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。     

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.     

交通流数据处理系统的设计与开发

交通流数据处理系统为路网服务水平评价、最佳路径计算等提供了可靠的数据.分析了交通流数据处理需求,设计了集成数据采集、不精确数据校正、错误数据限定、丢失数据恢复、多传感器数据融合和数据分类功能的交通流数据处理系统,并介绍了系统总体结构和开发结果.     

用于车辆自主导航的多传感器数据融合方法

提出了一种用于车辆自主导航的多传感器数据磁合方法.首先分析了车辆自主导航过程的态势与威胁,建立了车辆行驶某时刻场景模型.然后综合现有各数据融合模型的优势,运用混合、分层的融合结构改进自主行驶的有效性和准确性.最后将该方法集成到湖南大学自主研制的无人驾驶汽车测试平台上.在城市道路的实际场景中,初步实现了基于路线和交通锥形标的自主导航和行驶任务,车辆自主行驶的融合决策准确率可达到97.5%,表明该方法具有可接受的性能.     

数据融合技术在短时交通流预测中的应用

提出了短时交通流预测的时间间隔长度,介绍了常用短时交通流预测方法.结合数据融合技术,明确了短时交通流预测的改进方向之一,即模型选择、模型组合,并给出了短时交通流预测的数据融合算例.     

面向高速公路交通调度的动态数据融合

在高速公路交通动态数据融合需求分析的基础上,采用环形线圈和微波检测器建立多检测器动态数据的现场试验站,通过多检测器组合方式构建数据检测方案;应用基于自适应加权和改进BP神经网络的数据融合方法,建立交通动态数据融合模型,研究高速公路同一时间、相同断面的多检测器的数据融合。现场试验与检测数据分析表明：基于改进BP神经网络融合方法所获得试验数据的平均相对误差较微波和环形线圈各自的精度提高了10％-20％。     

交通检测多特征量数据融合研究

来自多种检测源的交通车辆特征数据既有重复的,也有互补的。采用阈值法和自适应加权法建立数据融合模型,可将多种交通检测设备的特征数据进行预处理并最终融合为一条车辆数据。试验表明:融合后的车辆数据更加准确、全面,能够有效向交通管理养护等部门提供决策依据。     

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.     

一种域控制器片内及片外时间同步的方法

目前整车E/E架构由于面临来自不同控制器和传感器的数据交互需求而变得愈加复杂,所需要解决的问题包括:功能复杂性,通信带宽,计算能力,灵活性,可拓展性等。其中域控制器上层应用算法对获取数据的同步尤其敏感,数据融合需要针对同一时间点获取到的数据做融合处理。因此,对域控制器内部的异构多核、外部控制器数据以及传感器数据时间同步的研究尤其重要。基于此,文章详细介绍了域控制器片内及片外时间同步的方法,解决了域控制器内外部数据时间不同步的技术缺陷。     

基于多特征融合的高速路车辆多目标跟踪算法研究

针对高速路车辆移动速度快、检测器易出现漏检和误检、目标相互遮挡等问题,提出一种基于多种特征融合的高速路车辆多目标跟踪算法。检测器获取每帧目标检测框后,采用HSV颜色直方图和HOG直方图建立目标外观模型,通过卡尔曼滤波建立目标位置模型和尺寸模型,融合多种特征模型构建相似性度量矩阵,并利用二分图匹配解决在线数据关联问题。在KITTI车辆数据集和自采的高速车辆数据集上将该算法与若干经典算法进行比较,结果表明,该算法在跟踪正确率和跟踪速度上明显提升。