基于NN-FR的交通中同一检测面上多检测器的数据融合

基于神经网络-模糊推理(N N-FR)的数据融合方法——自适应神经网络-模糊推理信息融合系统(A N N-FRIFS),对交通中同一检测面上的多种检测器采集的数据进行融合。首先简单介绍了A N N-FR IFS,然后分析了AN FIS置信度判别器的设计,并给出了A N N-FRIFS算法,最后结合仿真算例,验证了该方法能以较高精度对同一检测面上的多检测器进行数据融合。     

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。     

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。     

高速公路交通状态预测的多源数据融合研究

针对目前高速公路交通状态预测大量使用单一数据源的不足,通过对收费站抽样刷卡数据与浮动车GPS数据的预处理,得到体现同一时间和同一空间的交通状态多源数据;采用极限学习机算法对高速公路交通状态进行预测和估计,并用行程时间指数TTI对道路交通状态进行估计;以广州机场高速公路南线为例,对比分析结果表明,采用多源数据融合模型得出的行程时间均方根误差和平均绝对百分比误差均小于单一数据源模型,且极限学习机在数据准确性与稳定性上均有良好效果,优化率分别为80.6%、53.7%。     

基于数据融合的城市道路交通事件自动检测

针对交通事件自动检测多以高速公路、城市快速路为对象以及使用数据源单一的现状,提出一种基于多源数据融合的城市道路交通事件检测方法。在对信号控制下交通事件引起的交通流变化进行分析的基础上,利用杭州市城区浮动车、SCATS、Citilog系统提供的实时交通数据,基于CUSUM算法构建差分流量和速度交通事件检测模型。该模型可以有效抑制交通信号对于交通流的周期性影响。实验表明,模型在高峰时段和平峰时段均能快速准确检测交通事件。     

数据融合技术及其在交通领域中的应用

本文通过对数据融合基础理论的总结与剖析，提出了数据融合技术在交通运输中的应用领域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作为实例讨论了数据融合技术在交通领域中的具体应用。     

基于智能交通检测数据的车型换算系数研究

为将智能交通检测数据资源应用于交通规划研究和管理决策以提高交通规划和管理水平,文中基于时空消耗法原理建立了车型换算系数模型,并通过选取10%的检测路段样本进行实际调查和对比分析,对检测数据进行校正,解决了检测数据在车型划分上与实际交通情况不符的问题;采用所建立的车型换算系数模型对检测数据进行计算,按照误差最小的原则,得出了检测数据车型与实际车型之间的换算系数,为实现检测数据有效利用提供理论基础。     

RFID 交通冗余数据检测及分析

数据质量控制是智能交通系统应用建设的关键技术之一。基于对射频识别(RFID)数据特性的分析,将 RFID 冗余数据分为重复数据和相似数据,通过分析同一车辆的相邻过车时间来检测2类冗余数据。针对相似数据给出了冗余率曲线和冗余时间点的定义,解决了 RFID 交通数据中冗余数据的识别问题。针对2类冗余数据的特点,给出了2类冗余率的计算方法,提出了从基站和冗余率曲线走势2个角度出发对冗余率进行分析的方法,并给出了冗余数据的清洗方法。选取南京市区主干道上21个 RFID 基站的原始数据作为实例,对所提出的方法进行了验证。研究结果表明,21个基站采集重复数据的平均冗余率为0.0062%,相似数据的平均冗余率为0.92%,说明 RFID 数据采集技术采集到的数据具有较高可靠性。同时,各个基站采集的数据中相似数据数量远远多于重复数据数量。观察不同形状的冗余率曲线发现,冗余率曲线呈趋于平缓和尾部上升的基站冗余率较高;冗余率曲线呈直线上升的基站冗余率较低。针对分析结果,给出了相应的质量控制措施以控制 RFID 冗余数据的产生。     

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％。     

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。     

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。     

基于OD数据校验的交通流量检测数据修正方法

运行稳定,检测精度高的交通信息检测设备是智能交通的需求.针对高速公路车检器流量检测数据精度不高的问题,以OD数据得到的断面流量数据为基础,提出了修正车检器分车型流量检测数据的方法以及评估车检器稳定性的方法.研究过程主要运用数据预处理、数理统计等数据挖掘的关键技术对车检器流量检测数据进行挖掘分析,得出车检器分车型的修正系数,将还原后的流量检测数据与修正系数相比较对流量检测数据进行修正,将修正后的数据与实际的断面流量数据相比较得出车检器的稳定性,最后通过实例测试进行了修正结果的误差验证,测试结果表明,小型车和总流量的误差均在±4%之内,且90%的数据在±2%之内,方法对小型车及总流量的检测数据修正效果良好;中型车误差80%在±5%之内且大部分为负值,说明修正结果较实际断面流量普遍偏小;大型车误差在10%之内且为正值,说明误差较大且修正结果较实际断面流量偏大.大、中型车车流量误差偏大可能是由于车检器将一部分中型车判定为大型车所致.     

数据融合技术在公路隧道火灾探测系统中的应用

介绍了几种常用公路隧道火灾探测器,如温度探测器、烟雾探测器、火焰探测器等。针对其各自在隧道火灾探测系统中应用时容易产生反应延迟、漏报和误报等缺点,提出了在隧道火灾探测系统中采用经典的自适应加权融合估计算法进行多探测器系统的数据融合。并分别对单传感器、多传感器和异类传感器火灾探测系统的数据融合进行了可信度分配。结果表明,与采用单一类型火灾探测器系统相比,多探测器系统的数据融合结果具有更高的准确度和可信度。     

基于计算机视频的交通流参数检测

针对视频交通流的特点，在总结以往视频车辆检测方法的基础上。提出了一种改善背景的更新方法，并着重对车流量统计和车速计算算法的实现进行了介绍。最后给出了实现结果并讨论了提高检测数据准确性的措施。     

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...     

固定检测器和移动检测器的交通信息融合方法

固定检测器和移动检测器在检测参数、数据精度、覆盖范围、采集成本等方面存在较大差异,具有很强的互补性.分析了固定检测器与移动检测器进行信息融合的必要性,提出了交通信息融合的总体框架.在分别阐述了基于固定检测器和基于移动检测器的区间平均速度估计方法基础上,采用BP神经网络对区间平均速度进行信息融合.以上海市南北高架道路为对象,利用Vissim仿真软件对基于BP神经网络的交通信息融合方法进行了实例分析,结果表明,该方法可以明显提高区间平均速度的精度.