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

【摘要】：為了及時(shí)檢測(cè)城市道路的交通擁擠事件,減少交通擁擠事件導(dǎo)致的出行延誤、財(cái)產(chǎn)損失甚至人員傷亡等,研究快速、高效、準(zhǔn)確的交通事件自動(dòng)檢測(cè)算法(AID,Automatic Incident Detection)至關(guān)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(lái)源單一,且主要是針對(duì)高速公路,對(duì)城市道路的AID算法研究較少,同時(shí)大多針對(duì)交通擁擠事件的發(fā)生階段進(jìn)行檢測(cè),目的是及時(shí)發(fā)現(xiàn)已發(fā)生的事件,而對(duì)于事件的趨勢(shì)狀態(tài)的研究不夠重視。針對(duì)上述問(wèn)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(cè)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(cè)原理,在分析激光測(cè)距儀和GPS檢測(cè)原理的基礎(chǔ)上,提出了基于激光測(cè)距和GPS的AID系統(tǒng);其次對(duì)比分析了常用的AID算法,指出將其應(yīng)用到我國(guó)城市道路交通擁擠事件檢測(cè)中存在的一些問(wèn)題,同時(shí)在分析信息融合原理的基礎(chǔ)上,提出了基于激光測(cè)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(duì)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(duì)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(luò)的AID算法。對(duì)于兩種新AID算法分別構(gòu)建了基于激光測(cè)距儀和GPS信息融合的特征向量,給出了新AID算法的設(shè)計(jì)思想和工作步驟,并用實(shí)測(cè)試驗(yàn)測(cè)試了其有效性。測(cè)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(cè)率、更小的誤報(bào)率和更短的平均檢測(cè)時(shí)間。
【關(guān)鍵詞】：城市道路 AID 支持向量機(jī) 粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò) 信息融合 激光測(cè)距儀 GPS
【學(xué)位授予單位】：中國(guó)民航大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：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(wèn)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(cè)算法的國(guó)內(nèi)外研究現(xiàn)狀和發(fā)展趨勢(shì)11-13
• 1.2.1 國(guó)外交通事件檢測(cè)算法的研究歷史與現(xiàn)狀11-12
• 1.2.2 國(guó)內(nèi)交通事件檢測(cè)算法研究現(xiàn)狀與發(fā)展趨勢(shì)12-13
• 1.3 研究?jī)?nèi)容結(jié)構(gòu)和創(chuàng)新點(diǎn)13-16
• 1.3.1 研究?jī)?nèi)容和組織結(jié)構(gòu)13-14
• 1.3.2 技術(shù)路線和創(chuàng)新點(diǎn)14-16
• 1.4 小結(jié)16-17
• 第二章 交通事件檢測(cè)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(cè)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(cè)方法分析19-20
• 2.2.3 基于激光測(cè)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(píng)價(jià)指標(biāo)27
• 2.4 激光測(cè)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(jī)的交通事件檢測(cè)算法研究30-37
• 3.1 概述30
• 3.2 支持向量機(jī)分類原理30-32
• 3.3 數(shù)據(jù)級(jí)信息融合的SVM-AID算法設(shè)計(jì)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(yàn)證及結(jié)果分析34-36
• 3.4.1 試驗(yàn)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(luò)的交通事件檢測(cè)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(luò)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(luò)算法38-39
• 4.2.3 粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)算法性能分析39-41
• 4.3 粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的交通事件檢測(cè)41-42
• 4.3.1 特征量選擇41
• 4.3.2 算法設(shè)計(jì)41-42
• 4.4 算法驗(yàn)證及結(jié)果分析42-46
• 4.4.1 實(shí)驗(yàn)過(guò)程42-43
• 4.4.2 結(jié)果分析43-46
• 4.5 神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)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(xiàn)50-54
• 致謝54-55
• 攻讀碩士期間發(fā)表論文55

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 ;“第三屆中國(guó)信息融合學(xué)術(shù)年會(huì)”征文[J];科技導(dǎo)報(bào);2010年23期

2 ;“第三屆中國(guó)信息融合學(xué)術(shù)年會(huì)”征文[J];科技導(dǎo)報(bào);2011年01期

3 ;第四屆中國(guó)信息融合大會(huì)征文通知[J];控制理論與應(yīng)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(jìn)展[J];中國(guó)科學(xué)基金;2005年01期

5 武冰;馮屹朝;林勇強(qiáng);魏愛(ài)鵬;;信息融合標(biāo)準(zhǔn)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(zhǔn)釓;;信息融合理論的基本方法與進(jìn)展(Ⅱ)[J];控制理論與應(yīng)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(xué)學(xué)報(bào)(理學(xué)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(xué)技術(shù);2012年01期

9 郭華龍;;P-集合與信息融合應(yīng)用分析[J];閩南師范大學(xué)學(xué)報(bào)(自然科學(xué)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(shí)別判據(jù)的研究[J];信息技術(shù);2012年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 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(guó)控制會(huì)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(guó)中西醫(yī)結(jié)合學(xué)會(huì)診斷專業(yè)委員會(huì)2009’年會(huì)論文集[C];2009年

3 王志勝;甄子洋;王道波;范大鵬;;隨機(jī)大系統(tǒng)的信息融合最優(yōu)聯(lián)合控制[A];PCC2009—第20屆中國(guó)過(guò)程控制會(huì)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(yīng)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(rèn)知學(xué)基礎(chǔ)與D-S融合方法[A];第九屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（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(jī)械故障信號(hào)信息融合中的應(yīng)用展望[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第二分冊(cè)）[C];2009年

7 李樹軍;蔣曉瑜;紀(jì)紅霞;;多傳感器信息融合技術(shù)和典型算法的應(yīng)用詮釋[A];中國(guó)系統(tǒng)工程學(xué)會(huì)決策科學(xué)專業(yè)委員會(huì)第六屆學(xué)術(shù)年會(huì)論文集[C];2005年

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

9 杜奕;遲毅林;伍星;;信息融合在設(shè)備監(jiān)測(cè)和故障診斷中的應(yīng)用[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

10 李錄平;鄒新元;晉風(fēng)華;黃樹紅;盧緒祥;;基于信息融合的旋轉(zhuǎn)機(jī)械振動(dòng)狀態(tài)評(píng)價(jià)方法研究[A];第八屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集摘要[C];2003年

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

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

2 本報(bào)記者 別坤;信息融合讓地鐵更快捷[N];計(jì)算機(jī)世界;2012年

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

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

2 張?jiān)畦?基于用戶信息融合的個(gè)性化推薦[D];武漢大學(xué);2012年

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

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

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

6 朱林;信息融合系統(tǒng)工程設(shè)計(jì)準(zhǔn)則的研究[D];哈爾濱工程大學(xué);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(shí)別系統(tǒng)中的應(yīng)用[D];河北工業(yè)大學(xué);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(yīng)用[D];上海交通大學(xué);2010年

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

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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 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(xué);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(xué);2015年

3 陳昭;基于云計(jì)算的中藥信息融合知識(shí)服務(wù)平臺(tái)構(gòu)建[D];福建中醫(yī)藥大學(xué);2015年

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

5 萬(wàn)守鵬;基于信息融合的艙音信號(hào)分析與安全診斷[D];上海應(yīng)用技術(shù)學(xué)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(xué);2015年

7 劉萌萌;基于信息融合的改進(jìn)極限學(xué)習(xí)機(jī)預(yù)測(cè)算法研究[D];遼寧大學(xué);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(xué);2015年

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

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

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

，

本文編號(hào)：254458