本文關(guān)鍵詞：基于D-S證據(jù)理論的融合事件檢測算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著城市規(guī)模的擴(kuò)大和城市人口的增加,交通擁堵成為城市交通的突出問題。造成交通擁堵的一個主要因素是交通事件,交通事件對城市交通的影響巨大,不僅造成人員傷亡和財產(chǎn)損失,還導(dǎo)致道路交通擁擠,甚至造成局部或者整個路網(wǎng)的癱瘓。為了對交通事件進(jìn)行有效的檢測,降低交通事件的影響,需要利用有效的檢測設(shè)備和檢測方法對交通事件進(jìn)行檢測。然而由于采集環(huán)境、信號傳輸?shù)仍蛟斐蓹z測器采集到的交通流數(shù)據(jù)存在不同類型的質(zhì)量問題,采用單一的事件檢測算法檢測效果不理想,容易產(chǎn)生誤檢和漏檢的現(xiàn)象。基于上述因素本文提出了基于D-S證據(jù)理論的融合事件檢測算法,以提高單一事件檢測算法檢測性能較差的缺陷。首先,本文根據(jù)交通事件前后的交通流變化規(guī)律和歷史交通流數(shù)據(jù)提出了多參數(shù)California算法、斷面流量——速度算法和神經(jīng)網(wǎng)絡(luò)算法。多參數(shù)California算法采用的是交通流的占有率數(shù)據(jù),而斷面流量——速度算法采用的是速度和流量數(shù)據(jù),分別采用不同交通流參數(shù)進(jìn)行事件檢測的優(yōu)勢是當(dāng)某項(xiàng)交通流參數(shù)缺失時可以利用另一種檢測算法進(jìn)行檢測�；谏窠�(jīng)網(wǎng)路的事件檢測算法在處理多維非線性的交通流數(shù)據(jù)方面具有獨(dú)特的優(yōu)勢,本文將神經(jīng)網(wǎng)絡(luò)算法作為融合算法的一個子算法,并通過實(shí)際數(shù)據(jù)驗(yàn)證算法具有較高的檢測率和較低的誤報率。其次,本文提出了基于D-S證據(jù)理論的融合事件檢測算法,將三個單一子算法的檢測結(jié)果利用D-S證據(jù)理論進(jìn)行有效的融合,論文對D-S證據(jù)理論的融合規(guī)則、決策規(guī)則進(jìn)行了詳細(xì)的說明。最后,為了驗(yàn)證算法的有效性,本文采用北京市快速路的交通流數(shù)據(jù)進(jìn)行算法的驗(yàn)證。通過實(shí)例驗(yàn)證,本文提出的融合事件檢測算法在檢測性能上優(yōu)于三種事件檢測子算法,尤其在降低誤報率方面該融合算法體現(xiàn)出了較高的檢測性能。
【關(guān)鍵詞】：事件檢測算法 城市快速路 D-S證據(jù)理論 信息融合
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP202
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 1 緒論11-21
• 1.1 研究背景11-12
• 1.2 研究目的和意義12-13
• 1.3 國內(nèi)外研究現(xiàn)狀13-19
• 1.3.1 國外研究現(xiàn)狀13-17
• 1.3.2 國內(nèi)研究現(xiàn)狀17-19
