本文關(guān)鍵詞：基于車(chē)牌識(shí)別數(shù)據(jù)的交通流參數(shù)短時(shí)預(yù)測(cè)

  更多相關(guān)文章： 車(chē)牌識(shí)別 數(shù)據(jù)異常 改進(jìn)GM(1 1) 短時(shí)預(yù)測(cè)

【摘要】：隨著社會(huì)的發(fā)展,汽車(chē)制造業(yè)的完善,人民的生活水平提高,私家車(chē)的數(shù)量也越來(lái)越多,我國(guó)各大中小型城市的交通擁堵問(wèn)題日益嚴(yán)重。不管是城市管理者還是出行者都希望找尋一套可行的方案解決此問(wèn)題,智能交通系統(tǒng)就是解決交通擁堵問(wèn)題最重要的手段。交通流參數(shù)的短時(shí)預(yù)測(cè),是智能交通系統(tǒng)中交通控制與誘導(dǎo)模塊的基礎(chǔ)。隨著現(xiàn)代科技技術(shù)的發(fā)展,車(chē)牌捕獲與識(shí)別的準(zhǔn)確度顯著提升,基于車(chē)牌識(shí)別的交通流參數(shù)基礎(chǔ)數(shù)據(jù)采集技術(shù)隨之產(chǎn)生。基于車(chē)牌識(shí)別數(shù)據(jù)進(jìn)行交通流參數(shù)的短時(shí)預(yù)測(cè)是將是一個(gè)新的選擇。首先,本文通過(guò)分析我國(guó)各地區(qū)所面臨的交通擁堵問(wèn)題和現(xiàn)行的交通信息采集技術(shù)的優(yōu)缺點(diǎn),提出了用車(chē)牌識(shí)別數(shù)據(jù)進(jìn)行交通流參數(shù)短時(shí)預(yù)測(cè)的方法,并通過(guò)分析其技術(shù)特點(diǎn)指出了其可行性。其次,介紹了車(chē)牌識(shí)別數(shù)據(jù)獲取的過(guò)程。對(duì)獲取的海量車(chē)牌識(shí)別數(shù)據(jù),采用模糊匹配中的編輯距離算法進(jìn)行了上下游車(chē)輛號(hào)牌的匹配。并對(duì)交通流參數(shù)短時(shí)預(yù)測(cè)基礎(chǔ)數(shù)據(jù)仍存在的異常情況,基于交通流量的周相似性,采用歷史數(shù)據(jù)進(jìn)行補(bǔ)償。對(duì)行程速度異常數(shù)據(jù),采用變異系數(shù)法進(jìn)行剔除。然后,對(duì)預(yù)處理完成后的數(shù)據(jù)引入了灰色預(yù)測(cè)模型。介紹了灰色預(yù)測(cè)模型的幾個(gè)算子,并對(duì)灰色預(yù)測(cè)模型的建模步驟,做了詳細(xì)闡述。并在對(duì)灰色預(yù)測(cè)模型背景值分析的基礎(chǔ)上了,提出了一種基于背景值的改進(jìn)方法。最后,選取成都繞城高速外環(huán)K66+850、K67+985兩個(gè)監(jiān)控點(diǎn)位的車(chē)牌識(shí)別數(shù)據(jù),以5min為時(shí)間間隔進(jìn)行交通流參數(shù)短時(shí)預(yù)測(cè),并同實(shí)際檢測(cè)數(shù)據(jù)進(jìn)行了對(duì)比,證明了基于車(chē)牌識(shí)別數(shù)據(jù)進(jìn)行交通流參數(shù)短時(shí)預(yù)測(cè)的準(zhǔn)確性。
【關(guān)鍵詞】：車(chē)牌識(shí)別 數(shù)據(jù)異常 改進(jìn)GM(1 1) 短時(shí)預(yù)測(cè)
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：U491.14
