本文關鍵詞：基于激光測距和GPS信息融合的交通事件檢測算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：為了及時檢測城市道路的交通擁擠事件,減少交通擁擠事件導致的出行延誤、財產(chǎn)損失甚至人員傷亡等,研究快速、高效、準確的交通事件自動檢測算法(AID,Automatic Incident Detection)至關重要�，F(xiàn)有的AID算法研究大多采用單一固定式車檢器用于數(shù)據(jù)采集,數(shù)據(jù)來源單一,且主要是針對高速公路,對城市道路的AID算法研究較少,同時大多針對交通擁擠事件的發(fā)生階段進行檢測,目的是及時發(fā)現(xiàn)已發(fā)生的事件,而對于事件的趨勢狀態(tài)的研究不夠重視。針對上述問題,結(jié)合新一代數(shù)據(jù)采集技術(shù)和人工智能理論,提出了兩種基于激光測距和GPS信息融合的AID算法。首先介紹了城市道路交通流特性以及交通事件的檢測原理,在分析激光測距儀和GPS檢測原理的基礎上,提出了基于激光測距和GPS的AID系統(tǒng);其次對比分析了常用的AID算法,指出將其應用到我國城市道路交通擁擠事件檢測中存在的一些問題,同時在分析信息融合原理的基礎上,提出了基于激光測距和GPS的信息融合模型,為分類器特征向量的選擇提供參考;然后針對城市道路交通擁擠事件是否發(fā)生兩種狀態(tài),提出一種SVM-AID算法,針對城市道路交通正常、交通擁擠、擁擠加劇和擁擠減緩四種狀態(tài),提出一種粒子群優(yōu)化神經(jīng)網(wǎng)絡的AID算法。對于兩種新AID算法分別構(gòu)建了基于激光測距儀和GPS信息融合的特征向量,給出了新AID算法的設計思想和工作步驟,并用實測試驗測試了其有效性。測試結(jié)果表明,相比于經(jīng)典AID算法,新算法具有更高的檢測率、更小的誤報率和更短的平均檢測時間。
【關鍵詞】：城市道路 AID 支持向量機 粒子群優(yōu)化神經(jīng)網(wǎng)絡 信息融合 激光測距儀 GPS
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U495;TN249
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-17
• 1.1 研究背景及意義9-11
• 1.1.1 問題的提出9-10
• 1.1.2 研究的目的和意義10-11
• 1.2 交通事件檢測算法的國內(nèi)外研究現(xiàn)狀和發(fā)展趨勢11-13
• 1.2.1 國外交通事件檢測算法的研究歷史與現(xiàn)狀11-12
• 1.2.2 國內(nèi)交通事件檢測算法研究現(xiàn)狀與發(fā)展趨勢12-13
• 1.3 研究內(nèi)容結(jié)構(gòu)和創(chuàng)新點13-16
• 1.3.1 研究內(nèi)容和組織結(jié)構(gòu)13-14
• 1.3.2 技術(shù)路線和創(chuàng)新點14-16
• 1.4 小結(jié)16-17
• 第二章 交通事件檢測原理及信息融合17-30
• 2.1 交通事件概述17-18
• 2.2 交通事件檢測原理18-22
• 2.2.1 城市道路交通流特性分析18-19
• 2.2.2 交通事件檢測方法分析19-20
• 2.2.3 基于激光測距和GPS的AID系統(tǒng)20-22
• 2.3 交通事件AID算法分析22-27
• 2.3.1 常用AID算法分類23
• 2.3.2 AID算法比較分析23-27
• 2.3.3 AID算法的評價指標27
• 2.4 激光測距與GPS的信息融合27-29
• 2.4.1 信息融合原理27-28
• 2.4.2 信息融合模型28-29
• 2.5 小結(jié)29-30
• 第三章 基于支持向量機的交通事件檢測算法研究30-37
• 3.1 概述30
• 3.2 支持向量機分類原理30-32
• 3.3 數(shù)據(jù)級信息融合的SVM-AID算法設計32-34
• 3.3.1 特征向量的選擇32-33
• 3.3.2 SVM-AID算法步驟33-34
• 3.4 算法驗證及結(jié)果分析34-36
• 3.4.1 試驗條件34-35
• 3.4.2 有效性分析35-36
• 3.5 小結(jié)36-37
• 第四章 粒子群優(yōu)化神經(jīng)網(wǎng)絡的交通事件檢測算法研究37-48
• 4.1 概述37
• 4.2 基于粒子群的神經(jīng)網(wǎng)絡優(yōu)化37-41
• 4.2.1 粒子群優(yōu)化算法37-38
• 4.2.2 粒子群優(yōu)化神經(jīng)網(wǎng)絡算法38-39
• 4.2.3 粒子群優(yōu)化神經(jīng)網(wǎng)絡算法性能分析39-41
• 4.3 粒子群優(yōu)化神經(jīng)網(wǎng)絡的交通事件檢測41-42
• 4.3.1 特征量選擇41
• 4.3.2 算法設計41-42
• 4.4 算法驗證及結(jié)果分析42-46
• 4.4.1 實驗過程42-43
• 4.4.2 結(jié)果分析43-46
• 4.5 神經(jīng)網(wǎng)絡和支持向量機的比較46-47
• 4.6 小結(jié)47-48
• 第五章 全文總結(jié)與展望48-50
• 5.1 全文總結(jié)48
• 5.2 展望48-50
• 參考文獻50-54
• 致謝54-55
• 攻讀碩士期間發(fā)表論文55

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;“第三屆中國信息融合學術(shù)年會”征文[J];科技導報;2010年23期

