基于高斯混合模型的多源异类交通数据融合研究

发布时间：2017-05-01 02:03

  本文关键词：基于高斯混合模型的多源异类交通数据融合研究，由笔耕文化传播整理发布。

【摘要】：由于汽车增加,道路容量不足等原因,城市快速路交通拥堵问题正日益突出。解决该问题的根本原则是降低道路车流密度。实现该目标有很多途径,其中一种是通过实时交通状态估计,对出行者进行诱导,从而提高道路利用率。为更精确地估计交通状态,本文综合考虑各类传感器采集的交通数据,提出了一种基于高斯混合模型(GMM)的交通数据融合模型。该模型能够有效克服单一传感器数据的不确定性,准确评估路网交通状态。结合已有研究成果,本文围绕交通状态估计过程中的传感器数据预处理、视频源平均速度优化及交通数据融合三点内容进行研究和实验,研究内容及创造性贡献如下：首先针对外界环境因素干扰导致传感器数据质量降低的问题,文章提出了一种考虑具体道路等级,采用对应阈值及卡尔曼滤波器对各类传感器数据进行筛选及滤波的方法。其次针对传统视频源易受光照影响的缺陷,本文采用RGB-D设备同时获取彩色信息及目标与相机的距离信息,即深度信息,分析获取更丰富的场景信息,提高车辆识别与跟踪的精确性,最终提高路段平均速度估计的精确性。最后针对交通状态估计中单源传感器数据的不确定性导致结果不准确的问题,本文综合考虑多源交通数据,采用GMM进行异类交通数据建模,并提出了一种基于高斯混合模型的多源异类交通数据融合算法,以进一步提高交通状态估计的准确性及鲁棒性。采用杭州4条路段的2015年7月6号到10号的微波、GPS数据以及RGB-D三源数据对本文提出的数据融合模型进行分析验证,实验结果显示：(1).结合了具体道路等级的传感器数据抗差处理对提高数据质量具有积极的意义；(2).深度数据有效弥补了传统视频设备在彩色信息缺失时带来的问题,提高了车辆及路段速度估计的精确性；(3).本文提出的基于高斯混合模型的数据融合算法通过结合交通流参数分布特征,能够有效提高交通状态估计的准确性及鲁棒性。
【关键词】：数据融合 交通状态估计 抗差处理 深度数据 高斯混合模型
【学位授予单位】：杭州师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP202
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-10
• 1 绪论10-18
• 1.1 国内外交通数据融合与实时交通状态估计研究现状10-13
• 1.1.1 交通状态估计研究现状10-11
• 1.1.2 数据融合技术研究现状11-12
• 1.1.3 交通数据融合研究现状12-13
• 1.2 研究的目的和意义13-15
• 1.2.1 研究目的13-14
• 1.2.2 研究意义14-15
• 1.3 研究内容和技术路线15-16
• 1.3.1 研究内容15
• 1.3.2 技术路线15-16
• 1.4 论文结构安排16-17
• 1.5 本章小结17-18
• 2 基于卡尔曼滤波器的交通数据预处理18-23
• 2.1 智能交通传感器数据源18-19
• 2.1.1 GPS18
• 2.1.2 微波车辆检测器18-19
• 2.2 数据预处理19-22
• 2.2.1 数据清洗19-20
• 2.2.2 数据降噪20-22
• 2.2.2.1 卡尔曼滤波器及其原理介绍20-21
• 2.2.2.2 基于卡尔曼滤波器的GPS、微波数据滤波及补全21-22
• 2.3 本章小结22-23
• 3 基于RGB-D的车辆跟踪与路段平均速度估计23-34
• 3.1 车辆检测与跟踪23-30
• 3.1.1 三帧差检测法25-27
• 3.1.2 深度信息聚类27-28
• 3.1.3 车辆分割与检测28-29
• 3.1.4 车辆跟踪29-30
• 3.1.4.1 SURF特征匹配算法概述29-30
• 3.1.4.2 特征提取及匹配30
• 3.2 路段平均速度估计30-31
• 3.3 实验分析31-33
• 3.3.1 车辆检测与分割结果分析31-32
• 3.3.2 车辆跟踪结果分析32-33
• 3.4 本章小结33-34
• 4 基于高斯混合模型的多源数据融合34-44
• 4.1 道路交通状态定义及评价方法34-36
• 4.2 GMM模型训练36-39
• 4.3 交通状态估计39-40
• 4.4 实验分析40-43
• 4.4.1 交通状态人工标注41
• 4.4.2 准确性分析实验41-43
• 4.5 本章小结43-44
• 5 总结与展望44-46
• 5.1 主要工作总结44-45
• 5.2 未来研究的展望45-46
• 参考文献46-50
• 作者简历50
• 攻读学位期间发表或录用的学术论文50

