数据融合技术在交通事件检测中的应用综述

为了进一步提高交通事件检测系统的性能,在对基于单源信息的交通事件检测方法进行分析的基础上,从基于多信息源的交通事件自动检测数据级融合和基于多信息源的交通事件检测方法决策级融合2个方面,分析、总结了数据融合技术在交通事件检测中的应用现状,并指出了目前研究存在的主要问题及后续研究的发展趋势。     

ATIS数据融合模型的研究

多源交通信息的处理是先进的出行者信息系统作用充分发挥的关键，而数据融合技术的发展为其提供了良好的工具。文章从数据融合的概念和方法分析入手，论述了ATIS数据融合的主要功能，给出了ATIS中心的数据融合模型，并分别讨论了ATIS数据融合模型的功能及各层次之间的相互关系。     

信息融合技术及其在智能交通领域中的应用

对信息融合技术及其在智能交通中的应用进行系统性概述。对常用的信息融合技术进行总结,归纳出5类信息融合技术,即神经网络类、Bayes融合类、推理融合类、空间融合类、自适应滤波类等。依据5种不同的交通应用场景,即信息检测与采集、交通流分析、分类识别、诱导控制和定位导航,对信息融合技术在智能交通中的应用进行文献综述,并指出随着交通应用场景的不同,融合技巧和算法也会随之不同。     

数据融合技术在路径诱导中的应用研究

数据融合技术是路径诱导过程中的一项关键技术.文中以数据融合技术中的高阶神经网络技术的研究为主,通过对交通路网的分析,建立模型,准确地预测交通有关数据信息.通过应用高阶流体神经网络技术,解决复杂的交通网络计算问题,分别得出行驶距离最短、运行时间最少、拥挤程度最低、道路质量最好4种行驶路线的优化数据,以满足用户的要求.     

雷达与视频融合的交通信息感知技术研究

交通信息感知作为交通信息基础设施最为关键的功能之一，可为交通态势预判、信号控制等交通应用场景提供重要的数据与决策支撑，是践行“交通强国”战略的基石。目前，常用交通信息感知手段主要包括地磁线圈、雷达、视频、红外等，但这些单一的交通信息感知设备普遍存在信息感知不全面、精度不高的问题。本文研究基于雷达与视频融合的交通信息感知技术，将毫米波雷达和视觉传感器两者的检测数据有机融合，从而实现大范围、精准而全面的交通信息感知，以期为交通的智能化、信息化发展奠定基础。     

数据融合技术及其在交通领域中的应用

通过对数据融合基础理论的总结与分析,提出了数据融合技术在交通运输领域的应用范围以及交通数据融合的数据处理过程,并以车辆行驶轨迹跟踪为实例讨论了数据融合技术在交通领域中的具体应用.     

多源数据融合的区问车辆速度预测算法研霸

不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90％以上。     

多类型传感器实时交通数据采集和车型自动分类系统设计

针对公路交通数据实时采集中的技术同题，提出了用多类型传感器检测交通参数和进行复杂车型分类的方法。叙述了一个实用的软件系统设计．探讨了多传感器检测数据的关联与融合、检测数据的归一化处理，实现了交通数据高精度测量和车型的精确分类。     

城市路网中浮动车数据和线圈数据的融合

交通信息是 ATMS 的基础和核心,从实时交通数据中准确估计交通参数、判断和预测交通状态是 ATMS 的重要内容.文中在信息融合理论的基础上,介绍了交通数据融合的基本内容.分析了浮动车数据和线圈数据的特点后得出:在城市路网环境中,虽然浮动车采集和线圈采集方式各有优劣,但他们在时间和空间上具有很强的互补和冗余.为充分利用已获取的交通信息,应实现这两类数据的融合,并对浮动车数据和线圈数据的一般融合模型和基本融合方法进行了论述,明确了交通融合问题的2种研究方法,即通过仿真手段得到的数据和现场采集数据作为融合的数据源来验证融合模型.     

智能交通系统综合信息平台研究

分析了综合交通信息平台数据处理、交互平台和辅助决策等主要功能，在此基础上提出了以多种数据处理技术为核心的综合交通信息平台的分布式体系结构，探讨了综合交通信息平台建设的数据融合技术、数据压缩技术、数据标准、数据仓库技术以及数据挖掘技术等，该综合信息平台的具有实现交通运输系统的有效集成、交通运输服务内容的延伸等优越性。     

城市车路协同系统下实时交通状态评价方法

交通状态评价方法能够为交通管理系统提供可量化的实时路网信息，为动态引导交通流、缓解交通拥堵提供依据。受限于交通路网的时变性和评价过程的主观性，目前传统评价方法的精度时常无法满足需求。基于城市车路协同系统动态获取路网信息优势，提出一种利用车路信息融合的实时交通状态评价方法。首先，定义了一种网联汽车与路侧终端间的无线交互方式，并确定数据协议以保证实时车辆数据的准确性；其次，从实时数据中选取平均通过时间、平均停车次数、平均停怠时间作为一级评价指标进行模糊综合，应用多算子对计算的一级评价结果构成二级交通状态评价指标，并根据层次分析法确立指标权重，同时根据仿真和试验结果建立适用于各级道路参数的可变隶属度规则，从而融合动态车辆数据与静态路段参数，计算得出交通状态评价结果与评分；最后，由网联汽车、车载终端、路侧终端和无线通信模块搭建实际协同测试系统对该方法进行了试验验证。试验结果表明：测试系统所得到的路段实时交通状态评价得分与对应的交通状态变化趋势一致，能够准确体现城市车路协同环境下的交通状态特点。该评价方法运用信息融合方法提高了交通状态评价结果的实时性与客观性，同时为车路协同技术应用于实时交通诱导，缓解城市交通拥堵提供了理论依据。     