2 ;“第三屆中國信息融合學術(shù)年會”征文[J];科技導報;2011年01期

3 ;第四屆中國信息融合大會征文通知[J];控制理論與應用;2012年01期

4 郭惠勇;多傳感器信息融合技術(shù)的研究與進展[J];中國科學基金;2005年01期

5 武冰;馮屹朝;林勇強;魏愛鵬;;信息融合標準的優(yōu)化研究[J];大眾科技;2010年06期

6 潘泉;王增福;梁彥;楊峰;劉準釓;;信息融合理論的基本方法與進展(Ⅱ)[J];控制理論與應用;2012年10期

7 張凌;湯積華;史開泉;;內(nèi)P-信息融合與它的屬性合取特征[J];山東大學學報(理學版);2014年02期

8 潘悅;;水下信息理解的概念和方法[J];艦船科學技術(shù);2012年01期

9 郭華龍;;P-集合與信息融合應用分析[J];閩南師范大學學報(自然科學版);2014年02期

10 楊明;朱杰;高延銘;;基于信息融合的海洋溢油識別判據(jù)的研究[J];信息技術(shù);2012年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 朱茵;王軍利;;交通管理綜合信息融合模型研究[A];第二十七屆中國控制會議論文集[C];2008年

2 顧星;;中醫(yī)診斷與體表生物特征多信息融合的思考[A];中國中西醫(yī)結(jié)合學會診斷專業(yè)委員會2009’年會論文集[C];2009年

3 王志勝;甄子洋;王道波;范大鵬;;隨機大系統(tǒng)的信息融合最優(yōu)聯(lián)合控制[A];PCC2009—第20屆中國過程控制會議論文集[C];2009年

4 楊為民;李龍澍;;基于GIT的信息融合在農(nóng)業(yè)信息中的應用[A];2005年“數(shù)字安徽”博士科技論壇論文集[C];2005年

5 劉汝杰;袁保宗;;信息融合的認知學基礎與D-S融合方法[A];第九屆全國信號處理學術(shù)年會（CCSP-99）論文集[C];1999年

6 杜奕;遲毅林;伍星;;概率盒和D-S結(jié)構(gòu)體在機械故障信號信息融合中的應用展望[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

7 李樹軍;蔣曉瑜;紀紅霞;;多傳感器信息融合技術(shù)和典型算法的應用詮釋[A];中國系統(tǒng)工程學會決策科學專業(yè)委員會第六屆學術(shù)年會論文集[C];2005年

8 孫來軍;沈永良;;多SVM多級信息融合與診斷決策模型的研究[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（二）[C];2007年

9 杜奕;遲毅林;伍星;;信息融合在設備監(jiān)測和故障診斷中的應用[A];第二十七屆中國控制會議論文集[C];2008年

10 李錄平;鄒新元;晉風華;黃樹紅;盧緒祥;;基于信息融合的旋轉(zhuǎn)機械振動狀態(tài)評價方法研究[A];第八屆全國振動理論及應用學術(shù)會議論文集摘要[C];2003年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 周新紅 田朝暉 段勇;信息融合：現(xiàn)代戰(zhàn)爭的重要支撐[N];解放軍報;2005年

2 本報記者 別坤;信息融合讓地鐵更快捷[N];計算機世界;2012年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 胡洲;信息融合欠驅(qū)動控制技術(shù)研究[D];南京航空航天大學;2014年

2 張云璐;基于用戶信息融合的個性化推薦[D];武漢大學;2012年

3 王恩雁;基于本體的多源異構(gòu)應急信息融合方法研究[D];哈爾濱工業(yè)大學;2014年

4 文妍;基于多源信息融合的數(shù)控機床進給系統(tǒng)機械故障診斷研究[D];青島理工大學;2016年

5 吳榮春;軍事信息系統(tǒng)中信息融合關鍵技術(shù)研究[D];電子科技大學;2016年

6 朱林;信息融合系統(tǒng)工程設計準則的研究[D];哈爾濱工程大學;2005年

7 朱方;多信息融合模式分類方法研究及在公交客流識別系統(tǒng)中的應用[D];河北工業(yè)大學;2010年

8 孔慶杰;信息融合理論及其在交通監(jiān)控信息處理中的應用[D];上海交通大學;2010年

9 王曉帆;信息融合中的態(tài)勢評估技術(shù)研究[D];西安電子科技大學;2012年

10 王志勝;信息融合估計理論及其在航天器控制中的應用研究[D];西北工業(yè)大學;2002年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 莊穎;信息融合的粗糙集方法研究[D];昆明理工大學;2015年

2 李曉;基于信息融合的高速列車轉(zhuǎn)向架故障診斷[D];西南交通大學;2015年

3 陳昭;基于云計算的中藥信息融合知識服務平臺構(gòu)建[D];福建中醫(yī)藥大學;2015年

4 陳亭亭;雷達與AIS信息融合技術(shù)的研究[D];大連海事大學;2015年

5 萬守鵬;基于信息融合的艙音信號分析與安全診斷[D];上海應用技術(shù)學院;2015年

6 張寧波;基于信息融合的電子產(chǎn)品故障診斷[D];中北大學;2015年

7 劉萌萌;基于信息融合的改進極限學習機預測算法研究[D];遼寧大學;2015年

8 田靜;基于聲波特征的管道泄漏信息融合故障診斷方法研究[D];河北科技大學;2015年

9 彭毅;基于振動和油液信息融合的發(fā)動機故障診斷方法研究[D];廣西大學;2014年

10 舒適;基于信息融合的公交車自燃檢測預警系統(tǒng)[D];浙江工業(yè)大學;2015年

  本文關鍵詞：基于激光測距和GPS信息融合的交通事件檢測算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：254458