發(fā)布時(shí)間：2017-11-25 06:28

  本文關(guān)鍵詞：基于多源檢測(cè)器的城市快速路區(qū)間車速融合算法研究

  更多相關(guān)文章： 區(qū)間車速融合 城市快速路 RBF 遺傳算法 BP神經(jīng)網(wǎng)絡(luò) ANFIS

【摘要】：為解決因城市化進(jìn)程的加快所帶來(lái)的一系列交通問(wèn)題,很多城市開始發(fā)展智能交通系統(tǒng),但智能交通系統(tǒng)若想有效發(fā)揮作用,必須有辦法能夠及時(shí)準(zhǔn)確地獲取動(dòng)態(tài)交通信息。近年來(lái),除傳統(tǒng)固定檢測(cè)設(shè)備之外,基于車輛的浮動(dòng)車系統(tǒng)也越來(lái)越多地被應(yīng)用于數(shù)據(jù)采集中。但由于固定檢測(cè)技術(shù)與浮動(dòng)車檢測(cè)技術(shù)之間有諸多差異,采集到的信息有著各種問(wèn)題,例如不精確、不一致、缺失等,導(dǎo)致目前智能交通系統(tǒng)中的信息在精度、完整性和可靠性等方面存在局限性。本文旨在通過(guò)城市快速路區(qū)間車速的融合實(shí)現(xiàn)微波檢測(cè)器和浮動(dòng)車系統(tǒng)檢測(cè)數(shù)據(jù)的相互補(bǔ)充校驗(yàn),得到更加精確、全面、可靠的城市快速路交通信息。首先,基于在北京市快速路上收集到的多源檢測(cè)器交通流數(shù)據(jù),對(duì)交通流三參數(shù)的時(shí)空特性和參數(shù)間關(guān)系模型進(jìn)行了分析,介紹了幾種常用的多源數(shù)據(jù)融合方法,結(jié)合它們的優(yōu)缺點(diǎn)提出本文的融合模型。其次,針對(duì)所采集到的數(shù)據(jù)中存在的噪聲干擾、異常數(shù)據(jù)等問(wèn)題,使用卡爾曼濾波算法降低噪聲干擾,采用閾值理論和交通流機(jī)理相結(jié)合的方法識(shí)別錯(cuò)誤數(shù)據(jù),對(duì)浮動(dòng)車異常數(shù)據(jù)采用簡(jiǎn)單實(shí)用的修復(fù)方法,對(duì)微波異常數(shù)據(jù)的修復(fù)提出徑向基(RBF)神經(jīng)網(wǎng)絡(luò)曲面重構(gòu)的方法。最后,建立較為完整、有效的數(shù)據(jù)融合方案,采用自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)(ANFIS)和遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)兩種模型應(yīng)用于多源檢測(cè)器區(qū)間速度數(shù)據(jù)的融合,并與單純的BP神經(jīng)網(wǎng)絡(luò)融合模型進(jìn)行比對(duì)。將浮動(dòng)車速度和微波檢測(cè)速度作為融合的輸入數(shù)據(jù),因車牌識(shí)別視頻檢測(cè)數(shù)據(jù)能反映實(shí)際道路交通情況,將其作為速度真實(shí)值用于對(duì)融合模型的檢驗(yàn)。采用平均相對(duì)誤差(MRE)和最小誤差平方和(LSE)這兩個(gè)指標(biāo)來(lái)評(píng)價(jià)模型的融合效果。檢驗(yàn)結(jié)果表明：ANFIS和遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)兩種模型都取得了比較滿意的融合效果,融合模型精度相差不大,均在90%以上：融合后的速度值均比融合之前的任何單源檢測(cè)器速度數(shù)據(jù)更接近真實(shí)值,融合模型的精度和有效性得到了很好的驗(yàn)證,且兩種組合模型的融合效果優(yōu)于單一BP神經(jīng)網(wǎng)絡(luò)的融合結(jié)果。
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U491

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 郭繼孚,全永q，

本文編號(hào)：1225115