基于车牌识别数据的交通流参数短时预测

发布时间：2017-07-08 16:06

  本文关键词：基于车牌识别数据的交通流参数短时预测

  更多相关文章： 车牌识别 数据异常 改进GM(1 1) 短时预测

【摘要】：随着社会的发展,汽车制造业的完善,人民的生活水平提高,私家车的数量也越来越多,我国各大中小型城市的交通拥堵问题日益严重。不管是城市管理者还是出行者都希望找寻一套可行的方案解决此问题,智能交通系统就是解决交通拥堵问题最重要的手段。交通流参数的短时预测,是智能交通系统中交通控制与诱导模块的基础。随着现代科技技术的发展,车牌捕获与识别的准确度显著提升,基于车牌识别的交通流参数基础数据采集技术随之产生。基于车牌识别数据进行交通流参数的短时预测是将是一个新的选择。首先,本文通过分析我国各地区所面临的交通拥堵问题和现行的交通信息采集技术的优缺点,提出了用车牌识别数据进行交通流参数短时预测的方法,并通过分析其技术特点指出了其可行性。其次,介绍了车牌识别数据获取的过程。对获取的海量车牌识别数据,采用模糊匹配中的编辑距离算法进行了上下游车辆号牌的匹配。并对交通流参数短时预测基础数据仍存在的异常情况,基于交通流量的周相似性,采用历史数据进行补偿。对行程速度异常数据,采用变异系数法进行剔除。然后,对预处理完成后的数据引入了灰色预测模型。介绍了灰色预测模型的几个算子,并对灰色预测模型的建模步骤,做了详细阐述。并在对灰色预测模型背景值分析的基础上了,提出了一种基于背景值的改进方法。最后,选取成都绕城高速外环K66+850、K67+985两个监控点位的车牌识别数据,以5min为时间间隔进行交通流参数短时预测,并同实际检测数据进行了对比,证明了基于车牌识别数据进行交通流参数短时预测的准确性。
【关键词】：车牌识别 数据异常 改进GM(1 1) 短时预测
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.14
【目录】：

• 摘要6-7
• Abstract7-10
• 第1章 绪论10-17
• 1.1 研究背景及意义10-11
• 1.1.1 研究背景10-11
• 1.1.2 研究意义11
• 1.2 短时交通流预测研究历史与现状11-14
• 1.3 问题的提出14
• 1.4 研究目标与研究内容14-15
• 1.4.1 研究目标14-15
• 1.4.2 主要研究内容15
• 1.4.3 拟解决的关键问题15
• 1.5 研究思路及技术路线15-17
• 第2章 车牌识别数据的预处理17-27
• 2.1 交通流短时预测基础数据获取17-22
• 2.1.1 交通流信息常用获取方法17-18
• 2.1.2 车牌识别数据的获取18
• 2.1.3 车牌识别数据的匹配18-20
• 2.1.4 基于车牌识别数据计算交通流参数20-22
• 2.2 车牌识别异常数据的处理22-26
• 2.2.1 车牌识别数据异常原因分析22-23
• 2.2.2 交通流量数据丢失补偿方法23-25
• 2.2.3 行程速度数据异常剔除方法25-26
• 2.3 本章小结26-27
• 第3章 交通流参数短时预测模型的构建27-40
• 3.1 交通流参数短时预测模型概述27-30
• 3.1.1 短时交通流的特性27
• 3.1.2 几种常用的交通流参数短时预测模型27-30
• 3.2 常规灰色预测模型的构建30-36
• 3.2.1 灰色预测模型概述30-32
• 3.2.2 常规GM(1,1)模型32-36
• 3.3 改进GM(1,1)预测模型的构建36-39
• 3.3.1 改进GM(1,1)预测模型的建模依据36-37
• 3.3.2 模型的构建与求解步骤37-39
• 3.4 本章小结39-40
• 第4章 基于车牌识别数据的交通流短时预测实证分析40-54
• 4.1 车牌识别数据的获取40-43
• 4.1.1 数据来源40-41
• 4.1.2 车牌识别数据的匹配41-43
• 4.2 交通流参数的计算及异常数据的处理43-47
• 4.2.1 流量的计算及丢失数据补偿43-45
• 4.2.2 行程速度数据异常剔除45-47
• 4.3 交通流参数短时预测47-53
• 4.3.1 交通流量的短时预测47-51
• 4.3.2 行程速度的短时预测51-53
• 4.4 本章小结53-54
• 结论54-56
• 致谢56-57
• 参考文献57-62
• 附录62-65

