【摘要】：近年來,隨著中國以及全球汽車保有量的逐年上升,一系列交通問題隨之而來,例如交通擁堵日益嚴重,交通事故的發(fā)生量及其引起的損失逐年增加等。近年來,車聯(lián)網(wǎng)作為物聯(lián)網(wǎng)在智能交通領(lǐng)域的應(yīng)用和延伸被提出,實現(xiàn)了車、路、人的融合統(tǒng)一,提高道路通行效率和安全系數(shù)。車聯(lián)網(wǎng)在全球得到了的廣泛重視和大力發(fā)展,各項技術(shù)瓶頸不斷突破,不久的將來即可實現(xiàn)商用化。本文對現(xiàn)有交通事故自動識別方法進行總結(jié)分析,發(fā)現(xiàn)這些方法普遍某些缺陷。基于此,本文提出一種車聯(lián)網(wǎng)環(huán)境下的基于簡單集合理論的高速公路交通事故自動識別方法—SFID(Set theory based Freeway Incident Detection)。該方法不需要借助任何路側(cè)固定設(shè)施采集交通信息,僅需借助車聯(lián)網(wǎng)環(huán)境中車輛之間的周期性通信來感知其他車輛的存在,然后利用簡單的集合理論對其進行處理即可快速判別出是否發(fā)生事故。所以,該方法不僅具有簡單、實時性高的特點,還可以避免現(xiàn)有大部分交通事故自動識別方法需要在路側(cè)鋪設(shè)固定數(shù)據(jù)采集設(shè)施的弊端。車聯(lián)網(wǎng)的整體功能可以概括為對各種異構(gòu)網(wǎng)絡(luò)的融合以實現(xiàn)高效可靠的通信,本文對車聯(lián)網(wǎng)的系統(tǒng)結(jié)構(gòu)、模型、全球主要使用的兩大標準—DSRC和C-V2X、應(yīng)用場景進行了簡要介紹。然后對SFID方法進行了詳細的理論推導(dǎo),對自車(作為的研究對象的某一輛車)發(fā)生真正事故、通過高速出入口附近路段等幾種特殊情形進行理論分析。考慮到MTALAB軟件強大的矩陣計算能力,用其對以上幾種情形進行理論仿真和數(shù)據(jù)分析,得到的結(jié)論與理論分析一致,由此,SFID方法得到了理論驗證。最后運用一種廣泛用于交通科學領(lǐng)域的時間驅(qū)動的微觀仿真建模工具—VISSIM對上述幾種情況分別進行現(xiàn)實模擬,該工具可以根據(jù)路面實時交通狀態(tài)模擬現(xiàn)實中的跟馳、停車、變道、加減速等過程。本文采用Wiedemann99跟車模型,利用在道路上設(shè)置停車場來模擬自車發(fā)生交通事故,在道路上設(shè)置減速區(qū)來模擬交通事故引起的擁堵減速,將每個仿真秒的車輛數(shù)據(jù)輸出到一個離線文件,然后按照SFID方法原理對其進行計算處理分析。得到的結(jié)論與理論分析一致,由此,SFID方法的正確性和可用性得到了進一步驗證。
【學位授予單位】：安徽大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：U491.31
【圖文】：

１N２研宄意義逡逑高速公路作為一種經(jīng)濟、高效的現(xiàn)代化交通通道，近年來，全國在大量修建逡逑高速公路，擴大和完善高速路網(wǎng)絡(luò)，如圖１．２所示是中國交通運輸部官方公布的逡逑數(shù)據(jù)，截止到２０１７年年底，中國的高速公路通車總里程突破１３．６萬公里。然而，逡逑高速公路通車里程的增加意味著高速公路上發(fā)生交通事故的概率也在增加，世界逡逑衛(wèi)生組織的報告顯示全世界每年的交通事故死亡人數(shù)高達１２５萬［１（）］，其他報告逡逑還顯示全球道路交通事故引起的經(jīng)濟損失更是高達到全球經(jīng)濟總產(chǎn)值的３％［１１］。逡逑由于高速公路上的車輛行駛速度之快，正常情況下的平均行駛速度速能達到逡逑８０Ｋｎｉ／ｈ以上，而一般人從發(fā)現(xiàn)異常到做出制動反應(yīng)需要的時間是０．７５－１．５ｓ［１２］，逡逑當駕駛?cè)说囊暰�受到惡劣天氣或前方其他車輛影響時，在其發(fā)現(xiàn)異常情況以后就逡逑可能沒有足夠長的時間做出相應(yīng)反應(yīng)，因此，極易引發(fā)交通事故，甚至二次事故逡逑或者慘烈的連環(huán)碰撞事故。因此

圖２．１車聯(lián)網(wǎng)的系統(tǒng)結(jié)構(gòu)逡逑Ｆｉｇ２．１邋Ｔｌｉｅ邋ａｒｃｈｉｔｅｃｔｕｒｅ邋ｏｆ邋ＩｏＶ逡逑工作在最頂層的是應(yīng)用服務(wù)層，利用人工智能、深度學習、分布計算等技術(shù)逡逑１１逡逑

