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.     

基于方位合成的异类传感器航迹数据融合算法

针对纯方位传感器与二维雷达量测空间不一致的航迹数据融合问题,提出了一种基于方位合成的异类传感器航迹数据融合算法.该算法以纯方位传感器承载平台为融合中心,计算雷达和纯方位传感器探测的目标航迹相对于同一坐标系的方位量测,并用一种近似方法计算方位精度;采用基于最优权值分配原则的加权平均法对方位进行合成,用合成的方位对雷达探测的目标航迹进行修正,并将修正后的航迹作为融合航迹.该算法在获得融合航迹的同时,给出了融合航迹的精度.仿真结果表明,与雷达航迹精度相比,融合航迹的精度平均提高25.23%.     

一种新的基于传感器融合的复杂交通背景更新方法

复杂交通场景由于背景构造困难限制了视频监控技术的应用. 为了解决这个问题,本文提出了一种新的基于传感器融合的复杂交通视频背景构造方法. 首先通过基于EM算法的高斯混合模型提高背景建模的准确性;其次,对于运动缓慢或者静止的区域,通过设定不同的采样频率来提高背景建模数据的可靠性;对来自线圈和虚拟检测线检测到的数据进行数据融合来提高虚拟线圈检测车速的精度,通过引入局部稳态最优Kalman平滑器提高了数据融合算法的自校正能力. 最后,实验结果证明了所提方法的有效性.     

基于深圳城市交通仿真系统的综合交通信息服务研究

首先介绍了综合交通信息服务的现状,根据对象的不同,将综合交通信息服务划分为政府部门综合交通信息服务和公众综合交通信息服务,从需求分析、服务形式、服务内容、保障机制等方面进行系统的阐述.     

基于多传感器信息融合技术的轨道交通车站设备故障诊断

本文在分析了轨道交通车站设备故障诊断的特点和多传感器信息融合技术的基础上,总结了适合于故障诊断的信息融合典型结构以及基于信息融合的故障诊断系统结构。该结构在轨道交通车站设备故障诊断系统中具有普遍意义,实用性强。     

基于多传感器数据融合的齿轮箱故障诊断方法

为了解决单通道单维度振动信号输入不能全面表达齿轮箱故障特征的问题,提出一种基于多传感器多通道数据融合的诊断模型,结合卷积神经网络应用于齿轮箱振动信号的特征学习和故障分类中.利用连续小波变换对多通道数据进行二维时频变换,得到二维时频图像;构建神经网络诊断模型,以多通道的时频图作为输入,实现多通道信号特征的故障分类.通过动...     

城市主干路网交通信息多源数据融合系统研究

针对我国城市主干路网利用不均衡、出行效率低等问题,提出了一种城市主干路网交通信息多源数据融合系统,并构建了高速公路集成指挥调度系统,可以实现警情管理、电子巡逻、路况管理、违法管理、预案管理、信息发布等功能,提高城市交通的管理水平,加强对道路交通宏观调控和指挥调度的能力,并对突发事件形成快速高效的应对机制。     

BP神经网络用于传感器故障诊断的仿真研究

介绍了ＢＰ神经网络的一些基本概念和传感器故障诊断的有关问题。对用神经网络进行传感器故障诊断的原理加以分析。在ＭＡＴＬＡＢ语言环境下利用Ｓｉｍｕｌｉｎｋ仿真工具和神经网络工具箱对凝汽式汽轮机调速系统的中的转速传感器进行了传感器故障诊断研究。给出了仿真实现结果,并对结果加以分析,结果显示,利用神经网络进行传感器的故障诊断具有可行性。     

基于多源交通数据融合的短时交通流预测

不同类型交通检测器所获取的交通数据中包含了不同的交通信息,交通流预测在交通管理与控制中具有重要作用,基于此,进行了多源交通数据动态加权融合和短时交通流预测。在综合分析多源数据特性及其融合优势的前提下结合遗传算法的全局搜索及小波神经网络的自适应学习优点,提出了基于多源数据融合与遗传-小波神经网络(GA-WNN)的短时交通流预测模型。通过实例验证分析,基于GA-WNN的交通数据融合方法比其他方法更有优势;同时,多源数据融合的预测精度优于单一数据源的短时交通流预测序列,从而能为交通管理者的判断决策与交通出行者的路径选择提供更准确、全面的交通信息。     

