基于多传感器融合的排队长度检测系统设计

提出了一种基于多传感器信息融合的交通路口排队长度检测方法,该系统以无线地磁车辆检测器作为数据检测来源,基于无线传感器网络,构建了一种互联感知的分布式检测系统.系统以多检测节点协同工作的模式,由点到面,实现排队长度等深度路交通流信息获取,为交通信号控制系统提供准确的路网交通流数据.系统基于交通流特性建立数学模型,采用无线地磁车辆检测器及多传感器融合算法实现交通路口各方向排队长度检测.可实现红灯期间实时排队长度检测及绿灯放行期间队首位置判别及实时排队长度检测.通过绿信比优化,均衡各相位绿灯时间的分配,对提高道路通行能力有重要意义.     

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。     

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。     

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.     

基于路网空间拓扑结构的交通流数据填补模型研究

由于传感器故障、状况不稳定或数据传输等问题,交通流数据存在大量丢失的情况,对依靠这些数据进行交通科学决策产生了很大的影响.基于以上问题,提出一种基于空间拓扑结构的交通流数据填补方法,模型通过选取区域的典型道路训练上下游之间相关参数,根据道路类型匹配典型道路,应用典型道路的参数进行交通流数据填补,并利用武汉市实际交通检测器数据进行模型验证.选取武汉市实际道路上2个典型地磁检测器进行数据填补误差分析,不同填补方式下的平均相对误差为52.88%和51.93%,相对于传统的交通流数据填补建模来说,基于空间拓扑结构的填补模型在实际的应用过程中,能够在更大的范围内对丢失的交通流数据进行填补.      

交通事件检测算法的参数敏感度研究

在交通事件发生条件下,对交通流占有率、车辆占有率、速度3个特性参数进行分析,研究交通参数对于交通事件检测算法的敏感程度。通过TSIS交通仿真软件获得交通流的实时数据,最终得到交通事件检测算法中交通流参数的选择方法。     

基于Logistic曲线的交通流速度-密度关系建模

为了解析交通流速度与密度关系,推导出了一组交通流参数物理意义明确且符合交通流特性的通用Logistic模型.从Logistic模型本质出发,讨论速度变化率的表达形式,结合交通流实际情况修正速度变化率并引入速度上确界概念,建立了一系列Logistic模型;通过改变取值,给出了模型参数变化对Logistic速度-密度曲线的影响,并细致讨论了参数的物理意义及获取方法;最后分别采集区段和断面的全交通状态数据进行模型验证.结果表明:模型3对2组数据的拟合优度分别为0.931 3和0.970 4,该模型能够很好地描述不同状态下的交通流特性.     

基于局部路网空间结构特征的无检测器路段交通流预测方法

城市路网中存在大量尚未布设交通检测器的路段,其交通流数据难以获取,不利于开展精准路网管理,为此提出了利用局部路网空间结构特征预测无检测器路段交通流量的方法.基于有检测器路段的海量交通流数据,分析局部路网空间结构特征与路段交通流量之间的相关性;根据路网拓扑关系使用多元线性回归算法估计所有的有检测器交叉口交通流分配权重,并...     

基于时空特征序列匹配的交通流状态估计方法

为了针对无交通流检测器路段更好地进行交通流状态估计,提高估计精度,研究了基于时空特征序列匹配的交通流状态估计模型.通过交通运行指数的计算方法预设城市道路中有交通流参数路段的交通流状态;分析影响城市道路运行条件的各项因素,引入交通流参数与道路参数、路网拓扑参数等时空多维度参数特征,提取3个维度8个特征1个附加维度组成交通...     

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.     

考虑数据缺失的高速公路交通参数计算方法

为提高数据异常状态下的高速公路交通参数计算的精确度，提出了基于数据融合的交通参数计算方法，首先结合收费站数据对门架数据所缺失的行车记录进行填充，再根据每辆车的平均行程速度，利用两阶段的聚类算法剔除驶入服务区和行驶异常的车辆，最后计算各个路段的路段流量和路段平均行程速度，对缺失的交通参数利用融合时间特征的KNN算法进行填充。选取3 d 15个门架的行车数据作为实验数据。结果表明，门架数据行程记录缺失较大，平均缺失率为46.95%,其中门架数据记录最大缺失率为56.25%,最小缺失率为31.73%,并且速度较快的小客车相较于速度较慢的中大型货车的行车记录更容易缺失。两阶段的聚类算法可以有效地识别并剔除驶入服务区和行驶异常的车辆。在填充连续复杂缺失场景下的交通流时空数据集方面，KNN算法相较于最大似然估计、决策树、链式方程多重填补方法在RMSE指标上分别下降24.90、15.88、5.81,添加时间特征以后RMSE在原始KNN基础上下降3.03,证明了融合时间特征的KNN算法在填充连续复杂缺失的交通流场景下的可行性和有效性。数据异常情景下的交通流缺失值填充以及交通参数计算方法为管理部门在高速...     

