本文關(guān)鍵詞：基于車牌識別數(shù)據(jù)的交通流參數(shù)短時(shí)預(yù)測

  更多相關(guān)文章： 車牌識別 數(shù)據(jù)異常 改進(jìn)GM(1 1) 短時(shí)預(yù)測

【摘要】：隨著社會的發(fā)展,汽車制造業(yè)的完善,人民的生活水平提高,私家車的數(shù)量也越來越多,我國各大中小型城市的交通擁堵問題日益嚴(yán)重。不管是城市管理者還是出行者都希望找尋一套可行的方案解決此問題,智能交通系統(tǒng)就是解決交通擁堵問題最重要的手段。交通流參數(shù)的短時(shí)預(yù)測,是智能交通系統(tǒng)中交通控制與誘導(dǎo)模塊的基礎(chǔ)。隨著現(xiàn)代科技技術(shù)的發(fā)展,車牌捕獲與識別的準(zhǔn)確度顯著提升,基于車牌識別的交通流參數(shù)基礎(chǔ)數(shù)據(jù)采集技術(shù)隨之產(chǎn)生。基于車牌識別數(shù)據(jù)進(jìn)行交通流參數(shù)的短時(shí)預(yù)測是將是一個新的選擇。首先,本文通過分析我國各地區(qū)所面臨的交通擁堵問題和現(xiàn)行的交通信息采集技術(shù)的優(yōu)缺點(diǎn),提出了用車牌識別數(shù)據(jù)進(jìn)行交通流參數(shù)短時(shí)預(yù)測的方法,并通過分析其技術(shù)特點(diǎn)指出了其可行性。其次,介紹了車牌識別數(shù)據(jù)獲取的過程。對獲取的海量車牌識別數(shù)據(jù),采用模糊匹配中的編輯距離算法進(jìn)行了上下游車輛號牌的匹配。并對交通流參數(shù)短時(shí)預(yù)測基礎(chǔ)數(shù)據(jù)仍存在的異常情況,基于交通流量的周相似性,采用歷史數(shù)據(jù)進(jìn)行補(bǔ)償。對行程速度異常數(shù)據(jù),采用變異系數(shù)法進(jìn)行剔除。然后,對預(yù)處理完成后的數(shù)據(jù)引入了灰色預(yù)測模型。介紹了灰色預(yù)測模型的幾個算子,并對灰色預(yù)測模型的建模步驟,做了詳細(xì)闡述。并在對灰色預(yù)測模型背景值分析的基礎(chǔ)上了,提出了一種基于背景值的改進(jìn)方法。最后,選取成都繞城高速外環(huán)K66+850、K67+985兩個監(jiān)控點(diǎn)位的車牌識別數(shù)據(jù),以5min為時(shí)間間隔進(jìn)行交通流參數(shù)短時(shí)預(yù)測,并同實(shí)際檢測數(shù)據(jù)進(jìn)行了對比,證明了基于車牌識別數(shù)據(jù)進(jìn)行交通流參數(shù)短時(shí)預(yù)測的準(zhǔn)確性。
【關(guān)鍵詞】：車牌識別 數(shù)據(jù)異常 改進(jìn)GM(1 1) 短時(shí)預(yù)測
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U491.14
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-17
• 1.1 研究背景及意義10-11
• 1.1.1 研究背景10-11
• 1.1.2 研究意義11
• 1.2 短時(shí)交通流預(yù)測研究歷史與現(xiàn)狀11-14
• 1.3 問題的提出14
• 1.4 研究目標(biāo)與研究內(nèi)容14-15
• 1.4.1 研究目標(biāo)14-15
• 1.4.2 主要研究內(nèi)容15
• 1.4.3 擬解決的關(guān)鍵問題15
• 1.5 研究思路及技術(shù)路線15-17
• 第2章 車牌識別數(shù)據(jù)的預(yù)處理17-27
• 2.1 交通流短時(shí)預(yù)測基礎(chǔ)數(shù)據(jù)獲取17-22
• 2.1.1 交通流信息常用獲取方法17-18
• 2.1.2 車牌識別數(shù)據(jù)的獲取18
• 2.1.3 車牌識別數(shù)據(jù)的匹配18-20
• 2.1.4 基于車牌識別數(shù)據(jù)計(jì)算交通流參數(shù)20-22
• 2.2 車牌識別異常數(shù)據(jù)的處理22-26
• 2.2.1 車牌識別數(shù)據(jù)異常原因分析22-23
• 2.2.2 交通流量數(shù)據(jù)丟失補(bǔ)償方法23-25
• 2.2.3 行程速度數(shù)據(jù)異常剔除方法25-26
• 2.3 本章小結(jié)26-27
• 第3章 交通流參數(shù)短時(shí)預(yù)測模型的構(gòu)建27-40
• 3.1 交通流參數(shù)短時(shí)預(yù)測模型概述27-30
• 3.1.1 短時(shí)交通流的特性27
• 3.1.2 幾種常用的交通流參數(shù)短時(shí)預(yù)測模型27-30
• 3.2 常規(guī)灰色預(yù)測模型的構(gòu)建30-36
• 3.2.1 灰色預(yù)測模型概述30-32
• 3.2.2 常規(guī)GM(1,1)模型32-36
• 3.3 改進(jìn)GM(1,1)預(yù)測模型的構(gòu)建36-39
• 3.3.1 改進(jìn)GM(1,1)預(yù)測模型的建模依據(jù)36-37
• 3.3.2 模型的構(gòu)建與求解步驟37-39
• 3.4 本章小結(jié)39-40
• 第4章 基于車牌識別數(shù)據(jù)的交通流短時(shí)預(yù)測實(shí)證分析40-54
• 4.1 車牌識別數(shù)據(jù)的獲取40-43
• 4.1.1 數(shù)據(jù)來源40-41
• 4.1.2 車牌識別數(shù)據(jù)的匹配41-43
• 4.2 交通流參數(shù)的計(jì)算及異常數(shù)據(jù)的處理43-47
• 4.2.1 流量的計(jì)算及丟失數(shù)據(jù)補(bǔ)償43-45
• 4.2.2 行程速度數(shù)據(jù)異常剔除45-47
• 4.3 交通流參數(shù)短時(shí)預(yù)測47-53
• 4.3.1 交通流量的短時(shí)預(yù)測47-51
• 4.3.2 行程速度的短時(shí)預(yù)測51-53
• 4.4 本章小結(jié)53-54
• 結(jié)論54-56
• 致謝56-57
• 參考文獻(xiàn)57-62
• 附錄62-65

