目前我國高速公路發(fā)展迅速,里程不斷增加,由于地域差異大,氣象條件多變,增加道路行車安全隱患,尤其在低能見度條件下,交通事故頻發(fā),檢測交通事件的難度增大。因此需實(shí)時(shí)、準(zhǔn)確地采集道路動(dòng)態(tài)及多樣的交通信息,為交通事件檢測及誘導(dǎo)方案的提出提供依據(jù)。到目前為止,交通信息采集主要有感應(yīng)線圈、視頻、微波、超聲波、紅外、GPS定位、電子標(biāo)簽等方式。目前的檢測技術(shù)存在價(jià)格昂貴、系統(tǒng)復(fù)雜、對路面結(jié)構(gòu)產(chǎn)生損害、低能見度環(huán)境條件效果差等問題。而微波具有對移動(dòng)物體反應(yīng)靈敏、檢測速度快等特點(diǎn);音頻也屬于交通信息檢測技術(shù)之一,車輛的自發(fā)聲是車輛行駛狀態(tài)的一種表現(xiàn)形式。車輛的運(yùn)動(dòng)狀態(tài)具有移動(dòng)和自發(fā)聲雙重特點(diǎn),利用音頻和微波對道路車輛運(yùn)動(dòng)狀態(tài)的檢測具有互補(bǔ)性強(qiáng)、安裝方便、對路面結(jié)構(gòu)無損害、低能見度環(huán)境表現(xiàn)良好等優(yōu)點(diǎn)。因此本文采用微波和音頻兩種采集技術(shù)實(shí)現(xiàn)對行駛車輛信息的采集,通過采集的車輛信息實(shí)現(xiàn)車輛定位及運(yùn)動(dòng)狀態(tài)的識別研究。本文首次采用微波的脈沖信號實(shí)現(xiàn)車輛運(yùn)動(dòng)狀態(tài)的研究分析;通過采集道路有標(biāo)簽的音頻數(shù)據(jù)實(shí)現(xiàn)車輛行車車道級定位檢測研究;針對單一微波和音頻在車輛檢測中存在的誤檢率高等問題,利用微波+音頻實(shí)現(xiàn)基于表決層融... 

【文章來源】：重慶交通大學(xué)重慶市

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【部分圖文】：

009年-2018年中國公路貨運(yùn)量及增速

1第一章緒論1.1本文依托課題本論文依附于重慶市科委社會(huì)民生科技創(chuàng)新專項(xiàng)項(xiàng)目“基于互聯(lián)網(wǎng)+險(xiǎn)危環(huán)境信息服務(wù)的烏魯木齊繞城高速智慧交通關(guān)鍵技術(shù)研究”（cstc2016shmszx30026）。1.2研究背景與意義高速公路是經(jīng)濟(jì)發(fā)展的重要支柱，是交通運(yùn)輸?shù)拇髣?dòng)脈[1]。尤其現(xiàn)如今線上線下聯(lián)動(dòng)發(fā)展，對于交通的需求將更加旺盛。截至2018年底，全國高速公路里程已突破14萬公里。僅僅2018年新增高速公路6000公里，里程規(guī)模已遙遙領(lǐng)先其它國家。下圖1.1和圖1.2顯示的是2009年-2018年中國公路貨運(yùn)量及客運(yùn)量情況。圖1.12009年-2018年中國公路貨運(yùn)量及增速圖1.22009年-2018年中國公路客運(yùn)量及增速

15測器區(qū)分出車輛的大致位置，從而實(shí)現(xiàn)對車輛的定位。而通過相對位置進(jìn)行判斷需要多傳感器采集到車輛與一定物體的相對距離實(shí)現(xiàn)定位。S1S2EMKsensor1sensor2sensor3圖2.4多傳感器相對距離實(shí)現(xiàn)定位圖中S1和S2為行車道，E為應(yīng)急車道，M為路肩，K為道路隔離帶，sensor1、sensor2和sensor3為三路傳感器檢測單元，根據(jù)其相對位置判斷車輛的位置。2.4運(yùn)動(dòng)狀態(tài)識別相關(guān)算法2.4.1循環(huán)神經(jīng)網(wǎng)絡(luò)在機(jī)器學(xué)習(xí)中，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型其實(shí)是一種數(shù)學(xué)意義上度量向量之間的相似性的方法，該方法實(shí)現(xiàn)不同向量之間相似性的差別度量，根據(jù)差別性實(shí)現(xiàn)分類。最簡單的線性分類就是一個(gè)很好的例子，如下圖2.6所示。x11zybw1g(z)圖2.5簡單的線性分類結(jié)構(gòu)圖2.6線性分類效果圖+=bxwz11（2.7）=)(yzg（2.8）公式（2.7）是線性分割線，1w是分隔線的斜率，b是偏置，z是對應(yīng)坐標(biāo)軸

【參考文獻(xiàn)】：
期刊論文
[1]雙動(dòng)態(tài)條件下多傳感器融合的車輛檢測方法研究[J]. 劉志強(qiáng),張中昀,倪捷,張騰.  機(jī)械設(shè)計(jì)與制造. 2018(S2)
[2]基于YOLOv2算法的運(yùn)動(dòng)車輛目標(biāo)檢測方法研究[J]. 龔靜,曹立,亓琳,李良榮.  電子科技. 2018(06)
[3]基于深度置信網(wǎng)絡(luò)的多源信息前方車輛檢測[J]. 王戰(zhàn)古,高松,邵金菊,譚德榮,孫亮,于杰.  汽車工程. 2018(05)
[4]我國公路低能見度災(zāi)害風(fēng)險(xiǎn)評估與區(qū)劃研究[J]. 李藹恂,吳昊,柳艷香,楊靜,田華,潘進(jìn)軍.  氣象. 2018(05)
[5]微波感應(yīng)器的原理和應(yīng)用[J]. 張海斌.  電子制作. 2018(10)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的小樣本車輛檢測與識別[J]. 吳玉枝,吳志紅,熊運(yùn)余.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(06)
[7]淺談微波檢測技術(shù)應(yīng)用于高速流量自動(dòng)采集[J]. 王鐳,張宇英.  中國自動(dòng)識別技術(shù). 2017(06)
[8]基于MFCC和支持向量機(jī)的裝甲車輛識別研究[J]. 孫國強(qiáng),樊新海,石文雷.  國外電子測量技術(shù). 2017(10)
[9]環(huán)境監(jiān)測中多傳感器數(shù)據(jù)融合研究[J]. 劉靜,李富忠,荊瑞俊.  山西農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[10]基于UWB/DGNSS的高速公路車輛精確定位方法的研究[J]. 陳梟,崔學(xué)榮,宋會(huì)英.  微型電腦應(yīng)用. 2017(03)

博士論文
[1]多傳感器光測系統(tǒng)數(shù)據(jù)融合技術(shù)的應(yīng)用研究[D]. 譚振江.中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所） 2003

碩士論文
[1]基于圖像分析的團(tuán)霧檢測預(yù)警系統(tǒng)設(shè)計(jì)[D]. 徐放.南京理工大學(xué) 2017
[2]霧對高速公路行車的影響及對策研究[D]. 楊鑫宇.長安大學(xué) 2014
[3]基于視頻檢測技術(shù)的車流量統(tǒng)計(jì)算法研究[D]. 夏麗.武漢理工大學(xué) 2012



本文編號：2917085