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-17
• 1.1 研究背景及意義10-11
• 1.1.1 研究背景10-11
• 1.1.2 研究意義11
• 1.2 短時(shí)交通流預(yù)測(cè)研究歷史與現(xiàn)狀11-14
• 1.3 問(wèn)題的提出14
• 1.4 研究目標(biāo)與研究?jī)?nèi)容14-15
• 1.4.1 研究目標(biāo)14-15
• 1.4.2 主要研究?jī)?nèi)容15
• 1.4.3 擬解決的關(guān)鍵問(wèn)題15
• 1.5 研究思路及技術(shù)路線15-17
• 第2章 車(chē)牌識(shí)別數(shù)據(jù)的預(yù)處理17-27
• 2.1 交通流短時(shí)預(yù)測(cè)基礎(chǔ)數(shù)據(jù)獲取17-22
• 2.1.1 交通流信息常用獲取方法17-18
• 2.1.2 車(chē)牌識(shí)別數(shù)據(jù)的獲取18
• 2.1.3 車(chē)牌識(shí)別數(shù)據(jù)的匹配18-20
• 2.1.4 基于車(chē)牌識(shí)別數(shù)據(jù)計(jì)算交通流參數(shù)20-22
• 2.2 車(chē)牌識(shí)別異常數(shù)據(jù)的處理22-26
• 2.2.1 車(chē)牌識(shí)別數(shù)據(jù)異常原因分析22-23
• 2.2.2 交通流量數(shù)據(jù)丟失補(bǔ)償方法23-25
• 2.2.3 行程速度數(shù)據(jù)異常剔除方法25-26
• 2.3 本章小結(jié)26-27
• 第3章 交通流參數(shù)短時(shí)預(yù)測(cè)模型的構(gòu)建27-40
• 3.1 交通流參數(shù)短時(shí)預(yù)測(cè)模型概述27-30
• 3.1.1 短時(shí)交通流的特性27
• 3.1.2 幾種常用的交通流參數(shù)短時(shí)預(yù)測(cè)模型27-30
• 3.2 常規(guī)灰色預(yù)測(cè)模型的構(gòu)建30-36
• 3.2.1 灰色預(yù)測(cè)模型概述30-32
• 3.2.2 常規(guī)GM(1,1)模型32-36
• 3.3 改進(jìn)GM(1,1)預(yù)測(cè)模型的構(gòu)建36-39
• 3.3.1 改進(jìn)GM(1,1)預(yù)測(cè)模型的建模依據(jù)36-37
• 3.3.2 模型的構(gòu)建與求解步驟37-39
• 3.4 本章小結(jié)39-40
• 第4章 基于車(chē)牌識(shí)別數(shù)據(jù)的交通流短時(shí)預(yù)測(cè)實(shí)證分析40-54
• 4.1 車(chē)牌識(shí)別數(shù)據(jù)的獲取40-43
• 4.1.1 數(shù)據(jù)來(lái)源40-41
• 4.1.2 車(chē)牌識(shí)別數(shù)據(jù)的匹配41-43
• 4.2 交通流參數(shù)的計(jì)算及異常數(shù)據(jù)的處理43-47
• 4.2.1 流量的計(jì)算及丟失數(shù)據(jù)補(bǔ)償43-45
• 4.2.2 行程速度數(shù)據(jù)異常剔除45-47
• 4.3 交通流參數(shù)短時(shí)預(yù)測(cè)47-53
• 4.3.1 交通流量的短時(shí)預(yù)測(cè)47-51
• 4.3.2 行程速度的短時(shí)預(yù)測(cè)51-53
• 4.4 本章小結(jié)53-54
• 結(jié)論54-56
• 致謝56-57
• 參考文獻(xiàn)57-62
• 附錄62-65