城市快速路交通流特性分析

城市快速路是城市道路网的主骨架,对交通状态进行状态划分及稳定性分析,结合城市快速路交通信息采集系统的交通流检测数据,对速度一流量关系模型进行分析,建立了城市快速路快速交通流流量、速度、占有率关系模型,并进行交通流基本参数时变特性和空间特性分析。首先利用基本图理论,对3种城市快速路交通流状态进行稳定性分析。随后,结合北京市典型路段实测数据散点图,对各种速度一流量关系模型的适用范围和适用程度进行对比分析,从而得出Greenshields模型的拟合效果最好。最后分析交通状态转换过程中的交通流参数时变特性和空间特性,对实际交通疏导有指导意义。     

基于数据挖掘的固定型交通检测器配置优化

结合固定型交通检测器空间配置的4条原则和配置密度优化步骤,提出基于数据挖掘技术的固定型交通检测器配置优化方法.设计6种高速公路出口匝道的固定型交通检测器配置密度方案作为实例研究对象,运用数据挖掘技术的时间序列指数平滑方法、ARIMA方法和神经网络方法分别建立高速公路出口匝道小时交通量Winters预测模型、ARIMA预测模型及神经网络预测模型.采用网格搜索技术确定Winters模型参数,设计一种比传统ARIMA模型参数估计方法更精确的算法程序,来估计ARIMA模型参数,采用3项误差指标评价模型预测效果.根据预测结果及高速公路事件管理交通参数精度要求确定可行方案及最佳方案.实例研究表明,在保证满足ITS 对交通参数精度要求的同时,通过数据挖掘技术降低了交通流信息采集固定型检测器的配置密度及成本.     

Fusion Framework of Urban Traffic Control and Route Guidance Based on CPS Theory

以避免交通拥堵和提高交通效率为目标,同时满足交通用户要求和交通系统交通流均衡要求,对城市交通控制与诱导融合框架进行研究.分析城市交通控制与诱导系统和信息物理融合系统(CPS)的特性及两者关联.探讨CPS理论应用于城市交通控制与诱导系统的各项技术要求.根据动态城市交通流诱导系统和城市交通信号控制系统的内容,针对两者相关性、冲突性与解决方法,考虑信息物理融合系统的人机系统特点,提出一种基于信息物理融合系统理论的城市交通控制与诱导融合框架.该框架包含计算部分、通讯部分、控制部分和物理世界部分,增强了城市交通流诱导系统和城市交通信号控制系统的融合度,侧重从技术层面分析两者深度融合的可行性,为智能交通系统中交通控制与诱导融合的实施提供理论依据.     

基于多国实测数据下的交通流模型对比研究

为检验最新的S3交通流模型和多个经典交通流模型对交通状态的描述精度和对不同国家交通流数据的适应性,利用模型分别对中国西安市长安大学CHD数据集、德国HighD数据集和美国PeMS数据集进行参数拟合和特性分析,利用流量、速度和密度作为输入参数,采用最小二乘方法拟合,并利用均方误差指标(MSE)对参数拟合后的模型进行性能评...     

基于ADAS联网时空数据的路段交通参数估算模型

交通参数实时获取是道路交通管控的重要基础.针对固定检测器观测范围受限和浮动车数量需求大的问题,研究了1种利用车载ADAS联网数据进行路段交通参数估算的方法.通过分析车载ADAS感知的前向目标参数与交通参数的关系,结合广义交通量定义,并考虑多车道条件下ADAS车辆及其邻近前车的相对运动变化特性,建立了1种非稳态交通条件下...     

基于改进BP神经网络的交通流数据融合

提出一种改进BP神经网络的交通流数据融合算法,通过对融合模型以及融合算法的改进,实现融合精度及容错能力的提高,最终利用某城市主干路的交通流实测数据进行实验验证.验证结果表明,本文提出模型可以通过LSE值验证且融合精度可以达到94%以上,因此利用改进BP神经网络可以有效进行交通流参数的融合,并可以较为准确反映路段平均速度的变化,为交通流的预测与诱导提供理论支持.     

区域交通流特征提取与交通状态评估方法研究

随着城市各种交通控制系统(UTC)的广泛应用,交通控制中心能够采集大量的交通流数据。通过对这些数据的分析来评价区域的交通运行质量和路口状况,从而有助于改进交通控制方案,这是一项新的研究内容。本文通过对区域内路口大量的检测器数据的分析,利用K均值聚类和EM算法相结合的方法,提取出表征路口交通流运行状况的特征向量。然后,给出典型交通区域内路口交通流运行的平衡因子,建立评价区域内路口相似性的相似性矩阵。利用北京市两个典型交通区域的实际交通流数据进行验证,结果表明该评估模型能够很好的反映北京市交通状况,并具有较好的可移植性。     

基于车辆队列的饱和状态下城市主干道旅行时间估算方法

当前城市主干道过饱和交通流交通状况恶劣,交通拥堵时常发生,由于受信号灯的周期性阻滞作用,交叉口上游车辆淤积现象严重,传统的连续交通流模型无法用于估算城市主干道旅行时间.有鉴于此,提出了一种适用于中断交通流的基于车辆队列的旅行时间估算方法.基于道路上已有的存在型检测器,运用检测器采集的高精度实时数据,研究了车队识别和匹配方法,通过匹配车队信息,对通过饱和状态下城市主干道的车辆进行了实时旅行时间估算.在此基础上,利用Q-Paramics软件进行了实例模型仿真验证.通过对比算法估算值和仿真模型观测值,验证了算法的合理性和有效性,为评估饱和状态下的城市主干道交通状态奠定了基础.     

基于速度-流量关系模型的公路噪声预测方法

车流速度是道路交通噪声预测模型中的重要参数之一,其准确性将直接影响声环境评价的结果.为了解决实际工程应用中车流速度数据获取困难的问题,本文在等效车流量假设和速度相等假设的前提下,推导出一种基于速度一流量模型的公路噪声预测方法.该方法利用了交通工程领域经典的速度-流量关系模型,可根据车流量自动计算车流速度,从而缩减了噪声预测模型中输入参数的数量.其次,实地采集交通流特征数据,采用非线性回归方法标定模型参数.最后,利用同步观测得到的高速公路基本路段上的流量和噪声数据,验证了该方法的有效性,并估计其误差范围.