【相似文献】

中国期刊全文数据库 前10条

1 马超;张政石;;基于二维高斯混合模型的驾驶行为分析[J];硅谷;2011年05期

2 曾洪;卢伟;宋爱国;;基于完整似然最短信息长度准则的高斯混合模型聚类(英文)[J];Journal of Southeast University(English Edition);2013年01期

3 仲莉恩;隋立林;;基于高斯混合模型阴影消除算法研究[J];中国电力教育;2009年S2期

4 邵妍;霍春宝;金曦;;基于改进的高斯混合模型算法的说话人识别[J];辽宁工业大学学报(自然科学版);2010年01期

5 徐保勇;王媛丽;王平;高颖慧;范庆明;;基于高斯混合模型机载下视运动目标检测方法[J];重庆理工大学学报(自然科学);2011年11期

6 何明;冯博琴;马兆丰;傅向华;;一种基于高斯混合模型的无监督粗糙聚类方法[J];哈尔滨工业大学学报;2006年02期

7 吴迪;曹洁;王进花;;基于自适应高斯混合模型与静动态听觉特征融合的说话人识别[J];光学精密工程;2013年06期

8 张晓娜;何仁;刘志强;陈士安;倪捷;;基于空间信息高斯混合模型的运动车辆检测[J];江苏大学学报(自然科学版);2011年04期

9 於跃成;刘彩生;生佳根;;分布式约束一致高斯混合模型[J];南京理工大学学报;2013年06期

10 董宏辉;孙智源;葛大伟;秦勇;贾利民;;基于高斯混合模型的铁路入侵物体目标识别方法[J];中国铁道科学;2011年02期

中国重要会议论文全文数据库 前10条

1 骆俊;马尽文;;高斯混合模型的遗传分基融合算法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

2 廖频;沈理;;基于高斯混合模型的人脸图象识别研究[A];2001年中国智能自动化会议论文集（上册）[C];2001年

3 马尽文;何学锋;;高斯混合模型的数据尺度可压缩参数学习算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

4 瞿俊;姜青山;董槐林;;基于高斯混合模型的层次聚类算法[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年

5 蔡念;郭文婷;陈世文;潘晴;;融合高斯混合模型和小波变换的运动目标检测[A];第十五届全国图象图形学学术会议论文集[C];2010年

6 龙艳花;郭武;戴礼荣;;一种应用于SVM说话者确认系统的新型序列核[A];第九届全国人机语音通讯学术会议论文集[C];2007年

7 刘李漫;陶文兵;田金文;;融合多高斯混合模型与Graph Cuts优化技术的目标自动检测方法[A];第十五届全国图象图形学学术会议论文集[C];2010年

8 康永国;双志伟;陶建华;张维;徐波;;高斯混合模型和码本映射相结合的语音转换算法[A];第八届全国人机语音通讯学术会议论文集[C];2005年

9 应冬文;颜永红;付强;国雁萌;;基于约束高斯混合模型的噪声功率谱估计[A];2010年通信理论与信号处理学术年会论文集[C];2010年

10 唐英干;刘东;关新平;;基于高斯混合模型的多分辨率图像分割[A];第十二届全国图象图形学学术会议论文集[C];2005年

中国博士学位论文全文数据库 前5条

1 王益文;复杂网络节点影响力模型及其应用[D];浙江大学;2015年

2 陈雪峰;图像高斯混合模型的判别学习方法[D];北京理工大学;2009年

3 赖裕平;非高斯混合模型的变分学习算法研究[D];北京邮电大学;2014年

4 刘辉;miRNA靶标预测的系统生物学方法研究[D];中国矿业大学;2009年

5 陶建斌;贝叶斯网络模型在遥感影像分类中的应用方法研究[D];武汉大学;2010年

中国硕士学位论文全文数据库 前10条

1 范苗;基于高斯混合模型的时变过程软测量建模[D];浙江大学;2015年

2 许莉薇;基于高斯混合模型林业信息文本分类的技术研究[D];东北林业大学;2015年

3 车滢霞;约束条件下的结构化统计声学模型及非平行语料语音转换[D];苏州大学;2015年

4 张晓红;基于候选生成的猫脸检测[D];哈尔滨工业大学;2015年

5 付娜;基于视频的运动人体行为捕捉算法研究[D];北京理工大学;2015年

6 王炳辉;基于层次贝叶斯自适应稀疏的高斯混合模型[D];大连理工大学;2015年

7 邱藤;基于高斯混合模型的EM算法及其应用研究[D];电子科技大学;2015年

8 张小林;基于高斯混合模型和非负矩阵分解的复杂网络社区检测[D];西安电子科技大学;2014年

9 姚绍芹;基于声道谱参数的语音转换算法研究[D];南京邮电大学;2015年

10 闫昊;基于高斯混合模型的文本无关说话人年龄识别[D];苏州大学;2015年

  本文关键词：基于高斯混合模型的多源异类交通数据融合研究，由笔耕文化传播整理发布。

，

本文编号：337985