基于車檢器及收費(fèi)數(shù)據(jù)融合的高速公路異常狀態(tài)識(shí)別研究.pdf

1、異常狀態(tài)識(shí)別是高速公路運(yùn)管部門進(jìn)行運(yùn)營(yíng)管控、路況信息發(fā)布和交通誘導(dǎo)的基礎(chǔ),對(duì)減少交通事故造成的人身傷亡、財(cái)產(chǎn)損失和避免二次交通事故等方面具有重要的作用。隨著智能交通技術(shù)的發(fā)展和交通信息檢測(cè)手段的增加,如何利用交通信息檢測(cè)手段進(jìn)行異常狀態(tài)自動(dòng)識(shí)別引起了廣泛關(guān)注。因此,研究高速公路異常狀態(tài)自動(dòng)識(shí)別的關(guān)鍵技術(shù)對(duì)提升高速公路管理水平和服務(wù)水平具有重要的理論和實(shí)際意義。
　　本文重點(diǎn)針對(duì)目前高速公路車輛檢測(cè)器布設(shè)數(shù)量不足導(dǎo)致算法實(shí)際應(yīng)用效果

2、較差的問(wèn)題,從現(xiàn)有高速交通信息檢測(cè)手段出發(fā),分析高速公路收費(fèi)數(shù)據(jù),提出了基于車檢器和收費(fèi)數(shù)據(jù)融合的異常狀態(tài)識(shí)別方法。首先重點(diǎn)分析了基于車檢器的交通狀態(tài)參數(shù)對(duì)異常狀態(tài)的靈敏度,同時(shí)考慮多種數(shù)據(jù)源進(jìn)行異常狀態(tài)識(shí)別,采用收費(fèi)數(shù)據(jù)建立異常狀態(tài)識(shí)別方法。最后利用信息融合,建立基于車檢器及收費(fèi)數(shù)據(jù)融合的異常狀態(tài)識(shí)別方法,解決了單一數(shù)據(jù)源異常狀態(tài)識(shí)別效果較差的問(wèn)題。論文的主要研究工作如下:
　?、俳煌顟B(tài)參數(shù)對(duì)異常狀態(tài)的靈敏度分析。本文對(duì)異常狀

3、態(tài)下交通狀態(tài)參數(shù)進(jìn)行靈敏度分析,為基于車檢器數(shù)據(jù)的ACI算法參數(shù)選擇奠定基礎(chǔ)。靈敏度分析主要考慮了流量和異常交通狀態(tài)嚴(yán)重程度兩個(gè)因素的影響,通過(guò)仿真表明,交通狀態(tài)參數(shù)可靈敏的反映交通狀態(tài)的變化。
　?、卺槍?duì)現(xiàn)有高速公路車輛檢測(cè)器布設(shè)數(shù)量不足,本文從多源交通信息采集方式出發(fā),根據(jù)高速公路收費(fèi)數(shù)據(jù)特征,建立基于收費(fèi)數(shù)據(jù)的異常狀態(tài)識(shí)別方法。由于算法性能受到樣本車輛數(shù)影響,因此本文對(duì)算法進(jìn)行改進(jìn),并選取實(shí)際數(shù)據(jù)進(jìn)行驗(yàn)證,結(jié)果表明改進(jìn)算法在

4、低流量情況下的狀態(tài)識(shí)別性能有所提高。
　　③針對(duì)基于單一數(shù)據(jù)源的異常狀態(tài)識(shí)別可能存在可信度低、實(shí)際應(yīng)用效果較差等問(wèn)題,本文考慮了基于不同數(shù)據(jù)源融合進(jìn)行異常狀態(tài)識(shí)別。本文將算法表決融合方法引入異常狀態(tài)識(shí)別領(lǐng)域,建立基于算法表決融合的異常狀態(tài)識(shí)別方法,算法主要包括3部分:基于車檢器數(shù)據(jù)的ACI算法模塊、基于收費(fèi)數(shù)據(jù)的ACI算法模塊和算法表決融合模塊。最后,本文采用實(shí)際數(shù)據(jù)進(jìn)行驗(yàn)證,結(jié)果表明,相比基于單一數(shù)據(jù)源的狀態(tài)識(shí)別算法,融合算法的