基于多源信息處理技術(shù)的交通狀態(tài)判別研究.pdf

1、隨著城市汽車保有量逐年激增，而城市可利用的空間資源越來越少，使道路交通供需關(guān)系發(fā)展的不均衡問題愈加突出，導致交通擁堵問題日益嚴重。而對城市路網(wǎng)交通狀態(tài)進行快速準確的判別成為制定緩解交通擁堵策略的先決條件。交通狀態(tài)判別結(jié)果的準確性受到所獲得的交通信息質(zhì)量的直接影響，由于單一檢測器數(shù)據(jù)可靠性無法滿足后續(xù)計算要求，所以通過對多源檢測器數(shù)據(jù)進行處理從而來提高數(shù)據(jù)質(zhì)量。因此本文提出基于多源信息處理方法的道路交通狀態(tài)判別對緩解交通擁堵具有實際應用意

2、義。
　　本文分別對交通數(shù)據(jù)處理和交通狀態(tài)判別兩方面進行了研究，主要研究內(nèi)容有:
　　（一）針對檢測器缺失數(shù)據(jù)影響整體數(shù)據(jù)質(zhì)量的問題，建立基于灰色理論與支持向量機的組合數(shù)據(jù)修復模型，該模型既考慮到灰色理論自身在處理“小樣本”、“貧信息”數(shù)據(jù)上的優(yōu)勢，能夠利用較少的數(shù)據(jù)修復出故障的交通流數(shù)據(jù)，同時，考慮到支持向量機處理非線性數(shù)據(jù)的優(yōu)勢和其較好的泛化能力，故而將其用于交通流缺失數(shù)據(jù)的補齊修復，并進行實例驗證，該組合模型修復精度較

3、優(yōu);
　?。ǘ┛紤]到單一的交通檢測器在對交通參數(shù)進行檢測時各有優(yōu)缺點，建立遺傳小波神經(jīng)網(wǎng)絡的多源交通數(shù)據(jù)融合模型，以不同檢測器數(shù)據(jù)序列為基礎，分別從單一數(shù)據(jù)源構(gòu)建遺傳小波神經(jīng)網(wǎng)絡的交通預測模型，再通過最小二乘融合法將結(jié)果進行融合處理，經(jīng)驗證融合后數(shù)據(jù)質(zhì)量優(yōu)于單一檢測器的數(shù)據(jù);
　?。ㄈ┽槍β范闻袆e的實時性要求，考慮到獲取的路段樣本數(shù)據(jù)存在邊界交織或邊界不清晰的問題，建立RS-FCM組合模型，將兩種方法進行結(jié)合，在避免主觀

4、因素干擾的前提下，得到屬性約簡后的決策規(guī)則，得到對不同交通狀態(tài)影響較大的影響指標集合，生成更加精簡的交通狀態(tài)判斷規(guī)則，使交通狀態(tài)判斷準確可信;
　?。ㄋ模槭古袆e結(jié)果能兼顧路網(wǎng)特征，建立基于多層次模糊綜合評價的路網(wǎng)交通狀態(tài)判別模型，在采用該方法對道路交通狀態(tài)進行評價時，同時考慮到路網(wǎng)靜態(tài)特征的不均衡性以及各交通動態(tài)特征對指標影響程度的差異，并考慮主客觀因素對綜合評判時各因素的權(quán)重分布進行優(yōu)化，使路網(wǎng)交通狀態(tài)判別結(jié)果更符合實際路況。