基于仿真数据的异类交通传感器信息融合研究

通过系统模拟中的相关原理,以实际传感器的性能参数为背景,可生成供交通信息融合算法使用的训练集和测试集仿真数据。结合这些数据,相关神经网络训练和仿真结果表明：交通信息融合方法对于提高异类传感器的速度检测是有效的．同时信息融合技术在智能交通系统中的应用能够提高信息获得的准确性。     

泛在网络在智能交通中的应用初探

融合智能交通和泛在网络中的相关概念和技术,提出了＂泛在交通＂的概念,把其分成泛在的交通信息、泛在的交通检测和泛在的交通控制三个部分,介绍了各个部分之间的相互联系和作用.结合泛在网络中的无线通信、传感器以及射频身份识别等关键技术,给出了泛在交通网络构架图及其相关技术.     

基于历史数据的交通特征信息提取方法

为了给交通规划、设计和管理提供重要的定量数据支持,最大限度地实现信息增值,提出了从大量的历史交通数据中提取有用的交通特征信息的方法.以深圳市城市交通仿真系统中的历史交通特征信息为对象,根据交通信息应用需求现状,从空间、时间、统计和参数四个特征维度对历史交通特征信息进行详细的结构分析,给出了历史交通特征信息生成的运行流程,以及各个特征维度历史交通数据计算方法.最后介绍了历史交通特征信息在深圳市城市交通仿真系统各个信息服务子系统中的应用情况.     

一种路网交通流参数的融合预测方法

提出了数据驱动与中观交通仿真融合的交通流预测框架.该框架将数据驱动 方法在路网局部断面和路段的高精度预测能力与中观交通仿真的路网范围预测能力结 合起来,通过可信度高的路网局部断面和路段预测值,在线修正中观交通仿真模型的参 数,使得中观交通仿真模型能够逼近、反映交通流运动趋势,提高路网范围交通状态预测 精度.通过结合路段旅行时间预测与中观交通仿真的实例分析证明,断面和路段预测和中 观交通仿真结合发挥了两者各自的优势,预测结果优于单一的中观交通仿真方法.     

基于噪声和振动的快速路交通事件检测方法

对交通噪声和路面振动信号进行频谱分析，研究交通噪声和路面振动随交通量、车流密度、车流速度、路面材料和路况变化的频谱特征．采用信息融合技术融合交通噪声信息和路面振动信息，提取表征交通状况和交通事件的特征量；融合道路同侧相邻传感器的信息，判断交通事件的发生位置．     

Application of Information Fusion Technology in Automatic Incident Detection

多传感器信息融合技术这一新兴信息处理技术的出现,为交通事件自动检测(Automatic Incident Detection,AID)算法的设计提供了新的解决方案.将多传感器信息融合技术引入交通事件检测领域,设计了一种基于信息融合技术的交通事件自动检测算法.该方法结合了信息融合理论和小波神经网络算法,充分发挥了多传感器信息融合与小波神经网络理论的优势,使得事件检测的结果更加准确.通过仿真试验,该检测算法的优越性得到验证.     

信号交叉口混合交通仿真决策系统研究

交叉口是城市交通的瓶颈地带,目前凭经验制定交叉口交通组织方案的方法已不能适应城市交通的新局面.针对这一问题,从独立的信号交叉口交通组织入手,提出仿真决策的总体方法,并初步提出交通组织的专家方案集和混合交通仿真模型研究的技术路线及相关特征参数,这为提高交通管理水平提供了新的解决方案.     

基于大数据的交通规划技术创新应用实践——以深圳市为例

深圳市长期坚持数据和模型驱动的交通规划理念,经过20年的积累,建立了面向规划决策支持的综合交通大数据应用体系,在多元数据融合与大数据挖掘应用方面进行了探索。总结深圳市交通大数据平台包含的三类数据:偏静态的城市空间数据、传统调查数据、偏动态的交通多元数据,阐述大数据对交通规划技术创新的影响。基于大数据对交通模型和运行仿真的影响,深圳市积极推动交通规划技术创新,建立区域–宏观–中观–微观一体化的交通仿真模型体系、融合实时数据的交通运行和评价系统,也使得绿色交通优先等规划理念更易实施。最后,对车联网、智慧交叉口、交通主动控制、个性化信息交互等影响交通规划创新的技术进行展望。     

多源交通信息融合技术在重庆市智能交通诱导系统中的应用研究

由于特殊的地理条件和历史原因,重庆市道路交通信息采集设备形式多样,形成的交通信息数据格式和设备数据接口标准不尽相同,多源交通信息数据的存储、处理和使用过程中遇到了诸多困扰.为此,重庆市交通管理局与重庆市科委共同谋划了“重庆主城区交通诱导示范工程”项目,将多源交通信息数据融合技术作为项目研究的重点,采用数据融合技术对多源交通信息数据进行处理,通过判别算法实现对道路交通状态的实时判别,并利用VMS、WEB等多种形式进行道路交通状态的发布,从而实现对主城区路网交通流进行策略性分流的目标.     

一种基于深度学习的离散化交通状态判别方法

在智能交通信号控制和交通流诱导系统中,交通环境状态的有效判别是影响交通控制决策的先决条件,本文针对交通流产生的大数据信息,结合深度学习算法提出一种离散化交通状态的判别方法.给出了包括交通状态数据采集、状态数据描述、状态深度学习和判别等功能模块的系统架构,构建了一种离散交通状态编码方法,为深度学习交通状态特征提供了数据基础.模型训练阶段,对采集到的二值和连续值交通状态数据,分别构建了两种不同的深度置信网络实现交通状态特征的无监督学习;模型微调阶段,在整合形成的高层抽象特征向量顶端增加softmax分类器,采用反向传播算法实现参数微调.最后,该方法基于VISSIM微观交通软件进行仿真,实验结果表明,离散交通状态编码方法可有效表达交通状态,基于深度学习的交通状态判别方法相对传统方法具有较高的准确度.