基于高斯混合模型的多源異類交通數(shù)據(jù)融合研究.pdf

1、由于汽車增加，道路容量不足等原因，城市快速路交通擁堵問(wèn)題正日益突出。解決該問(wèn)題的根本原則是降低道路車流密度。實(shí)現(xiàn)該目標(biāo)有很多途徑，其中一種是通過(guò)實(shí)時(shí)交通狀態(tài)估計(jì)，對(duì)出行者進(jìn)行誘導(dǎo)，從而提高道路利用率。為更精確地估計(jì)交通狀態(tài)，本文綜合考慮各類傳感器采集的交通數(shù)據(jù)，提出了一種基于高斯混合模型(GMM)的交通數(shù)據(jù)融合模型。該模型能夠有效克服單一傳感器數(shù)據(jù)的不確定性，準(zhǔn)確評(píng)估路網(wǎng)交通狀態(tài)。結(jié)合已有研究成果，本文圍繞交通狀態(tài)估計(jì)過(guò)程中的傳感器數(shù)據(jù)

2、預(yù)處理、視頻源平均速度優(yōu)化及交通數(shù)據(jù)融合三點(diǎn)內(nèi)容進(jìn)行研究和實(shí)驗(yàn)，研究?jī)?nèi)容及創(chuàng)造性貢獻(xiàn)如下:
　　首先針對(duì)外界環(huán)境因素干擾導(dǎo)致傳感器數(shù)據(jù)質(zhì)量降低的問(wèn)題，文章提出了一種考慮具體道路等級(jí)，采用對(duì)應(yīng)閾值及卡爾曼濾波器對(duì)各類傳感器數(shù)據(jù)進(jìn)行篩選及濾波的方法。其次針對(duì)傳統(tǒng)視頻源易受光照影響的缺陷，本文采用RGB-D設(shè)備同時(shí)獲取彩色信息及目標(biāo)與相機(jī)的距離信息，即深度信息，分析獲取更豐富的場(chǎng)景信息，提高車輛識(shí)別與跟蹤的精確性，最終提高路段平均速度估

3、計(jì)的精確性。最后針對(duì)交通狀態(tài)估計(jì)中單源傳感器數(shù)據(jù)的不確定性導(dǎo)致結(jié)果不準(zhǔn)確的問(wèn)題，本文綜合考慮多源交通數(shù)據(jù)，采用GMM進(jìn)行異類交通數(shù)據(jù)建模，并提出了一種基于高斯混合模型的多源異類交通數(shù)據(jù)融合算法，以進(jìn)一步提高交通狀態(tài)估計(jì)的準(zhǔn)確性及魯棒性。
　　采用杭州4條路段的2015年7月6號(hào)到10號(hào)的微波、GPS數(shù)據(jù)以及RGB-D三源數(shù)據(jù)對(duì)本文提出的數(shù)據(jù)融合模型進(jìn)行分析驗(yàn)證，實(shí)驗(yàn)結(jié)果顯示:(1).結(jié)合了具體道路等級(jí)的傳感器數(shù)據(jù)抗差處理對(duì)提高數(shù)據(jù)