基于多源檢測器的交通流數(shù)據(jù)融合方法研究.pdf

1、智能交通系統(tǒng)作為解決城市交通擁堵問題的有效途徑得到了眾多城市的一致認(rèn)可。諸如車牌識別、RTMS檢測器等交通流參數(shù)智能感知設(shè)備的不斷豐富，在很大程度上促進(jìn)了交通管理的智能化發(fā)展。然而，不同設(shè)備獲取的交通流參數(shù)信息在格式、種類等方面存在一定的差異，同時單一檢測設(shè)備往往存在信息缺失、信息錯誤等質(zhì)量問題，這將導(dǎo)致決策失誤。因此，如何實現(xiàn)多種設(shè)備信息的互補校驗，從而提高交通流參數(shù)信息的精確度和可靠性尤為重要。
　　本文基于北京市二環(huán)快速路交

2、通流實測數(shù)據(jù)，提出了面向區(qū)間實時車速估計的多源異質(zhì)交通流數(shù)據(jù)融合方案。
　　首先，基于多源動態(tài)交通流實測數(shù)據(jù)分析了數(shù)據(jù)的原始屬性和交通流時空相關(guān)特性;其次，通過對交通領(lǐng)域現(xiàn)有融合方法的優(yōu)缺點進(jìn)行對比分析確定了本文的融合方法;再次，針對交通流參數(shù)的數(shù)據(jù)質(zhì)量問題，依照時間點漂移數(shù)據(jù)、缺失數(shù)據(jù)、冗余數(shù)據(jù)及錯誤數(shù)據(jù)的順序分別進(jìn)行識別與修正研究，采用動態(tài)閾值識別法與交通流機理識別法相結(jié)合的方式識別錯誤數(shù)據(jù)，根據(jù)缺失數(shù)據(jù)個數(shù)的不同選取不同的方

3、法進(jìn)行修補，同時提出了基于改進(jìn)埃特金插值的錯誤數(shù)據(jù)修正方法，并對修正后的數(shù)據(jù)進(jìn)行卡爾曼濾波降噪處理;最后，基于神經(jīng)網(wǎng)絡(luò)建立了小波神經(jīng)網(wǎng)絡(luò)融合模型與自適應(yīng)變異粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)融合模型，通過仿真實現(xiàn)并引入MAE、MAPE、RMSE、MSPE、EC與LSE等誤差指標(biāo)對模型進(jìn)行評價，結(jié)果表明本文建立的兩種模型的融合精度要明顯優(yōu)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)，精度均達(dá)到90％以上，且誤差離散程度較小，同時對比了樣本集處理前后的小波神經(jīng)網(wǎng)絡(luò)融合模型的融