基于融合模型动态权值的短期客流预测方法

针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻（K-Nearest Neighbor, ANN）算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。     

基于组合赋权理论的高速公路多源信息融合算法

智慧高速信息化系统的多元信息采集系统提供了大量的多源异构交通数据.对这些数据进行分类识别与融合分析,并获得精度更高、可靠性能更好的数据尤为迫切.为更好地研究该问题,笔者分析了手机、卫星定位和路侧交调信息采集手段的技术特点,构建多源采集数据的融合环境,利用主、客观赋权法分别对3种采集手段进行赋权.在此基础上,采用Kendall一致性系数判断主、客观赋权法的一致性,并利用Spearman等级相关系数修正主、客观赋权法之间的不一致性,以组合主、客观赋权法的思想构建高速公路区间行程车速融合算法,兼顾主客观信息对权值的影响.通过案例分析,发现融合车速计算误差在土10 km/h内的精度可达96%,保证了多源信息融合后的高速公路区间行程车速的准确性与可靠性.      

引入轨道特征的北斗列车定位方法研究

列车定位是轨道交通众多应用的基础条件,北斗卫星导航用于列车定位能够有效提升我国轨道交通装备的自主性.针对列车北斗定位性能对运行条件的适应性需求,本文提出一种引入轨道特征的北斗列车定位方法,该方法从轨道电子地图中提取轨道特征参数,在列车状态预测的系统模型中增加轨道约束,并利用一维地图位置预测拓展北斗导航卫星的伪距测量.利用现场实测数据构建场景进行仿真.所得结果表明,本文提出的方法能够提高列车定位解算对卫星可视条件的鲁棒性,有效拓展北斗列车定位在恶劣观测条件下的可用水平,具有较高的实际应用价值.     

Probabilistic Tracking of Objects with Adaptive Cue Fusion Mechanism

A tracking method based on adaptive multiple cue fusion mechanism was presented,where particle filter is used to integrate color and edge cues.The fusion mechanism assigns different weights to two cues according to their importance,thus improving the robustness and reliability of the tracking algorithm.Moreover,a multi-part color model is also invoked to deal with the confliction among similar objects.The experimental results on two real image sequences show the tracking algorithm with adaptive fusion mechanism performs well in the presence of complex scenarios such as head rotation,scale change and multiple person occlusions.     

A Robust Interacting Multisensor State Fusion Based on Adaptive Outlier Controlling Multirate Model

An adaptive outlier controlling multirate model based on Hong’s multirate kinetic model was represented in order to resist the outliers and utilize their useful information. Wavelet transform was introduced to detect and control the outliers. The multirate information extraction and the controlling of outliers were properly integrated to establish an adaptive outlier controlling multirate model. The proposed model was applied to multisensor state fusion with interacting multiple model (IMM), and a robust interacting multisensor state fusion algorithm was established based on adaptive outlier controlling multirate model. The Monte-Carlo simulation shows that it could improve the accuracy of fusion estimation by 70% compared to Hong’s algorithm and at least 14% to Xiao’s algorithm.     

基于多传感融合的有轨电车在途障碍物检测方法研究

有轨电车是一种具有混合路权的轨道交通方式,其行车安全主要依赖于信号系统及司机,因此研发一种能够辅助司机检查轨行区域安全的检测方法显得尤为重要.文章以SSD卷积神经网络的视觉障碍物检测方法为基础,通过多传感融合的方式,在其检测结果上融合激光雷达传感器的障碍物检测结果,实现对轨行区内障碍物的有效识别.实验证明,该方法对于列...     

东海大桥交通监控系统改造

东海大桥是连接上海国际航运中心洋山深水港区及上海浦东新区的唯一陆上通道。随着“深水港物流园区—东海大桥—洋山港”智能驾驶示范运营项目的推进,对东海大桥全线智能化管理提出了更高的要求。首先对东海大桥监控系统改造的需求进行了分析;其次对东海大桥监控系统的改造方案进行了简述,并对常规改造存在的不足进行了说明;最后结合东海大桥本身特点以及智能集卡示范运营要求,提出了基于多元融合的检测技术。     

城市交通控制与诱导系统协同的信息分析

交通信号控制和动态交通诱导是城市交通管理的两个主要手段，2者协同运作能提高城市交通管理效率。多源交通信息处理是交通控制与交通诱导实现协同的基础和关键。文章分析了交通控制与动态诱导系统的信息需求特点，对交通控制与交通诱导系统协同运作的数据处理与信息融合进行了研究。     

多源数据融合驱动的居民出行特征分析方法

结合传统抽样调查数据和交通大数据，研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口，以及手机信令数据分析出行频次分布等因素进行综合分析，获取居民初步出行特征；基于手机信令、IC、AFC、GPS 等大数据，通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析；最后，以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知，传统抽样调查居民出行漏报率为30%，每天出行2次的比例相差39.5%，全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明，多源数据融合驱动的居民出行特征分析方法，在总量上有效挖掘居民出行的沉默需求，在时空分布上起到了“削峰填谷”的作用，是一种研究居民出行特征的有效方法.     

Data Fusion Algorithm for Multi-Sensor Dynamic System Based on Interacting Multiple Model

This paper presents a data fusion algorithm for dynamic system with multi-sensor and uncertain system models. The algorithm is mainly based on Kalman filter and interacting multiple model(IMM). It processes crosscorrelated sensor noises by using augmented fusion before model interacting. And eigenvalue decomposition is utilized to reduce calculation complexity and implement parallel computing. In simulation part, the feasibility of the algorithm was tested and verified, and the relationship between sensor number and the estimation precision was studied. Results show that simply increasing the number of sensor cannot always improve the performance of the estimation. Type and number of sensors should be optimized in practical applications.