• 1.4 研究內(nèi)容19-20
• 1.5 本章小結(jié)20-21
• 2 交通事件自動檢測算法概述21-33
• 2.1 交通事件定義與分類21-23
• 2.1.1 交通流的度量參數(shù)22
• 2.1.2 交通事件對交通流的影響22-23
• 2.2 交通事件檢測系統(tǒng)23-26
• 2.2.1 事件檢測方法分類23-25
• 2.2.2 事件檢測系統(tǒng)框架25-26
• 2.3 評價指標(biāo)26-27
• 2.4 經(jīng)典事件自動檢測算法概述27-31
• 2.4.1 比較法27-28
• 2.4.2 統(tǒng)計預(yù)測法28-30
• 2.4.3 高級事件檢測算法30-31
• 2.5 本章小結(jié)31-33
• 3 交通數(shù)據(jù)的預(yù)處理33-45
• 3.1 數(shù)據(jù)介紹33-34
• 3.2 數(shù)據(jù)質(zhì)量問題34
• 3.3 交通數(shù)據(jù)的預(yù)處理34-43
• 3.3.1 數(shù)據(jù)預(yù)處理流程34-35
• 3.3.2 缺失數(shù)據(jù)的檢測與恢復(fù)35-37
• 3.3.3 冗余數(shù)據(jù)的檢測與剔除37-38
• 3.3.4 錯誤數(shù)據(jù)的檢測與修正38-40
• 3.3.5 數(shù)據(jù)預(yù)處理示例40-43
• 3.4 本章小結(jié)43-45
• 4 基于單一數(shù)據(jù)源的快速路事件檢測算法45-59
• 4.1 多參數(shù)Califomia算法46-50
• 4.1.1 多參數(shù)California算法介紹46-49
• 4.1.2 多參數(shù)California算法實(shí)例驗(yàn)證49-50
• 4.2 斷面流量——速度事件檢測算法50-53
• 4.2.1 斷面流量——速度算法介紹50-53
• 4.2.2 斷面流量——速度算法實(shí)例驗(yàn)證53
• 4.3 神經(jīng)網(wǎng)絡(luò)算法53-57
• 4.3.1 算法介紹54-56
• 4.3.2 神經(jīng)網(wǎng)絡(luò)算法實(shí)例驗(yàn)證56-57
• 4.4 本章小結(jié)57-59
• 5 基于D-S證據(jù)理論的融合事件檢測算法59-77
• 5.1 數(shù)據(jù)融合59-63
• 5.1.1 數(shù)據(jù)融合的概念59-61
• 5.1.2 數(shù)據(jù)融合方法61-62
• 5.1.3 綜合判斷快速路事件檢測算法結(jié)構(gòu)62-63
• 5.2 D-S證據(jù)理論63-68
• 5.2.1 基本定義65-66
• 5.2.2 D-S理論合成規(guī)則66-68
• 5.3 基于D-S證據(jù)理論的融合事件檢測算法68-71
• 5.4 算法有效性分析71-75
• 5.5 本章小結(jié)75-77
• 6 總結(jié)與展望77-79
• 6.1 總結(jié)77-78
• 6.2 展望78-79
• 參考文獻(xiàn)79-83
• 作者簡歷及攻讀碩士學(xué)位期間取得的研究成果83-87
• 學(xué)位論文數(shù)據(jù)集87

