 N個(gè)傳感器的測量信號并進(jìn)行預(yù)處理； ? 對預(yù)處理后的 N個(gè)傳感器信號進(jìn)行特征選擇； ? 對特征信號進(jìn)行歸一化處理 ， 為神經(jīng)網(wǎng)絡(luò)的輸入提供標(biāo)準(zhǔn)形式； ? 將歸一化的特征信息與已知的系統(tǒng)狀態(tài)信息作為訓(xùn)練樣本 ， 送神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練 ， 直到滿足要求為止 。 第二節(jié) 交通信息融合處理技術(shù) 基于貝葉斯估計(jì)的交通信息融合方法 將多傳感器提供的各種不確定性信息表示為概率，并利用概率論中的Bayes條件概率公式對其進(jìn)行處理。 ? 基于空間相關(guān)性的交通流量濾波融合模型：針對不同檢測斷面檢測數(shù)據(jù)的融合。 ? 卡爾曼濾波則不需要全部過去的觀察數(shù)據(jù)，它只是根據(jù)前一個(gè)估計(jì)值和最近一個(gè)觀察數(shù)據(jù)來估計(jì)信號的當(dāng)前值。 第二節(jié) 交通信息融合處理技術(shù) ? 信息融合三個(gè)層次的結(jié)構(gòu)圖 第二節(jié) 交通信息融合處理技術(shù) 三個(gè)模式在交通信息融合中的體現(xiàn)（交通信息融合的輸出結(jié)果） ? 像素級和特征級融合 ? 處理的是地面交通信息和部分空間信息（如 GPS） ? 輸出的是對城市交通狀態(tài)的部分描述，如狀態(tài)向量、特征和屬性等 ? 決策級融合 – 處理的數(shù)據(jù)包括地面交通信息、全部的空間信息、氣象信息等其他交通相關(guān)信息以及交通領(lǐng)域?qū)＜业闹R等 – 輸出的是抽象結(jié)果，如對交通系統(tǒng)的狀態(tài)、交通系統(tǒng)整體性能的評價(jià)以及對系統(tǒng)運(yùn)行的預(yù)測等 第二節(jié) 交通信息融合處理技術(shù) 交通信息融合的 作用 – 通過各種交通傳感器和歷史數(shù)據(jù)庫等多種數(shù)據(jù)來源作為輸入，利用融合技術(shù)理論和方法，得到適合各個(gè)智能交通服務(wù)領(lǐng)域使用的交通信息。 ? 決策級融合 – 從具體決策問題出發(fā)，利用特征級的融合結(jié)果，直接針對具體決策目標(biāo)，融合結(jié)果直接影響決策水平，是一種高層次融合。 ? 特征級融合 ? 先對來自傳感器的原始信息進(jìn)行特征提?。ㄌ卣骺梢允潜挥^測對象的各種物理量），然后按特征信息對多傳感器數(shù)據(jù)進(jìn)行分類、綜合和分析，屬于中間層次的融合。 信息融合的 優(yōu)點(diǎn) ?可以提高系統(tǒng)的可信度 ?可使數(shù)據(jù)采集更客觀 ?可以提高檢測效果 ?可以擴(kuò)大時(shí)間和空間覆蓋能力 ?可以提高系統(tǒng)的性能價(jià)格比 第二節(jié) 交通信息融合處理技術(shù) 信息融合模式 ? 像素級融合 ? 直接在各傳感器采集到的未處理的原始數(shù)據(jù)上進(jìn)行融合，從融合的數(shù)據(jù)中提
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1