本文關鍵詞：藍牙交通流量檢測系統(tǒng)及交通事件檢測算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著交通運輸業(yè)的迅速發(fā)展,汽車數(shù)量急劇增加,極大地降低了道路的通行能力,導致了交通事件的頻繁發(fā)生,嚴重影響了人們的生命財產安全。如何及時準確地獲取道路上的交通流量信息,實時有效地檢測出交通事件的發(fā)生,成為了備受學者關注的熱點問題。近些年來,旨在解決這些問題的交通流信息檢測技術及交通事件檢測算法已經(jīng)成為智能交通領域的研究熱點。本文在研究了交通流數(shù)據(jù)特性及交通事件檢測原理的基礎上,對交通流量檢測系統(tǒng)及交通事件檢測算法進行了深入的研究,研究的主要內容包括為以下三點。1)論文設計了一種由藍牙、加速度計和北斗導航定位(BD)為主要模塊的交通流量檢測系統(tǒng):選用以飛思卡爾ARM Cortex-M4為內核的K60芯片為主控制器,開發(fā)了交通流量檢測系統(tǒng)的車內部分和公交站臺顯示牌部分;以加速度計與北斗導航定位模塊組合實現(xiàn)了精確測量車速的功能;采用CC2540模塊作為藍牙的主機與從機,在藍牙4.0的研究基礎上,開發(fā)了藍牙主機與從機的無線連接,實現(xiàn)了對交通流量的檢測;2)論文通過修改樣本的隸屬度、優(yōu)化聚類數(shù)目c對模糊C均值聚類算法進行了改進,使其克服了傳統(tǒng)FCM復雜度高以及對孤立點敏感的影響。將改進的FCM與SVM相結合應用于交通事件檢測算法之中:首先選取車流量、平均車速、車輛占有率做為算法的輸入?yún)⒘?利用FCM算法對輸入?yún)⒘窟M行一次粗糙的預測分類,然后將預測分類后的隸屬高的樣本作為支持向量機的訓練樣本,建立分類模型,通過模型訓練形成判斷各特征類別的判別函數(shù)來進行事件的檢測;3)論文提出了一種語義技術與支持向量機相結合的事件檢測新方法:利用車流量、平均車速、車輛占有率作為輸入?yún)⒘?利用支持向量機進行初步的檢測分類;然后建立交通事件檢測領域本體模型,并將支持算法處理后的數(shù)據(jù)與數(shù)據(jù)采集的地點信息構成異構數(shù)據(jù)作為本體的實例,最后根據(jù)事件檢測的特征提取推理規(guī)則并運用Jess推理機進行推理,以此來判斷交通事件的發(fā)生。
【關鍵詞】：交通流檢測系統(tǒng) 交通事件檢測 SVM FCM 語義技術
【學位授予單位】：江蘇科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U495;TN925
【目錄】：

• 摘要5-6
• Abstract6-14
• 第1章 緒論14-20
• 1.1 研究背景綜述14
• 1.2 課題的研究現(xiàn)狀14-17
• 1.2.1 交通流檢測技術國內外研究現(xiàn)狀15
• 1.2.2 交通事件檢測算法研究現(xiàn)狀15-17
• 1.3 主要研究內容17
• 1.4 章節(jié)安排17-20
• 第2章 交通事件檢測原理分析20-30
• 2.1 交通事件的基本概念20-21
• 2.2 交通流特性21-24
• 2.2.1 交通流參數(shù)介紹21-22
• 2.2.2 交通事件對交通流變化的影響22-24
• 2.3 交通流檢測技術類型24-25
• 2.4 交通事件檢測算法25-28
• 2.4.1 常用交通事件檢測算法25-27
• 2.4.2 交通事件檢測算法評價指標27-28
• 2.5 本章小結28-30
• 第3章 藍牙交通流量檢測系統(tǒng)設計30-42
• 3.1 藍牙交通流量檢測系統(tǒng)整體框架設計30
• 3.2 系統(tǒng)硬件設計30-34
• 3.2.1 藍牙模塊與主控制器模塊32-33
• 3.2.2 北斗定位接收器與加速度計模塊33-34
• 3.3 系統(tǒng)軟件設計34-38
• 3.3.1 車內部分軟件編程設計34-35
• 3.3.2 公交站臺顯示牌部分軟件編程設計35
• 3.3.3 藍牙通信軟件設計35-36
• 3.3.4 上位機軟件設計36-38
• 3.4 實車試驗及基于北斗定位與加速度計信號的車速測定38-40
• 3.4.1 實車試驗系統(tǒng)工作流程38-39
• 3.4.2 車速的精確測定39-40
• 3.5 本章小結40-42
• 第4章 基于SVM的交通事件自動檢測算法42-52
• 4.1 統(tǒng)計學相關知識42
• 4.2 支持向量機基本原理42-46
• 4.2.1 線性可分情形43-44
• 4.2.2 非線性情況44-45
• 4.2.3 核函數(shù)45-46
• 4.3 遺傳算法介紹46-47
• 4.4 基于SVM的交通事件檢測算法設計47-48
• 4.4.1 SVM交通事件檢測的適應性分析47
• 4.4.2 基于SVM的交通事件檢測算法設計47-48
• 4.5 基于SVM的交通事件檢測算法仿真48-51
• 4.5.1 數(shù)據(jù)來源48-49
• 4.5.2 預處理階段49
• 4.5.3 遺傳算法的參數(shù)優(yōu)化49-50
• 4.5.4 利用SVM模型進行檢測50-51
• 4.6 本章小結51-52
• 第5章 基于FCM-SVM的交通事件自動檢測算法52-60
• 5.1 模糊C均值聚類基本知識及改進方法52-55
• 5.1.1 模糊C均值聚類基本知識52-53
• 5.1.2 改進的模糊C均值聚類53-55
• 5.2 基于改進 FCM-SVM 的交通事件檢測試驗55-58
• 5.3 本章小結58-60
• 第6章 語義與支持向量機相融合的交通事件檢測新方法60-72
• 6.1 本體及推理規(guī)則相關理論60-62
• 6.1.1 本體的概念及定義60
• 6.1.2 本體的構成60-61
• 6.1.3 本體的形式化描述61
• 6.1.4 SWRL規(guī)則61-62
• 6.2 語義推理方案設計62-66
• 6.2.1 本體的建模62-64
• 6.2.2 SWRL推理規(guī)則的提取64-65
• 6.2.3 JESS推理過程65-66
• 6.3 基于語義與支持向量相融合的交通事件方法66-68
• 6.4 推理查詢系統(tǒng)68-69
• 6.5 結論分析69-70
• 6.6 本章小結70-72
• 總結與展望72-74
• 參考文獻74-78
• 碩士期間論文發(fā)表情況78-80
• 致謝80

