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%。     

面向多源数据融合的交通基础设施数字化架构研究

实现基础设施的数字化,需要融合多种数据源,比如BIM模型、GIS信息、图纸、测控信息、施工过程信息、资产管理信息等等。在交通基础设施领域,既有相关研究多注重于平台的宏观组成和数据分析,尚未成型针对于交通基础设施数字化架构的研究。为了解决交通基础设施架构不明确的问题,在智能制造领域提出"数字孪生"概念的基础上,阐述了交通基础设施数字孪生的基本概念及其应该包含的主要内容,进而提出了交通基础设施数字孪生的基本架构体系—"容器+服务"体系。该体系具有数据存储量大、存储效率高、零配置、部署快捷简便、结构简洁和运行环境稳定等特点。通过计算机信息技术,给出了"容器"的选择和实现方式,对"服务"中的关键内容"语义定义"进行了规范化梳理,总结出一个构件的数字孪生应该包含的信息,然后分别将"容器"和"服务"实例化。在此基础架构上,开发了交通基础设施数字化平台,结合BIM模型、GIS数据、老路以及被交路的航拍数据等多源数据信息,为施工管理的高效、准确决策提供了有力的数据支撑,即实现了多源数据的有效融合。研究表明,本研究提出的多源数据融合的平台架构层次清晰、计算效率高且运行稳定,为数字公路、智慧公路等提供了一种基础设施数字化的解决方案。     

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。     

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。     

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DSRC与点检测器数据融合的实时交通状态表达方法

为了更好地实时估计和预测高速公路的交通运行状态,提升出行信息服务水平,基于高速公路网现有的DSRC检测器数据和点检测器数据,构建了一种基于卡尔曼滤波的实时数据融合方法。首先,在DSRC数据分析的基础上,提出了DSRC数据预处理的方法,包括检测器间距的计算,异常数据剔除,数据匹配方法等;其次,结合DSRC数据及点检测器的数据特征,给出路段的划分方法,在此基础上,构建了基于卡尔曼滤波的实时DSRC数据与点检测器数据的融合模型;最后,通过北京某高速公路上实测的DSRC数据与微波数据对提出的数据融合模型进行了验证。研究结果表明,DSRC数据和点检测器数据实时融合后的结果能更准确地表征子路段实时的交通运行状态,提高了DSRC数据空间表达的实时性,改进了点检测器数据的局部有效性的特点。     

基于多源数据融合深基坑风险评估方法

将云模型(CM)、改进D-S理论相结合,提出了一种新的多源信息融合评估方法,对深基坑安全风险进行评估。建立监测指标体系,通过云模型获取各风险等级的概率,最后采用改进的D-S理论进行融合,提高预测结果的准确性和可靠性。以科技大道隧道深基坑为依托工程,验证了该方法的可行性和有效性。结果表明,所提出的多源信息融合方法特点：(1)具有较好的处理高冲突信息的能力;(2)与单一来源评估模型相比,有更好的准确性和鲁棒性。因此,该新型多源数据融合方法可为深基坑风险评估和管理提供实际参考。     

新疆公路网交通调查系统及多源数据预处理研究

对新疆普通国省干线公路和高速公路沿线两处典型交通调查站点及收费系统进行研究,提出交通调查站点布设、施工及管理养护中需注意的问题,对比不同交通检测技术所采集数据的参数类型及优缺点;阐述多源交通数据预处理方法并进行实例分析,提出数据预处理解决措施;分析交通调查数据在新疆公路网运行分析中的作用。     

基于多源数据融合的道路资产数字化研究与应用

本研究结合甘肃省公路管理局互"联网+道路养护平台"建设,向外部提供各类数据接口采集多源数据,通过统一的数据标准进行数据转换形成数据源层,作为道路资产数字化架构的基础。按照业务需求及业务链条进行数据交换,以数据库为支撑进行道路资产各类信息及属性的可视化展示,用于基础数据管理及养护数据的管理,为后续养护平台科学决策的实现奠定了基础。     

多源遥感数据融合的道路材质精细识别

针对当前道路识别方法对道路材质识别精度不高的问题,提出了一种融合多源遥感影像进行城市道路材质高精度识别的方法。首先,对高光谱遥感影像中的地物光谱曲线进行分析,在保留地物光谱分离度较大的波段的基础上提升计算效率;通过分步融合的策略对多源遥感影像进行融合,提升高光谱影像的空间分辨率,为后续道路材质识别提供高质量的数据保障。其次,通过使用不同的指数对融合影像进行掩膜,提取城市建筑物,并在此基础上提取建筑物纹理信息与光谱信息,进行多特征融合并分类;最后,通过影像后处理对提取的道路进一步进行规范,得到最终高质量的道路材质识别结果。通过使用高分五号高光谱影像、高分二号全色/多光谱影像、高分一号多光谱影像对提出的方法进行实验验证,试验结果表明,本文方法可取得较高精度的道路材质识别效果,具有较好的应用价值。     

