發(fā)布時間：2018-03-27 05:00

  本文選題：交通信息檢測　切入點：AMR　出處：《長安大學(xué)》2015年碩士論文

【摘要】：目前,以車輛擁堵為代表的交通問題已成為制約城市發(fā)展的重大因素之一,而智能交通系統(tǒng)作為解決交通問題的有效途徑,其重要性日益凸顯。如何獲取實時、準(zhǔn)確的交通路網(wǎng)信息,為交通系統(tǒng)提供有力的數(shù)據(jù)支持,將是建設(shè)智能交通系統(tǒng)的重要前提。因此,本文設(shè)計了基于各向異性磁阻傳感器(AMR,Anisotropic Magneto Resistance)的交通信息檢測系統(tǒng),并提出了實時基線跟蹤的車輛檢測算法與改進(jìn)的有向無環(huán)圖支持向量機(jī)(DAG-SVM,Directed-Acyclic-Graph SVM)車型分類算法,可以有效提高道路車流量、車速、車道占有率、車輛類型檢測的準(zhǔn)確性。本文主要工作包括:(1)研究AMR地磁感應(yīng)車輛檢測原理,結(jié)合交通信息獲取需求,設(shè)計了基于AMR的交通信息檢測系統(tǒng)。系統(tǒng)分為前端信息采集子系統(tǒng)與信息監(jiān)控處理子系統(tǒng),前者由傳感器節(jié)點與信號接收機(jī)組成,負(fù)責(zé)地磁車輛特征信息的檢測,后者利用檢測信號特征計算獲取交通信息。(2)分析AMR采集的原始信號特點,對地磁車輛特征信息檢測進(jìn)行研究,提出了實時基線跟蹤的車輛檢測算法。該算法以多狀態(tài)機(jī)判斷為主體,設(shè)計加權(quán)函數(shù)實時基線修正,能夠?qū)崟r有效檢測車輛信號,提高了車流量、車道占有率以及車速計算的準(zhǔn)確率。并采用Filter-Filter-Wrapper特征選擇與優(yōu)化模型,通過實驗,獲取有利于車型分類的特征集,作為有效地磁車型特征。(3)根據(jù)提取的有效地磁車型特征,選擇DAG-SVM方法進(jìn)行車型分類,論文分析了DAG-SVM模型結(jié)構(gòu)的“誤差累積”,提出了改進(jìn)的DAG-SVM車型分類方法,該方法結(jié)合特征權(quán)值計算類間距離,利用類間距離搭建有向無環(huán)圖。(4)搭建系統(tǒng)測試平臺,現(xiàn)場測試車輛檢測算法,并獲取樣本集,離線訓(xùn)練并測試車型分類算法,測試結(jié)果表明,車輛檢測準(zhǔn)確率達(dá)到98%以上,車型分類準(zhǔn)確率為75%以上,改進(jìn)的DAG-SVM具有更好的分類效果。本文設(shè)計的基于AMR交通信息檢測算法,能夠有效提高交通信息獲取的準(zhǔn)確率,具有較高的推廣價值與應(yīng)用前景。
[Abstract]:At present, traffic problem represented by vehicle congestion has become one of the major factors restricting urban development. As an effective way to solve traffic problems, Intelligent Transportation system (its) is becoming more and more important. Accurate traffic network information, providing strong data support for traffic system, will be an important prerequisite for the construction of intelligent transportation system. Therefore, a traffic information detection system based on anisotropic magnetoresistive sensor (AMRN) is designed in this paper. The vehicle detection algorithm based on real-time baseline tracking and the improved DAG-SVM- Directed-Acyclic-Graph SVM-based vehicle classification algorithm based on directed acyclic graph support vector machine are proposed, which can effectively improve the traffic flow, speed and lane occupancy. The main work of this paper includes: 1) studying the principle of AMR geomagnetic induction vehicle detection, combining with traffic information to obtain the demand. The traffic information detection system based on AMR is designed. The system is divided into front-end information acquisition subsystem and information monitoring and processing subsystem. The former is composed of sensor node and signal receiver, which is responsible for the detection of geomagnetic vehicle characteristic information. The latter uses the characteristic calculation of detection signal to obtain traffic information. (2) analyzing the characteristics of the original signal collected by AMR, and studying the detection of the characteristic information of geomagnetic vehicle. A vehicle detection algorithm based on real-time baseline tracking is proposed, in which the multi-state machine judgment is the main body, and the real-time baseline correction of the weighting function is designed, which can effectively detect the vehicle signals in real time and improve the traffic flow. Using the Filter-Filter-Wrapper feature selection and optimization model, through experiments, the feature set is obtained as the effective geomagnetic vehicle type feature, which can be used as the effective geomagnetic vehicle type feature. This paper analyzes the "error accumulation" of the DAG-SVM model structure, and proposes an improved DAG-SVM vehicle classification method, which combines the characteristic weights to calculate the distance between classes. Using distance between classes to build the directed acyclic graph. 4) to build the system test platform, to test the vehicle detection algorithm on the spot, to obtain the sample set, to train off line and to test the vehicle classification algorithm. The test results show that the accuracy of vehicle detection is over 98%. The accuracy of vehicle classification is more than 75%, and the improved DAG-SVM has better classification effect. The traffic information detection algorithm based on AMR designed in this paper can effectively improve the accuracy of traffic information acquisition, and has high promotion value and application prospect.
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U491.116