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 童劍軍;;設計是關鍵——高速公路交通事件檢測技術的設計、使用與評測[J];中國交通信息產業(yè);2007年09期

2 童劍軍;;能干啥 想干啥——高速公路交通事件檢測技術的設計、使用與評測之二[J];中國交通信息產業(yè);2007年12期

3 童劍軍;;好不好 值不值——交通事件檢測技術的設計、使用與評測之三[J];中國交通信息產業(yè);2008年02期

4 羅鵑;何彥輝;;秦嶺終南山公路隧道火災和交通事件檢測研究[J];中國交通信息化;2011年05期

5 張云偉,劉躍明;交通事件檢測的一種濾波算法[J];云南工業(yè)大學學報;1998年04期

6 姜紫峰,劉小坤;基于神經(jīng)網(wǎng)絡的交通事件檢測算法[J];西安公路交通大學學報;2000年03期

7 呂琪,王慧;基于動態(tài)神經(jīng)網(wǎng)絡模型的交通事件檢測算法[J];公路交通科技;2003年06期

8 溫慧敏,楊兆升;交通事件檢測技術的進展研究[J];交通運輸系統(tǒng)工程與信息;2005年01期

9 李傳志;胡如夫;;公路交通事件檢測技術的研究與展望[J];交通科技與經(jīng)濟;2008年05期

10 鄭玉興;;交通事件檢測系統(tǒng)在高速公路中的應用[J];北方交通;2009年07期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 溫慧敏;楊兆升;姜桂艷;邵長豐;;基于多層感知器神經(jīng)網(wǎng)絡的高速公路交通事件檢測方法[A];第七屆北京青年科技論文評選獲獎論文集[C];2003年

2 姚智勝;邵春福;;基于v-支持向量分類機的交通事件檢測方法研究[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學術論壇（交通運輸工程學科）論文集（上冊）[C];2005年

3 溫慧敏;;交通事件檢測數(shù)據(jù)融合技術研究[A];第一屆中國智能交通年會論文集[C];2005年

4 高穎;;快速路交通事件檢測算法研究[A];提高全民科學素質、建設創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

5 覃頻頻;牙韓高;黃大明;;基于Logit模型的城市道路交通事件檢測仿真[A];第一屆中國智能交通年會論文集[C];2005年

6 劉小明;蔣新春;張杰;吳家宇;;基于視頻檢測的高速公路車輛交通行為安全狀態(tài)分析[A];2008第四屆中國智能交通年會論文集[C];2008年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 王國忠 李岸;我省高速公路信息監(jiān)控中心二期工程將重點建五大系統(tǒng)[N];山西日報;2008年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 蔡志理;高速公路交通事件檢測及交通疏導技術研究[D];吉林大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張凱;高速公路交通事件檢測與仿真研究[D];長安大學;2009年

2 沈舒;高速路網(wǎng)運行狀態(tài)評估模型、仿真及技術實現(xiàn)[D];南京大學;2013年

3 謝聰;基于CGA-PNN的高速公路交通事件檢測算法研究[D];西南交通大學;2016年

4 李桂林;基于視頻圖像的逆行交通事件檢測方法的研究[D];安徽工程大學;2016年

5 周林;基于ER算法的公路交通事件檢測研究[D];合肥工業(yè)大學;2016年

6 張文明;藍牙交通流量檢測系統(tǒng)及交通事件檢測算法研究[D];江蘇科技大學;2016年

7 劉清泉;基于混合支持向量機多分類器的交通事件檢測方法研究[D];長沙理工大學;2009年

8 曾鋼;高速公路交通事件檢測建模及應用研究[D];中南大學;2009年

9 邵士雨;基于視頻的交通事件檢測算法研究[D];山東大學;2013年

10 代青敏;高速公路交通事件檢測算法研究[D];長安大學;2012年

  本文關鍵詞：藍牙交通流量檢測系統(tǒng)及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：307665