基于AMR的交通信息檢測(cè)算法研究.pdf

1、目前，以車輛擁堵為代表的交通問題已成為制約城市發(fā)展的重大因素之一，而智能交通系統(tǒng)作為解決交通問題的有效途徑，其重要性日益凸顯。如何獲取實(shí)時(shí)、準(zhǔn)確的交通路網(wǎng)信息，為交通系統(tǒng)提供有力的數(shù)據(jù)支持，將是建設(shè)智能交通系統(tǒng)的重要前提。因此，本文設(shè)計(jì)了基于各向異性磁阻傳感器（AMR，Anisotropic Magneto Resistance）的交通信息檢測(cè)系統(tǒng)，并提出了實(shí)時(shí)基線跟蹤的車輛檢測(cè)算法與改進(jìn)的有向無環(huán)圖支持向量機(jī)（DAG-SVM，Dire

2、cted-Acyclic-Graph SVM）車型分類算法，可以有效提高道路車流量、車速、車道占有率、車輛類型檢測(cè)的準(zhǔn)確性。本文主要工作包括：
　?。?）研究AMR地磁感應(yīng)車輛檢測(cè)原理，結(jié)合交通信息獲取需求，設(shè)計(jì)了基于AMR的交通信息檢測(cè)系統(tǒng)。系統(tǒng)分為前端信息采集子系統(tǒng)與信息監(jiān)控處理子系統(tǒng)，前者由傳感器節(jié)點(diǎn)與信號(hào)接收機(jī)組成，負(fù)責(zé)地磁車輛特征信息的檢測(cè)，后者利用檢測(cè)信號(hào)特征計(jì)算獲取交通信息。
　?。?）分析AMR采集的原始信號(hào)

3、特點(diǎn)，對(duì)地磁車輛特征信息檢測(cè)進(jìn)行研究，提出了實(shí)時(shí)基線跟蹤的車輛檢測(cè)算法。該算法以多狀態(tài)機(jī)判斷為主體，設(shè)計(jì)加權(quán)函數(shù)實(shí)時(shí)基線修正，能夠?qū)崟r(shí)有效檢測(cè)車輛信號(hào)，提高了車流量、車道占有率以及車速計(jì)算的準(zhǔn)確率。并采用Filter-Filter-Wrapper特征選擇與優(yōu)化模型，通過實(shí)驗(yàn)，獲取有利于車型分類的特征集，作為有效地磁車型特征。
　　（3）根據(jù)提取的有效地磁車型特征，選擇DAG-SVM方法進(jìn)行車型分類，論文分析了DAG-SVM模型結(jié)構(gòu)

4、的“誤差累積”，提出了改進(jìn)的DAG-SVM車型分類方法，該方法結(jié)合特征權(quán)值計(jì)算類間距離，利用類間距離搭建有向無環(huán)圖。
　?。?）搭建系統(tǒng)測(cè)試平臺(tái)，現(xiàn)場(chǎng)測(cè)試車輛檢測(cè)算法，并獲取樣本集，離線訓(xùn)練并測(cè)試車型分類算法，測(cè)試結(jié)果表明，車輛檢測(cè)準(zhǔn)確率達(dá)到98％以上，車型分類準(zhǔn)確率為75％以上，改進(jìn)的DAG-SVM具有更好的分類效果。
　　本文設(shè)計(jì)的基于AMR交通信息檢測(cè)算法，能夠有效提高交通信息獲取的準(zhǔn)確率，具有較高的推廣價(jià)值與應(yīng)用前景