基于激光测距和GPS信息融合的交通事件检测算法研究

发布时间：2017-03-18 13:02

  本文关键词：基于激光测距和GPS信息融合的交通事件检测算法研究，由笔耕文化传播整理发布。

【摘要】：为了及时检测城市道路的交通拥挤事件,减少交通拥挤事件导致的出行延误、财产损失甚至人员伤亡等,研究快速、高效、准确的交通事件自动检测算法(AID,Automatic Incident Detection)至关重要。现有的AID算法研究大多采用单一固定式车检器用于数据采集,数据来源单一,且主要是针对高速公路,对城市道路的AID算法研究较少,同时大多针对交通拥挤事件的发生阶段进行检测,目的是及时发现已发生的事件,而对于事件的趋势状态的研究不够重视。针对上述问题,结合新一代数据采集技术和人工智能理论,提出了两种基于激光测距和GPS信息融合的AID算法。首先介绍了城市道路交通流特性以及交通事件的检测原理,在分析激光测距仪和GPS检测原理的基础上,提出了基于激光测距和GPS的AID系统;其次对比分析了常用的AID算法,指出将其应用到我国城市道路交通拥挤事件检测中存在的一些问题,同时在分析信息融合原理的基础上,提出了基于激光测距和GPS的信息融合模型,为分类器特征向量的选择提供参考;然后针对城市道路交通拥挤事件是否发生两种状态,提出一种SVM-AID算法,针对城市道路交通正常、交通拥挤、拥挤加剧和拥挤减缓四种状态,提出一种粒子群优化神经网络的AID算法。对于两种新AID算法分别构建了基于激光测距仪和GPS信息融合的特征向量,给出了新AID算法的设计思想和工作步骤,并用实测试验测试了其有效性。测试结果表明,相比于经典AID算法,新算法具有更高的检测率、更小的误报率和更短的平均检测时间。
【关键词】：城市道路 AID 支持向量机 粒子群优化神经网络 信息融合 激光测距仪 GPS
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TN249
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-17
• 1.1 研究背景及意义9-11
• 1.1.1 问题的提出9-10
• 1.1.2 研究的目的和意义10-11
• 1.2 交通事件检测算法的国内外研究现状和发展趋势11-13
• 1.2.1 国外交通事件检测算法的研究历史与现状11-12
• 1.2.2 国内交通事件检测算法研究现状与发展趋势12-13
• 1.3 研究内容结构和创新点13-16
• 1.3.1 研究内容和组织结构13-14
• 1.3.2 技术路线和创新点14-16
• 1.4 小结16-17
• 第二章 交通事件检测原理及信息融合17-30
• 2.1 交通事件概述17-18
• 2.2 交通事件检测原理18-22
• 2.2.1 城市道路交通流特性分析18-19
• 2.2.2 交通事件检测方法分析19-20
• 2.2.3 基于激光测距和GPS的AID系统20-22
• 2.3 交通事件AID算法分析22-27
• 2.3.1 常用AID算法分类23
• 2.3.2 AID算法比较分析23-27
• 2.3.3 AID算法的评价指标27
• 2.4 激光测距与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 小结29-30
• 第三章 基于支持向量机的交通事件检测算法研究30-37
• 3.1 概述30
• 3.2 支持向量机分类原理30-32
• 3.3 数据级信息融合的SVM-AID算法设计32-34
• 3.3.1 特征向量的选择32-33
• 3.3.2 SVM-AID算法步骤33-34
• 3.4 算法验证及结果分析34-36
• 3.4.1 试验条件34-35
• 3.4.2 有效性分析35-36
• 3.5 小结36-37
• 第四章 粒子群优化神经网络的交通事件检测算法研究37-48
• 4.1 概述37
• 4.2 基于粒子群的神经网络优化37-41
• 4.2.1 粒子群优化算法37-38
• 4.2.2 粒子群优化神经网络算法38-39
• 4.2.3 粒子群优化神经网络算法性能分析39-41
• 4.3 粒子群优化神经网络的交通事件检测41-42
• 4.3.1 特征量选择41
• 4.3.2 算法设计41-42
• 4.4 算法验证及结果分析42-46
• 4.4.1 实验过程42-43
• 4.4.2 结果分析43-46
• 4.5 神经网络和支持向量机的比较46-47
• 4.6 小结47-48
• 第五章 全文总结与展望48-50
• 5.1 全文总结48
• 5.2 展望48-50
• 参考文献50-54
• 致谢54-55
• 攻读硕士期间发表论文55

