道路多源交通流信息融合分析技术研究与应用

多源交通流信息融合是多源信息融合在交通领域的应用,其可以获得准确的交通状态和参数估计.简单介绍了多源交通流信息融合的原理和基本模型,并着重讲述了其关键技术和应用.     

多源信息刺激下驾驶员综合认知拓扑结构研究

根据多传感器信息融合和人类对多源信息综合处理过程之间的相似性,充分考虑驾驶员心理-物理因素及其对驾驶行为多变性和不确定性的制约,研究多源信息刺激下驾驶员任务集聚的心理-物理综合认知拓扑结构和认知活动链,探讨各驾驶行为模式的决策机制、车辆运行模式的运行机制和驾驶员协同反应机理,可为微观交通流仿真和智能车辆的研究提供理论依据,为智能运输系统的建立提供分析工具.     

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.     

多源数据道路拥堵信息的抓取及融合

智能交通是智慧城市的重要组成部分。目前多种交通信息系统,在方便用户获取实时路况、公交运行、城市主要道路拥堵等信息发挥重要作用。但是这些系统缺乏统一的顶层设计、彼此独立,用户获取信息需要下载不同的系统、推广难度大,信息获取的时间成本较高。文中对典型交通信息系统的分析,抓取各系统拥堵信息,再经过数据清洗和转换,最终实现对各系统数据的融合。文中为方便用户获取各种交通信息,建立统一的智慧交通平台提供新的途径。     

多源交通信息条件下的出行行为选择研究

在考虑多源交通信息可能导致信息过剩,从而影响决策者出行选择的条件下,引入决策论的思想,通过对多源交通信息方式发布的特点分析,应用模糊物元理论,建立个体出行的行为选择模型,在熵值法确定客观权重的条件下,根据贴近度的大小对决策方案进行选择,克服出行者的主观经验判断。通过实例计算,证明了不确定型决策在多源交通信息影响下出行者路径选择方面的可用性,客观上能为其提供最优的出行路径。     

一种基于信息融合的跟随驾驶行为协同仿真模型

基于信息融合技术模拟驾驶人信息感知、分析决策和车辆控制的全过程,建立跟随驾驶协同仿真模型.模型以动态交通信息为输入,设计单个神经元仿真驾驶人对感知信息的筛选,采用模糊径向基高斯神经网络提取驾驶行为特征向量,应用模糊积分法模拟驾驶人对信息的分析和决策过程,输出为车辆控制状态.离线检验结果表明,该模型能较好地描述跟随车状态变化,具有较高的精度.     

多源诱导信息对驾驶员路径变更行为的影响研究

交通广播、可变情报板、车载GPS和道路指示牌等诱导信息源是驾驶员路径选 择的重要依据.为系统研究多源诱导信息对驾驶员路径变更行为的影响机理,采用情景分 析法,以西安咸阳国际机场和西二环方欣商圈为OD,设置主路径和备择路径,引入通行 费敏感度构建SP 问卷,调查多源诱导信息情景下驾驶员由主路径向备择路径变更的频 率,在此基础上,构建路径变更行为的有序Logit 模型.结果发现,驾驶员路径变更对多源 诱导信息的依赖程度依次为可变情报板、交通广播、车载GPS和道路指示牌,反映了驾驶 员对动态、及时的诱导信息需求性更强;此外,在多源诱导信息作用下,通行费价格敏感 度、受教育程度对驾驶员的路径变更也有显著影响,而驾驶员年龄的影响作用不显著.     

交通信息对驾驶员逐日路径选择行为影响研究

在无信息、发布历史信息和发布预测信息3种信息条件下,分别建立了驾驶员的路径理解行程时间期望值的更新模型.通过建立一个含有2条平行路径的简单路网,对3种交通信息条件下驾驶员逐日路径选择进行了仿真,结果表明:交通信息对驾驶员的作用与驾驶员路径选择的随机程度和对信息依赖程度有关;在3种交通信息条件下,路网均不能达到用户均衡平衡状态;交通信息的预测方法不同,预测信息对驾驶员路径选择的影响有差异.     