基于神经网络和多信息融合的高速公路交通事件检测算法

高速公路事件检测是事件管理过程的核心和关键,在总结国内基于神经网络事件检测算法的基础上,提出基于LVQ网络模型和信息融合的交通事件检测新算法,将主线检测器得到的信息和收费站处得到的信息进行融合来判断交通事件的发生。将LVQ神经网络作为分类器进行交通事件自动检测,为进一步提高神经网络的泛化能力,采用改进的Boosting算法,进行网络集成。仿真实验表明:该算法具有更高的检测率、更低的误报率,可以明显改善检测效果。     

神经网络在交通流信息融合中的应用

在城市交通控制系统中可利用数据融合技术获得准确的车辆状态和身份估计,并将相关信息用于交通管理的决策.应用人工神经网络的方法在多传感器信息融合的基础上,提出了一种基于信息融合思想的神经网络模型,并通过实际验证了其有效性及可靠性.     

����IFS��ͨ״̬������Ϣһ�����ں�

针对多源交通信息具有模糊性和时变性的特点,引入直觉模糊集理论(IFS),建立多源交通信息一致性融合算法,融合传感器检测信息与人工信息对交通状态进行实时判别.为了解决IFS中非隶属度函数难以确定的问题,借鉴隶属度函数的构造方法,通过建立双隶属度函数构造直觉模糊数.并以直觉模糊数中的隶属度、非隶属度建立支持度函数,量化决策信息的一致性程度,决策信息的支持度越高集成权重越大,并且权值随决策信息的变化而动态更新.最后给出交通状态决策信息融合算法的具体步骤,并通过算例证明算法是有效的.     

基于磁阻传感器的无线交通量数据采集系统

针对传统的车辆检测方法容易对路面造成伤害、传感器易受周围环境的干扰等问题,通过融合无线通信、集成电路、传感器、计算机网络技术,可研究开发出一种无人值守且对道路没有损害的新型交通量数据采集系统。     

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.     

����ͨ����Ϣ�յ�Ч���ķ����о�

交通流信息诱导能提高区域交通运行效率。本文在区域交通流信息诱导建模理论基础上,基于调研数据,利用VISSIM软件对北京市西南二环内某区域交通进行仿真,对比评价交通流信息诱导措施实施前后的区域道路交通流运行状况,通过5种不同场景分析,结果显示当I.A南进口左转车受诱导量从10%增至30%时,其南进口左转车流旅行时间的降低幅度从18%变至减少42%,延误从234s降至164s,在保证对区域内其他路段干扰较小的情况下,有效缓解I.A南进口左转车流的拥堵。     

交通信息融合六级功能模型设计

智能交通系统在城市交通领域中的应用已越来越广泛,信息融合技术已成为交通领域的一项研究重点。在简单介绍信息融合系统的各种分级功能模型的基础上,将信息融合领域的六级功能模型应用于交通运输信息融合系统中,设计出交通领域信息融合六级功能模型各级的内容和功能,对于交通信息融合的模型设计有一定的指导意义。     

基于小波去噪和最优权重信息融合的短时交通量预测

针对实际交通系统时变复杂的特征和交通流变化的不确定性,应用小波分析理论,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律。信息融合技术可以对不同传感器数据进行综合处理,去除冗余、克服歧义,得到比任何单个数据源更全面、更准确、更可靠的信息。综合考虑道路交通量预测的实时性、准确性和可靠性,运用基于小波分析的去噪和现代信息融合思想,提出了一种基于小波去噪和最优权重的信息融合预测方法,并用实际数据进行验证。实证分析的结果表明,该方法能够有效提高交通量的预测精度。     

基于电路的交通网络仿真初步研究

从本质上看,电路网络与交通网络具有同一性,基于电路的交通网络仿真的方法可以较好地解决传统交通分配方法中的弊端,从而更加确切地反映实际情况,并可为交通网络分析和交通规划提供一个较新的思路。     

һ���µĻ��ڴ������ںϵĸ��ӽ�ͨ�������·���

复杂交通场景由于背景构造困难限制了视频监控技术的应用. 为了解决这个问题,本文提出了一种新的基于传感器融合的复杂交通视频背景构造方法. 首先通过基于EM算法的高斯混合模型提高背景建模的准确性;其次,对于运动缓慢或者静止的区域,通过设定不同的采样频率来提高背景建模数据的可靠性;对来自线圈和虚拟检测线检测到的数据进行数据融合来提高虚拟线圈检测车速的精度,通过引入局部稳态最优Kalman平滑器提高了数据融合算法的自校正能力. 最后,实验结果证明了所提方法的有效性.