基于多源数据融合的城市道路旅行时间预测

城市道路旅行时间预测是城市道路交通管理的重要支撑.研究了利用多源数据预测城市信号控制主干道旅行时间的方法.以2015年8月某路段的视频检测器及微波检测器的2种数据为基础,采用回归拟合的方法探究信号控制主干道路段旅行时间与断面流量之间的关系,2段式的线性拟合结果可以较好地拟合信号控制主干道路段旅行时间与断面流量的关系.以BP神经网络模型为基础,从输入层入手,采用直接输入2类数据、应用拟合关系输入拟合数据等方法,综合考虑2类数据之间的相关性,建立了融合2类检测数据进行旅行时间预测的多个模型,对7种不同输入的神经网络预测模型进行了测试、对比和分析.研究结果表明,相比于时间序列、支持向量机、k近邻和历史平均方法而言,应用拟合关系的2类数据融合的BP-2神经网络模型具有更高的预测精度,MA PE为13.04%,表明BP2神经网络模型能够实现较好的旅行时间预测效果.     

无人驾驶环境感知中多源数据融合应用综述

多源数据融合可有效提升无人驾驶感知系统的感知维度,增强环境适应能力与分辨能力。为了解无人驾驶环境感知中多源数据融合的研究现状,对融合算法、融合层次、融合数据处理方式以及融合关键问题进行系统性梳理。首先,在融合算法方面介绍加权平均法、贝叶斯方法、卡尔曼滤波原理、DS证据理论和深度学习方法。其次,根据融合系统的抽象程度和数据处理分别对不同架构的融合系统进行分析。最后,对融合系统的关键问题进行分析,并对该领域的发展趋势进行展望。     

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。     

融合多源数据的桥梁技术状况指标评定方法

为可靠地评定桥梁技术状况,针对桥梁技术状况评定过程的模糊性和不确定性特点,提出一种融合多源数据的桥梁技术状况指标评定方法。该方法首先通过云模型分别将桥梁技术状况指标的检测值和监测值转化为指标各等级的隶属度,并用隶属度构造改进Dempster-Shafer证据理论的基本信任分配函数,再结合证据冲突/一致度和信息熵确定综合权重系数,对基本信任分配函数进行修正,然后采用Dempster合成规则融合得到综合基本信任分配函数,最后依据最大隶属度原则得到指标的标度,实现桥梁技术状况的可靠评定。采用该方法和《公路桥梁技术状况评定标准》(JTG/T H21—2011,现行评定方法)分别评定某座斜拉桥的索力指标,结果表明,与现行评定方法相比,该方法的评定结果对应的养护对策与实际养护对策更相符,该方法有效、可行。     

面向多源异构信息融合的隧道群组装备数据提取技术研究

为保证隧道施工多源异构设备数据的有效采集,针对施工群组装备运行数据特征,开展散布、异构设备数据的并行采集方案及技术研究;在先行构建出数据采集系统框架、采集实施流程的基础上,针对设备多维、连续数据生成的特点,开展基于流数据管理（stream-based date management, DSM）的技术方法探究; 通过构建多并发数据采集（forward-oriented optimal concurrency control, FOCC）系统,实现多源异构数据的集采、并采。通过重点对前向乐观并发数据采集管理、采集设备自动组网技术方案进行研发实践,研发多协议集成、多接口并发采集、自组网、自主发送的“数据采集终端”,成功实现了龙门吊、泥水分离系统等隧道施工装备运行数据的实时提取。研究证明,提出的多数据并采技术方案可有效解决多源异构数据采集问题。     

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。     

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。     

城市道路交通数据采集系统检测器优化布点研究

智能运输系统(ITS)被公认为是当前解决我国大城市交通拥挤和提高道路安全的有效手段。利用检测器收集交通数据是ITS的基本功能之一。如何在城市道路网中布设交通检测器是ITS建设时必须要研究的内容。本文通过对城市道路网基本路段交通流量的相似性分析,建立了路网交通检测器优化布点的数学模型。并通过一个算例,详细叙述了建模及求解的全过程。作者希望所述的检测器优化布点方法能为城市ITS建设中的此类研究提供一种新的思路。     

基于多源影像融合的滑坡点特征提取研究

为快速、有效识别滑坡灾害,提高其预警预报水平,融合应用谷歌卫星地图、"天绘一号"卫星影像和无人机航拍或现场踏勘图片,对福建省三明市沙溪河两岸的典型滑坡点进行初步识辩,并结合实地踏勘对比多源影像综合提取的滑坡特征,统计该区域的典型滑坡点信息,并对典型滑坡点的形成条件、分布特征和影响因素进行分析。结果表明:融合利用滑坡影像可快速有效识辩滑坡危险点,实地踏勘有利于进一步提高识辩精度,该方法整体识辨率超过90%;地形地貌、地质环境条件、岩土体类型及人类工程活动等是影响滑坡的主要因素;降雨强度会显著诱导滑坡灾害。     

智能交通与大数据融合的优缺点分析

在大数据时代的今天,交通大数据促进了智能交通稳定快速发展,但在促进其发展的同时,也面临着诸多方面的问题。众所周知,唯有对海量交通数据管理与使用好,才能够切实解决好我国交通拥堵问题,并真正降低我国各地区交通事故发生率。基于此,本文分析了智能交通与大数据融合的优势与不足,希望能够对相关行业带来一定借鉴作用。