【相似文献】

中国期刊全文数据库 前10条

1 骆雪超,刘桂雄,冯云庆,申柏华;一种基于车牌特征信息的车牌识别方法[J];华南理工大学学报(自然科学版);2003年04期

2 ;沈阳聚德高清车牌识别一体机跨出国门[J];中国交通信息化;2011年02期

3 何铁军;张宁;黄卫;;车牌识别算法的研究与实现[J];公路交通科技;2006年08期

4 王飞;李定主;;在车牌识别项目中对阈值选定法的一点改进[J];机械工程与自动化;2007年04期

5 冯新宇;庞艳辉;;车牌识别技术实现方法初探[J];交通科技与经济;2007年02期

6 郑婕;张曙;;图像处理在车牌识别中的应用[J];硅谷;2012年05期

7 孟诺;;交通卡口雷达、视频、线圈检测及测速和车牌识别原理[J];智能建筑与城市信息;2012年04期

8 常学义;冯涛;;一种基于特征点的车牌识别改进算法[J];上海第二工业大学学报;2014年01期

9 敖银辉;神经和模糊技术在车牌识别中的应用[J];广东工业大学学报;2003年04期

10 蔡波,朱玉玉;车牌识别中的快速区域定位方法研究[J];西南科技大学学报;2004年02期

中国重要会议论文全文数据库 前3条

1 周汉青;;一种高速的车牌识别算法[A];第二十七届中国（天津）2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2013年

2 史东娜;王枞;李卫;;车牌识别领域的中文术语自动抽取[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（下册）[C];2008年

3 关东;汪永山;;基于车牌识别比对的自动道闸控制系统[A];全国冶金自动化信息网2012年年会论文集[C];2012年

中国重要报纸全文数据库 前2条

1 本报评论员 周飙;交通拥堵是个产权问题[N];21世纪经济报道;2010年

2 樊哲高;沈阳聚德：智能视觉“千里眼”[N];中国电子报;2008年

中国博士学位论文全文数据库 前1条

1 任俊;基于支撑矢量机的图像分类、车牌识别及嵌入式应用研究[D];浙江大学;2005年

中国硕士学位论文全文数据库 前10条

1 窦志伟;基于车牌识别数据的交通流参数短时预测[D];西南交通大学;2016年

2 郭真真;基于分阶的BP和CNN车牌识别[D];昆明理工大学;2015年

3 梁大宽;复杂背景下多车牌识别算法的研究与软件系统实[D];太原理工大学;2016年

4 尚兆功;基于视频识别技术的智能车库管理系统[D];山东建筑大学;2016年

5 张冠华;一种基于神经网络的车牌识别方法的实现[D];吉林大学;2016年

6 张少鹏;基于STM32的车牌识别手持移动终端的设计[D];西北师范大学;2015年

7 谢嘉乐;基于改进的LM-BP神经网络的车牌识别算法研究与应用[D];广东工业大学;2016年

8 付栋;聚类与遗传混合优化RBF神经网络的车牌识别研究[D];燕山大学;2016年

9 吕田;智能停车场管理系统的设计与实现[D];西安工业大学;2016年

10 刘逸男;基于车载视频的车间距计算与车牌识别[D];北京工业大学;2016年

，

本文编号：535264