基于高斯混合模型的多源異類交通數(shù)據(jù)融合研究.pdf

1、由于汽車增加，道路容量不足等原因，城市快速路交通擁堵問題正日益突出。解決該問題的根本原則是降低道路車流密度。實現(xiàn)該目標有很多途徑，其中一種是通過實時交通狀態(tài)估計，對出行者進行誘導，從而提高道路利用率。為更精確地估計交通狀態(tài)，本文綜合考慮各類傳感器采集的交通數(shù)據(jù)，提出了一種基于高斯混合模型(GMM)的交通數(shù)據(jù)融合模型。該模型能夠有效克服單一傳感器數(shù)據(jù)的不確定性，準確評估路網(wǎng)交通狀態(tài)。結(jié)合已有研究成果，本文圍繞交通狀態(tài)估計過程中的傳感器數(shù)據(jù)

2、預處理、視頻源平均速度優(yōu)化及交通數(shù)據(jù)融合三點內(nèi)容進行研究和實驗，研究內(nèi)容及創(chuàng)造性貢獻如下:
　　首先針對外界環(huán)境因素干擾導致傳感器數(shù)據(jù)質(zhì)量降低的問題，文章提出了一種考慮具體道路等級，采用對應閾值及卡爾曼濾波器對各類傳感器數(shù)據(jù)進行篩選及濾波的方法。其次針對傳統(tǒng)視頻源易受光照影響的缺陷，本文采用RGB-D設(shè)備同時獲取彩色信息及目標與相機的距離信息，即深度信息，分析獲取更豐富的場景信息，提高車輛識別與跟蹤的精確性，最終提高路段平均速度估

3、計的精確性。最后針對交通狀態(tài)估計中單源傳感器數(shù)據(jù)的不確定性導致結(jié)果不準確的問題，本文綜合考慮多源交通數(shù)據(jù)，采用GMM進行異類交通數(shù)據(jù)建模，并提出了一種基于高斯混合模型的多源異類交通數(shù)據(jù)融合算法，以進一步提高交通狀態(tài)估計的準確性及魯棒性。
　　采用杭州4條路段的2015年7月6號到10號的微波、GPS數(shù)據(jù)以及RGB-D三源數(shù)據(jù)對本文提出的數(shù)據(jù)融合模型進行分析驗證，實驗結(jié)果顯示:(1).結(jié)合了具體道路等級的傳感器數(shù)據(jù)抗差處理對提高數(shù)據(jù)