基于移動(dòng)通信的交通信息檢測(cè)技術(shù)的研究.pdf

1、交通控制與交通誘導(dǎo)系統(tǒng)是ITS分析與研究的熱點(diǎn)和難點(diǎn)問題,而實(shí)現(xiàn)交控制與交通誘導(dǎo)系統(tǒng)的關(guān)鍵問題就是實(shí)現(xiàn)實(shí)時(shí)的交通信息的檢測(cè)和預(yù)測(cè)。
　　 針對(duì)無線定位的NLOS問題,論文對(duì)傳統(tǒng)的TDOA/AOA算法進(jìn)行了改進(jìn)。在TDOA和AOA定位算法中引入伸縮因子,用以降低非視距誤差。仿真性能分析表明,改進(jìn)的算法不需要事先知道信道的先驗(yàn)信息,有效的減少了非視距傳播的影響,提高了定位精度。
　　 針對(duì)浮動(dòng)車系統(tǒng)數(shù)據(jù)量大,精度要求高等特點(diǎn)

2、,對(duì)其地圖匹配算法進(jìn)行了研究。提出采用綜合考慮運(yùn)動(dòng)的方向角、電子地圖的道路的拓?fù)潢P(guān)系等的匹配算法,提高了定位的的實(shí)時(shí)性和精度。
　　 針對(duì)BP算法學(xué)習(xí)收斂速度慢等問題,采用了L-M算法。構(gòu)建了在不同交通狀態(tài)下的多BP神經(jīng)網(wǎng)絡(luò)模型,用于對(duì)交通參數(shù)進(jìn)行預(yù)測(cè)。L-M算法的訓(xùn)練速度相比于常規(guī)BP算法收斂速度要快。相對(duì)于常規(guī)預(yù)測(cè)方法,BP神經(jīng)網(wǎng)絡(luò)對(duì)于隨機(jī)的參數(shù)變化具有更好的適應(yīng)性,能夠及時(shí)跟隨交通參數(shù)的變化,所以有更高精度,更好的適應(yīng)性。