基础交通信息融合方法综述

文章介绍了几种经典算法在基础交通信息融合中的应用,包括卡尔曼滤波、人工神经网络、统计分析(加权平均,指数平滑法,平均值的递推估计算法),以及交通流量和行程时间预测方法。各种方法均通过实际验证其有效性及可靠性。融合后的数据能够满足智能交通系统的子系统ATMS相关应用领域对信息的精度要求,为下一步的交通状态估计提供可靠信息。     

高速公路交通动态数据检测技术应用研究

在分析高速公路各种交通动态数据检测技术特性和精度的基础上,通过现场调研与试验,分析交通检测技术的应用特性,重点研究超声波与微波非接触式检测技术的应用功能;通过建立交通数据采集站,系统地研究基于微波——线圈的组合应用及其数据融合。试验结果表明,非接触式交通检测技术在高速公路动态数据检测中可以使用,但不宜单独使用;应采用多种检测技术,通过多检测技术数据融合的检测精度能够提高10％～20％。     

大数据技术在城市智慧交通中的应用研究——以兰州市为例

文章以兰州市为例，对大数据技术在城市智慧交通中的应用展开论述，首先对相关背景进行了简要介绍，然后分析了大数据技术在城市智慧交通中的应用价值，之后分析了大数据技术在城市智慧交通中的应用思路，并重点探讨了大数据技术在城市智慧交通中的应用模式构建，最后提出了外部保障工作的完善措施。     

面向动态导航的城市路网实时交通信息服务系统研究

结合国内外的研究现状，基于实时GPS数据和高架线圈检测数据的数据融合处理技术，给出了面向动态导航的实时交通信息服务系统的总体框架，实现了城市路网的实时交通流状态估计；通过构建实时交通信息系统，借助无线通讯方式为车辆提供实时交通信息和动态路径规划服务，实现了在动态路径规划基础上的车辆动态导航。     

基于雷视融合感知技术的公路隧道交通管控系统研究

为提高公路隧道交通信息感知水平,实现公路隧道发展数字化、智能化运营管理需求,基于雷视融合感知技术,建立了公路隧道交通管控系统,通过时空匹配、ROI目标融合和距离融合方式依次实现雷视融合感知;构建了公路隧道交通管控系统体系架构,包括设备层、通信层、数据层、应用层和用户层5个层次;以雷视融合、数字孪生等关键技术驱动,建立了三维实景化管控、数据分析研判、应急联动管控和信息共享四大应用平台,实现了全息感知、多源融合、事件研判、辅助决策、智能控制、精细管理等功能。通过济莱高速公路隧道群实例证明：基于雷视融合的公路隧道交通管控系统可精准感知隧道运行状态,为公路隧道信息感知和智能化管控提供技术支撑。     

基于环形线圈检测器采集信息的交通状态分类方法应用研究

在智能交通管理系统中,各种交通状态判别算法通常被用来进行道路环境中实时交通状态的判断。这些算法通常将外场设备采集到的实时交通流数据与既有的交通状态分类标准的特征作比较,来识别交通系统运行的状态。应用聚类分析方法,结合数据预备技术、交通工程技术对环形线圈监测系统采集的交通流基础特征数据进行融合挖掘,实现了一种交通状态分类方法。为智能交通系统的管理者和决策者提供了交通控制管理决策依据。并对交通管理控制系统中实时交通状态的判断识别提供了可靠的参照标准。     

基于地空信息融合的无人机交通状态感知方法研究

现有的无人机（UAV）交通状态感知方法，主要针对宏观交通状态参数的获取，同时尚未克服UAV自运动对交通参数检测精度的影响，难以满足智能交通系统对于高精度微观交通参数的应用需求。为此，提出一种基于地空信息融合的UAV交通状态感知方法，该方法包括：地空信息融合模型、道路关键点（IKP）检测及跟踪、车辆目标检测及追踪算法和交通状态参数提取及估计。其中，地空信息融合模型利用地基信息（IKP世界坐标）与空基信息（IKP像素坐标）进行最优化融合，并通过自适应IKP追踪算法与自适应UAV位置偏移判断算法实时更新模型参数，以此克服UAV自运动对车辆轨迹精度的影响，进而获取可靠的车辆级（瞬时速度、车头间距和车头时距）与车道级（车道动态密度、车道流量和空间平均车速）交通状态参数。利用提出的感知方法获取实地拍摄视频的车辆级交通参数并进行了分布检验，同时比较了基于不同交通流模型的车道级参数估算方法。结果表明：该方法在车辆检测的mAP@0.5指数超过90%，同时提取的车辆轨迹相对完整，获取的车辆级和车道级交通状态参数也符合实际交通流状况。最后，将该模型应用于实地道路的交通拥堵检测及交通事件检测，该研究结果为UAV在现代交通感知和管理中的应用提供了一种理论和技术参考。     

基于多源信息融合的高速公路事件检测算法研究

为了研究高速公路交通事件检测算法,以多源信息融合理论为基础,依托人工神经网络技术,设计了固定检测器与浮动车检测器的信息融合事件检测算法,并说明了具体的检测原理和融合过程。通过Vissim仿真获得数据,在Matlab中编程实现了信息融合过程,试验结果表明在三级报警策略下,信息融合算法的事件检测率、误报警率和平均检测时间都达到了较高的检测水平,证明了所设计的信息融合交通事件检测方法的优越性。     

基于数据融合的交通事件检测方法

针对传统交通事件检测方法的不足,文章提出一种基于数据融合的交通事件检测方法,该方法结合了直接检测与间接检测的优势,有效提高了交通事件自动检测的效率,对于提高高速公路的安全运营和自动化管理具有重要意义。