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。在分析了目前國內(nèi)外常用的多種交通流檢測方案后，本文設(shè)計(jì)了一種基于超聲的交通流參數(shù)獲取方案。該方案以超聲測距所獲得的數(shù)據(jù)作為分析交通流的基礎(chǔ)。 本文對基于超聲數(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。包括一種對噪聲不敏感的車輛波形提取算法和一種基于時(shí)序的

2、車輛波形匹配算法，并給出了車高、車長、車速、流量、密度這些交通流參數(shù)的獲取算法。針對基于超聲的數(shù)據(jù)波形的特點(diǎn)，本文所實(shí)現(xiàn)的車輛波形提取算法可以在有系統(tǒng)噪聲干擾的情況下準(zhǔn)確提取出車輛的波形，而本文所實(shí)現(xiàn)的車輛波形匹配算法則對車輛提取過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)誤后不會使錯(cuò)誤積累，不影響下一輛車的波形匹配。 另外，本文對交通流參數(shù)獲取所需的車型分類進(jìn)行了重點(diǎn)研究。設(shè)計(jì)了一種較為通用的車型分類方案，并針對該分

3、類方案的特點(diǎn)將貝葉斯決策理論和傅立葉描述子模型引入到車型分類算法中。本分類算法采用了多級分類的方式，即首先通過貝葉斯決策模型對車型進(jìn)行初步分類，而后在初步分類的基礎(chǔ)上通過傅立葉描述子模型對車型進(jìn)行二次分類。在初步分類時(shí)使用了非參數(shù)估計(jì)的Parzen窗法來獲得分布未知的類條件概率密度，在研究傅立葉描述子模型時(shí)，本文還對一輛車的采樣點(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)