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 凌肇元;;弱電信息檢測[J];電氣時代;1984年01期

2 董文軍;;超聲波在道路車輛信息檢測中的應(yīng)用[J];機(jī)械工程師;2007年03期

3 粘寶卿,許鷺芬,蔣志迪,黃衍鎮(zhèn);水聲信息檢測中的脈寬反窄抗噪聲[J];廈門大學(xué)學(xué)報(自然科學(xué)版);1999年04期

4 陳宇杰;王健琪;路國華;;非接觸式生命信息檢測技術(shù)的綜述[J];醫(yī)療衛(wèi)生裝備;2006年03期

5 馬之力;劉浩;劉淳;李雪紅;;基于移動Agent的重要信息保護(hù)系統(tǒng)設(shè)計與實現(xiàn)[J];電力信息與通信技術(shù);2013年10期

6 肖原;鄭志濤;劉健;鄧勇;;GPS在游樂設(shè)施運動信息檢測中的應(yīng)用[J];裝備制造技術(shù);2007年11期

7 孫戎;;非接觸式運動型凹坑信息檢測[J];光學(xué)儀器;2006年04期

8 孫麗華;趙剛;王咸達(dá);;混合動力電傳動汽車信息檢測與數(shù)據(jù)處理系統(tǒng)設(shè)計[J];中國儀器儀表;2014年08期

9 蘭其斌;;新型彩超M型心動圖的動態(tài)信息檢測[J];南通大學(xué)學(xué)報(自然科學(xué)版);2009年01期

10 劉耀斌;;冶金工業(yè)熱工參數(shù)的信息檢測與控制[J];化學(xué)工程與裝備;2014年01期

相關(guān)會議論文 前6條

1 徐德;常發(fā)亮;孫同景;;低成本集散信息檢測管理系統(tǒng)[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 胡翊;高雋;范之國;張翼;;基于AT91RM9200的大氣偏振信息檢測系統(tǒng)設(shè)計[A];中國儀器儀表學(xué)會第十一屆青年學(xué)術(shù)會議論文集[C];2009年

3 馬宏偉;聶珍;尚長春;;煤礦救援機(jī)器人環(huán)境信息檢測與處理系統(tǒng)研究[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

4 曾萊蓓;孫星明;向凌云;羅綱;;基于虛詞變換的文本隱藏信息檢測方法研究[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會湖南省計算機(jī)學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

5 張宣;趙軍平;鄭兵;宋浩;宋偉;;基于雙模衛(wèi)星定位、生命信息檢測和無線傳輸終端的設(shè)計[A];第一屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會論文集（下）[C];2010年

6 劉子豪;莊毅;;一種電子郵件敏感信息檢測算法[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會湖南省計算機(jī)學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

相關(guān)博士學(xué)位論文 前4條

1 張華平;語言淺層分析與句子級新信息檢測研究[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2005年

2 向凌云;文本信息隱藏和隱藏信息檢測研究[D];湖南大學(xué);2011年

3 秦姣華;空域圖像隱藏信息檢測技術(shù)研究[D];湖南大學(xué);2009年

4 夏志華;基于學(xué)習(xí)的圖像隱藏信息檢測技術(shù)研究[D];湖南大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 李陽;基于AMR的交通信息檢測算法研究[D];長安大學(xué);2015年

2 張嚴(yán);跨領(lǐng)域模糊限制信息檢測研究[D];大連理工大學(xué);2014年

3 張希;神經(jīng)肌肉電刺激誘發(fā)的雙相運動疲勞信息檢測與處理技術(shù)研究[D];天津大學(xué);2010年

4 陳華城;基于本體的文檔敏感信息檢測關(guān)鍵技術(shù)研究[D];解放軍信息工程大學(xué);2013年

5 楊凱帆;微博垃圾信息檢測[D];中國科學(xué)技術(shù)大學(xué);2015年

6 李志;牛胴體眼肌切面分級信息檢測自動化研究[D];吉林大學(xué);2008年

7 畢曉琳;車輛綜合信息檢測研究[D];西安電子科技大學(xué);2014年

8 張流;基于DSP的視頻交通信息檢測系統(tǒng)設(shè)計[D];天津大學(xué);2005年

9 曾萊蓓;基于虛詞變換的文本隱藏信息檢測方法研究[D];湖南大學(xué);2010年

10 曲心慧;基于J2EE的有害Web信息檢測系統(tǒng)設(shè)計與實現(xiàn)[D];山東大學(xué);2009年

，

本文編號：1670069