【相似文献】

中国期刊全文数据库 前10条

1 ;“第三届中国信息融合学术年会”征文[J];科技导报;2010年23期

2 ;“第三届中国信息融合学术年会”征文[J];科技导报;2011年01期

3 ;第四届中国信息融合大会征文通知[J];控制理论与应用;2012年01期

4 郭惠勇;多传感器信息融合技术的研究与进展[J];中国科学基金;2005年01期

5 武冰;冯屹朝;林勇强;魏爱鹏;;信息融合标准的优化研究[J];大众科技;2010年06期

6 潘泉;王增福;梁彦;杨峰;刘准钆;;信息融合理论的基本方法与进展(Ⅱ)[J];控制理论与应用;2012年10期

7 张凌;汤积华;史开泉;;内P-信息融合与它的属性合取特征[J];山东大学学报(理学版);2014年02期

8 潘悦;;水下信息理解的概念和方法[J];舰船科学技术;2012年01期

9 郭华龙;;P-集合与信息融合应用分析[J];闽南师范大学学报(自然科学版);2014年02期

10 杨明;朱杰;高延铭;;基于信息融合的海洋溢油识别判据的研究[J];信息技术;2012年04期

中国重要会议论文全文数据库 前10条

1 朱茵;王军利;;交通管理综合信息融合模型研究[A];第二十七届中国控制会议论文集[C];2008年

2 顾星;;中医诊断与体表生物特征多信息融合的思考[A];中国中西医结合学会诊断专业委员会2009’年会论文集[C];2009年

3 王志胜;甄子洋;王道波;范大鹏;;随机大系统的信息融合最优联合控制[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

4 杨为民;李龙澍;;基于GIT的信息融合在农业信息中的应用[A];2005年“数字安徽”博士科技论坛论文集[C];2005年

5 刘汝杰;袁保宗;;信息融合的认知学基础与D-S融合方法[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

6 杜奕;迟毅林;伍星;;概率盒和D-S结构体在机械故障信号信息融合中的应用展望[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

7 李树军;蒋晓瑜;纪红霞;;多传感器信息融合技术和典型算法的应用诠释[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

8 孙来军;沈永良;;多SVM多级信息融合与诊断决策模型的研究[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

9 杜奕;迟毅林;伍星;;信息融合在设备监测和故障诊断中的应用[A];第二十七届中国控制会议论文集[C];2008年

10 李录平;邹新元;晋风华;黄树红;卢绪祥;;基于信息融合的旋转机械振动状态评价方法研究[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年

中国重要报纸全文数据库 前2条

1 周新红 田朝晖 段勇;信息融合：现代战争的重要支撑[N];解放军报;2005年

2 本报记者 别坤;信息融合让地铁更快捷[N];计算机世界;2012年

中国博士学位论文全文数据库 前10条

1 胡洲;信息融合欠驱动控制技术研究[D];南京航空航天大学;2014年

2 张云璐;基于用户信息融合的个性化推荐[D];武汉大学;2012年

3 王恩雁;基于本体的多源异构应急信息融合方法研究[D];哈尔滨工业大学;2014年

4 文妍;基于多源信息融合的数控机床进给系统机械故障诊断研究[D];青岛理工大学;2016年

5 吴荣春;军事信息系统中信息融合关键技术研究[D];电子科技大学;2016年

6 朱林;信息融合系统工程设计准则的研究[D];哈尔滨工程大学;2005年

7 朱方;多信息融合模式分类方法研究及在公交客流识别系统中的应用[D];河北工业大学;2010年

8 孔庆杰;信息融合理论及其在交通监控信息处理中的应用[D];上海交通大学;2010年

9 王晓帆;信息融合中的态势评估技术研究[D];西安电子科技大学;2012年

10 王志胜;信息融合估计理论及其在航天器控制中的应用研究[D];西北工业大学;2002年

中国硕士学位论文全文数据库 前10条

1 庄颖;信息融合的粗糙集方法研究[D];昆明理工大学;2015年

2 李晓;基于信息融合的高速列车转向架故障诊断[D];西南交通大学;2015年

3 陈昭;基于云计算的中药信息融合知识服务平台构建[D];福建中医药大学;2015年

4 陈亭亭;雷达与AIS信息融合技术的研究[D];大连海事大学;2015年

5 万守鹏;基于信息融合的舱音信号分析与安全诊断[D];上海应用技术学院;2015年

6 张宁波;基于信息融合的电子产品故障诊断[D];中北大学;2015年

7 刘萌萌;基于信息融合的改进极限学习机预测算法研究[D];辽宁大学;2015年

8 田静;基于声波特征的管道泄漏信息融合故障诊断方法研究[D];河北科技大学;2015年

9 彭毅;基于振动和油液信息融合的发动机故障诊断方法研究[D];广西大学;2014年

10 舒适;基于信息融合的公交车自燃检测预警系统[D];浙江工业大学;2015年

  本文关键词：基于激光测距和GPS信息融合的交通事件检测算法研究，由笔耕文化传播整理发布。

，

本文编号：254458