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 駱雪超,劉桂雄,馮云慶,申柏華;一種基于車(chē)牌特征信息的車(chē)牌識(shí)別方法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年04期

2 ;沈陽(yáng)聚德高清車(chē)牌識(shí)別一體機(jī)跨出國(guó)門(mén)[J];中國(guó)交通信息化;2011年02期

3 何鐵軍;張寧;黃衛(wèi);;車(chē)牌識(shí)別算法的研究與實(shí)現(xiàn)[J];公路交通科技;2006年08期

4 王飛;李定主;;在車(chē)牌識(shí)別項(xiàng)目中對(duì)閾值選定法的一點(diǎn)改進(jìn)[J];機(jī)械工程與自動(dòng)化;2007年04期

5 馮新宇;龐艷輝;;車(chē)牌識(shí)別技術(shù)實(shí)現(xiàn)方法初探[J];交通科技與經(jīng)濟(jì);2007年02期

6 鄭婕;張曙;;圖像處理在車(chē)牌識(shí)別中的應(yīng)用[J];硅谷;2012年05期

7 孟諾;;交通卡口雷達(dá)、視頻、線圈檢測(cè)及測(cè)速和車(chē)牌識(shí)別原理[J];智能建筑與城市信息;2012年04期

8 常學(xué)義;馮濤;;一種基于特征點(diǎn)的車(chē)牌識(shí)別改進(jìn)算法[J];上海第二工業(yè)大學(xué)學(xué)報(bào);2014年01期

9 敖銀輝;神經(jīng)和模糊技術(shù)在車(chē)牌識(shí)別中的應(yīng)用[J];廣東工業(yè)大學(xué)學(xué)報(bào);2003年04期

10 蔡波,朱玉玉;車(chē)牌識(shí)別中的快速區(qū)域定位方法研究[J];西南科技大學(xué)學(xué)報(bào);2004年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 周漢青;;一種高速的車(chē)牌識(shí)別算法[A];第二十七屆中國(guó)（天津）2013IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2013年

2 史東娜;王樅;李衛(wèi);;車(chē)牌識(shí)別領(lǐng)域的中文術(shù)語(yǔ)自動(dòng)抽取[A];中國(guó)電子學(xué)會(huì)第十五屆信息論學(xué)術(shù)年會(huì)暨第一屆全國(guó)網(wǎng)絡(luò)編碼學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2008年

3 關(guān)東;汪永山;;基于車(chē)牌識(shí)別比對(duì)的自動(dòng)道閘控制系統(tǒng)[A];全國(guó)冶金自動(dòng)化信息網(wǎng)2012年年會(huì)論文集[C];2012年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前2條

1 本報(bào)評(píng)論員 周飆;交通擁堵是個(gè)產(chǎn)權(quán)問(wèn)題[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2010年

2 樊哲高;沈陽(yáng)聚德：智能視覺(jué)“千里眼”[N];中國(guó)電子報(bào);2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 任俊;基于支撐矢量機(jī)的圖像分類(lèi)、車(chē)牌識(shí)別及嵌入式應(yīng)用研究[D];浙江大學(xué);2005年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 竇志偉;基于車(chē)牌識(shí)別數(shù)據(jù)的交通流參數(shù)短時(shí)預(yù)測(cè)[D];西南交通大學(xué);2016年

2 郭真真;基于分階的BP和CNN車(chē)牌識(shí)別[D];昆明理工大學(xué);2015年

3 梁大寬;復(fù)雜背景下多車(chē)牌識(shí)別算法的研究與軟件系統(tǒng)實(shí)[D];太原理工大學(xué);2016年

4 尚兆功;基于視頻識(shí)別技術(shù)的智能車(chē)庫(kù)管理系統(tǒng)[D];山東建筑大學(xué);2016年

5 張冠華;一種基于神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別方法的實(shí)現(xiàn)[D];吉林大學(xué);2016年

6 張少鵬;基于STM32的車(chē)牌識(shí)別手持移動(dòng)終端的設(shè)計(jì)[D];西北師范大學(xué);2015年

7 謝嘉樂(lè);基于改進(jìn)的LM-BP神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別算法研究與應(yīng)用[D];廣東工業(yè)大學(xué);2016年

8 付棟;聚類(lèi)與遺傳混合優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別研究[D];燕山大學(xué);2016年

9 呂田;智能停車(chē)場(chǎng)管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];西安工業(yè)大學(xué);2016年

10 劉逸男;基于車(chē)載視頻的車(chē)間距計(jì)算與車(chē)牌識(shí)別[D];北京工業(yè)大學(xué);2016年

，

本文編號(hào)：535264