基于超聲的高速公路交通流參數(shù)獲取研究.pdf

1、隨著全球交通問(wèn)題的日益突出，智能交通系統(tǒng)（ITS）成為目前研究的熱點(diǎn)。ITS是一個(gè)很大的領(lǐng)域，包含了很多子系統(tǒng)，本文主要對(duì)位于ITS底層的交通流參數(shù)獲取領(lǐng)域進(jìn)行了研究。在分析了目前國(guó)內(nèi)外常用的多種交通流檢測(cè)方案后，本文設(shè)計(jì)了一種基于超聲的交通流參數(shù)獲取方案。該方案以超聲測(cè)距所獲得的數(shù)據(jù)作為分析交通流的基礎(chǔ)。 本文對(duì)基于超聲數(shù)據(jù)的交通流參數(shù)獲取進(jìn)行了研究，實(shí)現(xiàn)了一系列相關(guān)算法。包括一種對(duì)噪聲不敏感的車(chē)輛波形提取算法和一種基于時(shí)序的

2、車(chē)輛波形匹配算法，并給出了車(chē)高、車(chē)長(zhǎng)、車(chē)速、流量、密度這些交通流參數(shù)的獲取算法。針對(duì)基于超聲的數(shù)據(jù)波形的特點(diǎn)，本文所實(shí)現(xiàn)的車(chē)輛波形提取算法可以在有系統(tǒng)噪聲干擾的情況下準(zhǔn)確提取出車(chē)輛的波形，而本文所實(shí)現(xiàn)的車(chē)輛波形匹配算法則對(duì)車(chē)輛提取過(guò)程中誤提取的噪聲的干擾具有一定的魯棒性，且發(fā)生匹配錯(cuò)誤后不會(huì)使錯(cuò)誤積累，不影響下一輛車(chē)的波形匹配。 另外，本文對(duì)交通流參數(shù)獲取所需的車(chē)型分類(lèi)進(jìn)行了重點(diǎn)研究。設(shè)計(jì)了一種較為通用的車(chē)型分類(lèi)方案，并針對(duì)該分

3、類(lèi)方案的特點(diǎn)將貝葉斯決策理論和傅立葉描述子模型引入到車(chē)型分類(lèi)算法中。本分類(lèi)算法采用了多級(jí)分類(lèi)的方式，即首先通過(guò)貝葉斯決策模型對(duì)車(chē)型進(jìn)行初步分類(lèi)，而后在初步分類(lèi)的基礎(chǔ)上通過(guò)傅立葉描述子模型對(duì)車(chē)型進(jìn)行二次分類(lèi)。在初步分類(lèi)時(shí)使用了非參數(shù)估計(jì)的Parzen窗法來(lái)獲得分布未知的類(lèi)條件概率密度，在研究傅立葉描述子模型時(shí)，本文還對(duì)一輛車(chē)的采樣點(diǎn)的個(gè)數(shù)與傅立葉描述子描述能力的關(guān)系進(jìn)行了詳細(xì)分析。 基于超聲的交通流參數(shù)獲取原型系統(tǒng)已經(jīng)在PC機(jī)上實(shí)