基于信息融合的交通流檢測方法的研究.pdf

1、交通流檢測是智能交通系統(tǒng)的重要組成部分，它是將各種傳感器檢測到的信息匯總得到實時準確的交通流數(shù)據(jù)，送給智能交通控制中心，使其發(fā)出相應的指令，從而實現(xiàn)智能控制的目標。 交通流檢測技術已從單一傳感器處理系統(tǒng)發(fā)展成為多傳感器處理系統(tǒng)，將多種類型的傳感器進行優(yōu)化配置，性能互補。如何提高數(shù)據(jù)處理的精度和可靠性正是當今交通流數(shù)據(jù)處理技術研究的一個重點。近年來，人們應用各種方法對交通流參數(shù)進行檢測，如：神經(jīng)網(wǎng)絡算法、Bayes決策理論、專家系

2、統(tǒng)、遺傳算法、Kalman濾波等，并取得了一定的成果。本文提出了基于信息融合算法對交通流參數(shù)進行檢測和預測。 該融合檢測和預測算法與傳統(tǒng)的檢測和預測方法相比，既不是單一的數(shù)據(jù)檢測、預測方法的運用，也不是對單一檢測數(shù)據(jù)的使用，更不是對這些方法和數(shù)據(jù)的簡單組合，而是包括從拓展數(shù)據(jù)到選擇有效檢測方法，再到方法和數(shù)據(jù)的融合。該算法一方面提高了預測的準確性，另一方面提高了預測的魯棒性。 本文以環(huán)形檢測線圈為例，對基于信息融合的交通

3、流檢測的方法進行了研究，主要包括以下幾個方面： (1)在對車速進行檢測的過程中，為了進一步提高車速檢測的準確性，在進行數(shù)據(jù)融合之前采用分布圖法檢測法和基于相容矩陣的失效數(shù)據(jù)剔除方法兩種方法對數(shù)據(jù)的有效性進行檢測。闡述了加權平均算法檢測車速的基本原理，分析了最小均方差加權平均算法和自適應加權平均算法的優(yōu)缺點，通過對比仿真實驗驗證加權平均算法檢測車速的準確性。 (2)根據(jù)貝葉斯理論估計交通流量的需要，建立交通流的數(shù)學模型，并

4、以此為基礎分別使用基于貝葉斯參數(shù)估計理論檢測交通流分布的算法和基于貝葉斯風險決策理論兩種算法對交通流分布情況進行研究。對兩種算法做了對比分析，突出了在風險損失系數(shù)不同的情況下，貝葉斯風險決策理論在檢測車流量中表現(xiàn)的良好特性，說明了決策的合理性。 (3)為了消除數(shù)據(jù)檢測過程中野值的干擾，提高預測精度，在應用卡爾曼濾波理論對車輛的排隊長度進行預測的基礎上，提出了基于M估計理論的抗野值的卡爾曼濾波預測方法，通過仿真實驗說明其具有較強的