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李向莉,呂建平;D-S證據(jù)理論在多傳感器信息融合中的改進(jìn)[J];現(xiàn)代電子技術(shù);2005年16期

2 張樂星;;用D-S證據(jù)理論實(shí)現(xiàn)多傳感器信息融合的一種改進(jìn)算法[J];傳感器世界;2006年10期

3 朱靜;高會生;李聰聰;;基于D-S證據(jù)理論的信息安全風(fēng)險評估[J];華北電力大學(xué)學(xué)報(自然科學(xué)版);2008年04期

4 崔智軍;王慶春;;基于D-S證據(jù)理論的多傳感器數(shù)據(jù)融合[J];現(xiàn)代電子技術(shù);2011年12期

5 劉振興;李明圖;;基于加權(quán)D-S證據(jù)理論的輻射源目標(biāo)識別[J];現(xiàn)代防御技術(shù);2011年03期

6 黃瑛,陶云剛,周潔敏,蘇登軍;D-S證據(jù)理論在多傳感器數(shù)據(jù)融合中的應(yīng)用[J];南京航空航天大學(xué)學(xué)報;1999年02期

7 孫文斌;李洪黨;;基于D-S證據(jù)理論的火災(zāi)檢測方法研究[J];自動化博覽;2006年S2期

8 惠增宏;;基于加權(quán)D-S證據(jù)理論的分布式多傳感器目標(biāo)識別[J];計算機(jī)應(yīng)用;2007年01期

9 李可心;徐國鑫;;基于D-S證據(jù)理論的空中目標(biāo)識別[J];紅外與激光工程;2007年S2期

10 楊帆;劉暢;;基于D-S證據(jù)理論的多傳感器目標(biāo)識別應(yīng)用[J];武漢工程大學(xué)學(xué)報;2009年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 胡玉蘭;范曉靜;;基于D-S證據(jù)理論改進(jìn)方法的目標(biāo)識別[A];第二十七屆中國控制會議論文集[C];2008年

2 佘二永;;一種基于D-S證據(jù)理論的高光譜圖像分類方法[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

3 楊帆;浦昭邦;劉國棟;;基于D-S證據(jù)理論的多指紋數(shù)據(jù)融合[A];首屆信息獲取與處理學(xué)術(shù)會議論文集[C];2003年

4 肖云;彭進(jìn)業(yè);王選宏;趙健;;基于D-S證據(jù)理論的漏洞動態(tài)嚴(yán)重性分析[A];第二十九屆中國控制會議論文集[C];2010年

5 邊寶峰;馬平;;基于模糊神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論的信息融合方法的研究[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

6 王勇平;楊曉段;李元左;;基于D-S證據(jù)理論的裝備質(zhì)量管理風(fēng)險評估模型[A];第九屆中國軟科學(xué)學(xué)術(shù)年會論文集（上冊）[C];2013年

7 楊帆;浦照邦;劉國棟;;基于D-S證據(jù)理論的多指紋數(shù)據(jù)融合[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

8 張佑春;王平;張公永;;基于D-S證據(jù)理論和神經(jīng)網(wǎng)絡(luò)的信息融合方法及應(yīng)用[A];第二十七屆中國控制會議論文集[C];2008年

9 周潯;王曉麗;;粗BP神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論在目標(biāo)識別中的應(yīng)用[A];第十九屆測控、計量、儀器儀表學(xué)術(shù)年會(MCMI'2009)論文集[C];2009年

10 杜瀊;李秋華;;基于D-S證據(jù)理論的紅外雙波段圖像目標(biāo)融合分割[A];2009年先進(jìn)光學(xué)技術(shù)及其應(yīng)用研討會論文集（上冊）[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 李菁;基于D-S證據(jù)理論的殘疾人體育器材研發(fā)中評價模型的構(gòu)建[D];上海體育學(xué)院;2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡斌斌;基于D-S證據(jù)理論的多準(zhǔn)則特征集優(yōu)選方法[D];西南交通大學(xué);2015年

2 高麗娟;基于改進(jìn)的D-S證據(jù)理論的航空電源故障診斷[D];安徽工程大學(xué);2015年

3 程子成;D-S證據(jù)理論中信任函數(shù)概率逼近方法研究[D];江西師范大學(xué);2015年

4 溫迪;基于D-S證據(jù)理論的航空發(fā)動機(jī)氣路故障信息融合與FMECA分析[D];電子科技大學(xué);2014年

5 秦鵬;基于最小二乘支持向量機(jī)和D-S證據(jù)理論的電力變壓器故障診斷研究[D];蘭州交通大學(xué);2015年

6 鹿高娜;基于D-S證據(jù)理論的融合事件檢測算法研究[D];北京交通大學(xué);2016年

7 周軍;基于D-S證據(jù)理論的多模型網(wǎng)絡(luò)安全態(tài)勢預(yù)測研究[D];西安電子科技大學(xué);2010年

8 陳淑娟;基于D-S證據(jù)理論的多傳感器數(shù)據(jù)融合危險預(yù)警系統(tǒng)[D];北京化工大學(xué);2010年

9 曹兆泉;基于D-S證據(jù)理論的信息系統(tǒng)安全等級測評結(jié)果判決方法研究[D];北京郵電大學(xué);2010年

10 徐培玲;開放識別框架D-S證據(jù)理論合成規(guī)則研究[D];中北大學(xué);2008年

  本文關(guān)鍵詞：基于D-S證據(jù)理論的融合事件檢測算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：275555