基于认知活动链的驾驶行为协调仿真模型

为向车辆控制系统和智能车辆的发展提供理论参考，用主成分分析法确定多源信息对驾驶员行为决策的影响系数，用模糊积分融合算法获得驾驶员任务集聚后车辆的运行模式，并按照认知活动链将该模糊积分融合算法与跟驰模型相结合，构建了基于认知活动链的驾驶员行为协调仿真模型．此外，采用五轮仪实验系统对淄博市张周路某路段的交通流数据进行了采集，用实测数据验证了模型的有效性．     

融合多源数据与元胞传输模型的高速公路交通状态估计方法

针对高速公路管控和决策应对交通状态进行准确、可靠和精细化估计的需求,本文提出了一种基于多源数据+元胞传输模型（Multi-Source Data Cell Transmission Model,MD-CTM）的交通状态估计方法。该方法针对传统CTM模型要求元胞长度必须一致的局限性,提出了一种元胞长度划分的优化方法,能够灵活调整元胞长度和数量。同时,应用卡尔曼滤波技术,将ETC门架流量、稀疏视频检测器流量和样本车辆平均速度数据融合,并与CTM模型相结合,实现高速公路元胞级交通状态估计。为了验证本文提出方法的有效性和准确性,我们利用VISSIM软件构建了长度5 km的高速公路仿真场景。仿真案例结果表明,本文提出的MD-CTM模型能够较为准确地反映不同流量需求下交通流状态的时空演化特征,且相较于CTM模型,其元胞密度估计精度提高12.59%～36.26%。此外,本文选取了成都市绕城高速路段实际场景,对模型的运行效果进行了展示。     

面向ITS共用信息平台的数据融合研究

信息融合系统通过关联系统的信息整合,为ITS共用信息平台的各种功能提供信息支撑.基于对ITS共用信息平台中数据的特点,数据预处理的分析,结合数据融合的级别,提出一种新的面向ITS共用信息平台的数据融合方法和技术,来满足智能交通各子系统的不同的数据需求.这种方法在技术上是可行的,具有一定的实用性和广泛的应用价值.     

基于多源异构信息融合的智能汽车目标检测算法

针对智能汽车单一传感器环境感知的局限性,提出一种基于GPS、双目深度相机、16线激光雷达等多源信息融合的环境感知算法,解决单一传感器环境感知的局限性问题.算法在GPS时间同步基础上,将单一传感器标定后的数据作为改进联合标定算法输入,求解多源传感器最优空间变换矩阵.使用SVM分割点云及欧式聚类提取点云信息的几何特征,获取障碍物的位置信息;利用空间变换矩阵将障碍物点云信息变换到图像坐标系,并将3D点云映射为2D点云信息;融合基于深度学习算法求解的图像中障碍物位置信息与类别信息,实现目标检测.经KITT1数据集及实车测试验证,该算法准确率在78.13％～85.56％之间,每帧数据检测平均耗时0.16～0.19 s,在光照变化、目标遮挡环境下均能有效的进行目标检测,具有较好的工程应用前景.     

面向I TS共用信息平台的数据融合研究

信息融合系统通过关联系统的信息整合,为ITS共用信息平台的各种功能提供信息支撑.基于对ITS共用信息平台中数据的特点,数据预处理的分析,结合数据融合的级别,提出一种新的面向ITS共用信息平台的数据融合方法和技术,来满足智能交通各子系统的不同的数据需求.这种方法在技术上是可行的,具有一定的实用性和广泛的应用价值.     

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.     

面向高速公路的公众出行信息服务智慧化建设研究

高速公路是综合交通运输体系的重要组成部分,发挥着集疏运通道和衔接运输枢纽的纽带作用。近年来,高速公路客货运输突出、运输用能碳排放较高等交通问题,也促使人们对高速公路的管理和出行服务需求提出了更高的要求。高速公路公众出行服务的智慧化升级是基于路侧设备或移动终端将提取到路域多源数据融合信息,反馈给道路管理者和出行人员。聚焦交通基础信息应用、交通路况信息管理、ETC运营服务、出行信息发布以及服务评价管理5个方面对如何改善高速公路的服务水平进行探讨,从而有效提升交通安全保障,路段管理水平和道路服务能力。     

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。