基于信息融合的交通信息采集研究.pdf

1、智能交通系統(tǒng)(ITS)作為一個信息化的系統(tǒng)，它的各個組成部分和各種功能都是以交通信息應(yīng)用為中心展開的，交通信息的質(zhì)量直接影響著交通系統(tǒng)應(yīng)用分析的可靠程度。因此，獲取實時、全面、準確的道路交通信息是實現(xiàn)城市交通智能化的關(guān)鍵，也是ITS成功實施的重要前提和基本保障。本文以交通信息采集為應(yīng)用背景，針對目前城市道路交通信息難以實現(xiàn)實時全面準確采集的問題，從信息融合的角度，對交通信息融合、交通信息預(yù)測以及FCD算法等問題進行了深入系統(tǒng)的研究。

2、 全文的主要工作包括以下幾個方面： 1)信息融合技術(shù)的理論基礎(chǔ)研究。從系統(tǒng)的角度對信息融合技術(shù)的基礎(chǔ)理論進行了研究，重點研究了信息融合技術(shù)作為一種系統(tǒng)思維方式的理論知識，這些知識是構(gòu)成信息融合技術(shù)的基礎(chǔ)。其主要內(nèi)容包括信息融合的融合層次、功能模型、結(jié)構(gòu)模型以及數(shù)學(xué)模型。 2)基于FCD的城市道路交通信息采集研究。提出了一種基于FCD的城市道路車流速度估計算法，并應(yīng)用到城市道路大規(guī)模交通信息采集中。首先，介紹了速度估計

3、算法，它采用了一種改進的弧段Dijkstra路徑尋優(yōu)算法，在圖的弧段-弧段存儲結(jié)構(gòu)中考慮了城市路網(wǎng)限制性交通信息的表達，并將路網(wǎng)的一些先驗信息引入弧段關(guān)系結(jié)構(gòu)中，提高了搜索效率和準確性。然后，通過地面跑車實驗給出了算法的評價結(jié)果和討論。最后，介紹了算法在城市路網(wǎng)進行大規(guī)模交通信息采集的應(yīng)用效果。 3)基于證據(jù)理論和Kalman濾波的交通信息融合研究。首先介紹了基于聯(lián)合Kalman濾波的GPS/DR/MM/BB組合導(dǎo)航信息融合方法

4、，用于提高GPS定位的精度和完整性。通過組合導(dǎo)航信息融合，既能解決城區(qū)存在車輛導(dǎo)航“盲區(qū)”問題，又能提高車輛導(dǎo)航系統(tǒng)的定位精度。然后，提出了一種基于證據(jù)理論和最小二乘支持向量機(LS-SVM)的信息融合方法，通過融合地感線圈所采集的交通流量信息，全面提高FCD系統(tǒng)交通速度信息采集的準確性和完整性。該方法從歷史速度數(shù)據(jù)和流量數(shù)據(jù)中提取關(guān)聯(lián)規(guī)則和可信度矩陣，并進行回歸分析得到速度-流量曲線的臨界速度參數(shù)，在此基礎(chǔ)上通過證據(jù)理論進行信息融合。

5、 4)基于徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的交通信息融合預(yù)測研究。首先提出了RBF神經(jīng)網(wǎng)絡(luò)一種兩步學(xué)習(xí)算法：遺傳-梯度算法(Genetic Gradient Algorithrn，GGA)，用于RBF(Radial Basis Function)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，在此基礎(chǔ)上建立了基于時間相關(guān)和空間相關(guān)的RBFNN交通信息融合預(yù)測模型，并應(yīng)用到交通速度信息預(yù)測中。GGA算法充分利用了遺傳算法(GA)的全局優(yōu)化能力和梯度下降算法的局部搜索