【相似文獻】

相關(guān)期刊論文 前10條

1 賈阿麗;;通信信號自動識別方法研究[J];通訊世界;2016年18期

2 呂建平;馬力;;地圖自動識別方法初探[J];西安電子科技大學學報;1989年01期

3 李震;陳小鷗;趙星;楊叔子;肖行貫;蔡用之;朱家麟;章曉東;;一種脈搏波處理系統(tǒng)[J];中國醫(yī)療器械雜志;1989年06期

4 向阿勇;秦建峰;蔡宏;;一種基于歸一化差分的噪聲信號波峰自動識別方法[J];氣象水文海洋儀器;2016年01期

5 方志江,曲政;基于粒度數(shù)據(jù)的沉積環(huán)境自動識別方法的研究[J];煤;1999年03期

6 藍朝楨,吳云東,郭建星;基于影像的道路標線自動識別方法[J];測繪學院學報;2002年02期

7 段玉順,李芳;地震相的自動識別方法及應(yīng)用[J];石油地球物理勘探;2004年02期

8 馮靜;齊東玉;李雪;王世凱;李川川;;返回散射電離圖傳播模式的自動識別方法[J];電波科學學報;2014年01期

9 徐賓剛;MURRELLS Charlotte;陶肖明;;紗線扭結(jié)分布特征的計算機自動識別方法[J];紡織學報;2006年10期

10 梅天燦,秦前清,鐘永正;基于自適應(yīng)特征提取的印鑒自動識別方法[J];計算機工程與應(yīng)用;2004年24期

相關(guān)會議論文 前10條

1 尚英;;動詞重疊形式的自動識別方法研究[A];第二屆全國學生計算語言學研討會論文集[C];2004年

2 劉旭花;孟祥增;劉俊曉;吳鵬飛;;一種基于知識庫的圖像對象自動識別方法[A];第十三屆全國圖象圖形學學術(shù)會議論文集[C];2006年

3 黃行;江荻;;現(xiàn)代藏語判定動詞句主賓語的自動識別方法[A];語言計算與基于內(nèi)容的文本處理——全國第七屆計算語言學聯(lián)合學術(shù)會議論文集[C];2003年

4 鄭家恒;楊曉巖;;英文譯名自動識別方法研究[A];輝煌二十年——中國中文信息學會二十周年學術(shù)會議論文集[C];2001年

5 鐘茂生;;基于詞語形式標記的句際語義關(guān)系自動識別方法[A];第五屆全國信息檢索學術(shù)會議論文集[C];2009年

6 張巍;游宏梁;張吉才;;一種基于加權(quán)投票的術(shù)語自動識別方法[A];第六屆全國信息檢索學術(shù)會議論文集[C];2010年

7 杜小毅;于濂;;基于聯(lián)合特征的車標自動識別方法[A];第七屆中國智能交通年會優(yōu)秀論文集——智能交通技術(shù)[C];2012年

8 張顯全;王曉云;唐振軍;;基于直線和圓的工程圖的自動識別方法[A];廣西計算機學會2004年學術(shù)年會論文集[C];2004年

9 王寧;游志勝;潘薇;李貴俊;;一種護照編碼自動識別方法[A];信號與信息處理技術(shù)第三屆信號與信息處理全國聯(lián)合學術(shù)會議論文集[C];2004年

10 芮明;路通;蘇豐;蔡士杰;;基于視覺的表格自動識別方法[A];全國第13屆計算機輔助設(shè)計與圖形學（CAD/CG）學術(shù)會議論文集[C];2004年

相關(guān)博士學位論文 前2條

1 束宇;MCS的觀測研究與MCV的個例模擬研究[D];南京大學;2011年

2 賈寶新;礦震監(jiān)測的理論與應(yīng)用研究[D];遼寧工程技術(shù)大學;2013年

相關(guān)碩士學位論文 前10條

1 孫李兵;車聯(lián)網(wǎng)環(huán)境下的高速公路交通事故自動識別方法研究[D];安徽大學;2019年

2 吳樹岸;基于附著系數(shù)實時估算的拖拉機軟土地面自動識別方法研究[D];南京農(nóng)業(yè)大學;2017年

3 佘玲軍;移動網(wǎng)絡(luò)流量中安卓應(yīng)用自動識別方法研究[D];湖南大學;2015年

4 顧紅;基于頻域的結(jié)構(gòu)密集模態(tài)自動識別方法研究[D];大連理工大學;2018年

5 王壯壯;基于知識型時空特征的植被變化及干擾自動識別方法[D];福州大學;2017年

6 孫慧媛;基于機器視覺的電力儀表自動識別方法研究[D];浙江理工大學;2019年

7 葛麗萍;交互式問答系統(tǒng)中的待改進問題自動識別方法[D];哈爾濱工業(yè)大學;2013年

8 王源;特定目標自動識別方法研究[D];南京理工大學;2004年

9 高明;不文明微博帖的自動識別方法研究[D];華中師范大學;2016年

10 李致毅;基于概率圖模型的發(fā)票內(nèi)容自動識別方法研究[D];哈爾濱工程大學;2016年

本文編號：2714241