基于城市快速路和主干道多源交通檢測(cè)信息的數(shù)據(jù)融合技術(shù)研究.pdf

1、近年來，隨著城市機(jī)動(dòng)車保有量的快速增長(zhǎng)，交通擁擠、交通事故及環(huán)境污染等城市交通問題日益突出，目前世界上很多城市都將發(fā)展智能交通系統(tǒng)作為解決城市交通問題的重要措施，而及時(shí)準(zhǔn)確地獲取動(dòng)態(tài)交通信息是智能交通系統(tǒng)發(fā)揮有效作用的一個(gè)重要基礎(chǔ)和前提。除了傳統(tǒng)的路側(cè)檢測(cè)設(shè)備外，基于移動(dòng)車輛的浮動(dòng)車系統(tǒng)近年來也越來越多地應(yīng)用到數(shù)據(jù)采集中，但由于固定檢測(cè)技術(shù)和浮動(dòng)車數(shù)據(jù)采集技術(shù)存在諸多差異，采集到的信息存在異質(zhì)、不一致、不精確以及缺失現(xiàn)象，造成目前智能交

2、通系統(tǒng)中輸出信息在精度、完整性以及可靠性等方面的局限性。
　　因此，本文基于快速路和主干道上收集到的多源交通流數(shù)據(jù)，提出了一套較為完整的面向區(qū)間實(shí)時(shí)速度估計(jì)的數(shù)據(jù)融合方案。其中，微波檢測(cè)數(shù)據(jù)和浮動(dòng)車數(shù)據(jù)作為快速路數(shù)據(jù)融合的基礎(chǔ)數(shù)據(jù)，線圈數(shù)據(jù)和浮動(dòng)車數(shù)據(jù)作為主干道數(shù)據(jù)融合的基礎(chǔ)數(shù)據(jù)，將牌照檢測(cè)數(shù)據(jù)作為反映實(shí)際交通狀況的真實(shí)數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn)。本文期望通過數(shù)據(jù)融合實(shí)現(xiàn)多源交通檢測(cè)數(shù)據(jù)的互相補(bǔ)充校驗(yàn)，從而得到更加精確、全面、可靠的城市路

3、網(wǎng)交通信息。
　　首先，針對(duì)多源數(shù)據(jù)中存在的數(shù)據(jù)錯(cuò)誤、缺失等現(xiàn)象，本文提出實(shí)用的錯(cuò)誤數(shù)據(jù)剔除方法和缺失數(shù)據(jù)補(bǔ)缺方法；其次，結(jié)合遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，采用GA-BP神經(jīng)網(wǎng)絡(luò)組合算法實(shí)現(xiàn)快速路和主干道多源交通檢測(cè)數(shù)據(jù)的融合，以解決。BP神經(jīng)網(wǎng)絡(luò)算法不易尋找最優(yōu)解的缺陷；再次，根據(jù)研究對(duì)象、數(shù)據(jù)的空間粒度、數(shù)據(jù)缺失情況及補(bǔ)缺方法的不同，將數(shù)據(jù)融合模型分為三大類共33個(gè)子模型：快速路基于牌照區(qū)間的數(shù)據(jù)融合模型(12個(gè)子模型)、快速