基于AMR的智能交通感知系統(tǒng)的關(guān)鍵技術(shù)研究.pdf

1、目前，智能交通技術(shù)飛速發(fā)展，交通信息采集作為智能交通感知中重要的一個(gè)環(huán)節(jié)，交通信息的采集對于智能交通的深入研究也是有著重要的意義。現(xiàn)有的交通信息監(jiān)測模塊有基于視頻圖像信息、地磁感應(yīng)線圈以及三軸地磁傳感器等。由于地磁感應(yīng)器體積小，交通信息豐富的特點(diǎn)和安裝簡單等優(yōu)勢被投入大量研究。本文主要研究通過各向異性三軸地磁傳感器來對交通信息進(jìn)行采集，交通信息包括車輛存在性，車型分類，車流量等。
　　本文對現(xiàn)有的交通信息采集手段進(jìn)行了分析和比較，

2、地磁信號是一種交通信息比較豐富，可行性比較高的一種方式。由于交通信息采集系統(tǒng)的實(shí)時(shí)性要求比較高，所以希望可以簡化比較復(fù)雜的車型分類算法。本文使用一種過濾式與封裝式結(jié)合的方法來進(jìn)行特征優(yōu)化選擇。通過 RelieF算法來對提取的特征進(jìn)行評估和排序，通過計(jì)算兩個(gè)特征之間的泊松相關(guān)系數(shù)來判斷兩個(gè)特征的分類能力是否相同，剔除冗余特征。之后使用過濾式算法來篩選出分類效果最好的特征子集。對于車輛存在性的判斷，本文使用狀態(tài)機(jī)的方法來判斷，有車狀態(tài)記錄和

3、處理地磁信號，沒車狀態(tài)更新背景磁場強(qiáng)度。車型分類上本文使用Adaboost算法來改進(jìn)現(xiàn)有的車型分類算法的精度，該方法中的弱分類器選擇的是SVM。改進(jìn)后的算法有很好的泛化能力。與SVM算法相比，精確度提高了8％~10%。本文的目的是不犧牲精度的前提下使得該系統(tǒng)可以在底層 ARM上實(shí)現(xiàn)實(shí)時(shí)采集交通信息，簡化采集交通信息感知算法，最后將設(shè)計(jì)好的平臺移植到ARM上進(jìn)行調(diào)試和實(shí)驗(yàn)。
　　本文主要的工作是對地磁信號采集交通信息的研究。從地磁波