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 駱雪超,劉桂雄,馮云慶,申柏華;一種基于車牌特征信息的車牌識別方法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年04期

2 ;沈陽聚德高清車牌識別一體機(jī)跨出國門[J];中國交通信息化;2011年02期

3 何鐵軍;張寧;黃衛(wèi);;車牌識別算法的研究與實(shí)現(xiàn)[J];公路交通科技;2006年08期

4 王飛;李定主;;在車牌識別項(xiàng)目中對閾值選定法的一點(diǎn)改進(jìn)[J];機(jī)械工程與自動化;2007年04期

5 馮新宇;龐艷輝;;車牌識別技術(shù)實(shí)現(xiàn)方法初探[J];交通科技與經(jīng)濟(jì);2007年02期

6 鄭婕;張曙;;圖像處理在車牌識別中的應(yīng)用[J];硅谷;2012年05期

7 孟諾;;交通卡口雷達(dá)、視頻、線圈檢測及測速和車牌識別原理[J];智能建筑與城市信息;2012年04期

8 常學(xué)義;馮濤;;一種基于特征點(diǎn)的車牌識別改進(jìn)算法[J];上海第二工業(yè)大學(xué)學(xué)報(bào);2014年01期

9 敖銀輝;神經(jīng)和模糊技術(shù)在車牌識別中的應(yīng)用[J];廣東工業(yè)大學(xué)學(xué)報(bào);2003年04期

10 蔡波,朱玉玉;車牌識別中的快速區(qū)域定位方法研究[J];西南科技大學(xué)學(xué)報(bào);2004年02期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 周漢青;;一種高速的車牌識別算法[A];第二十七屆中國（天津）2013IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2013年

2 史東娜;王樅;李衛(wèi);;車牌識別領(lǐng)域的中文術(shù)語自動抽取[A];中國電子學(xué)會第十五屆信息論學(xué)術(shù)年會暨第一屆全國網(wǎng)絡(luò)編碼學(xué)術(shù)年會論文集（下冊）[C];2008年

3 關(guān)東;汪永山;;基于車牌識別比對的自動道閘控制系統(tǒng)[A];全國冶金自動化信息網(wǎng)2012年年會論文集[C];2012年

中國重要報(bào)紙全文數(shù)據(jù)庫 前2條

1 本報(bào)評論員 周飆;交通擁堵是個產(chǎn)權(quán)問題[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2010年

2 樊哲高;沈陽聚德：智能視覺“千里眼”[N];中國電子報(bào);2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 任俊;基于支撐矢量機(jī)的圖像分類、車牌識別及嵌入式應(yīng)用研究[D];浙江大學(xué);2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 竇志偉;基于車牌識別數(shù)據(jù)的交通流參數(shù)短時(shí)預(yù)測[D];西南交通大學(xué);2016年

2 郭真真;基于分階的BP和CNN車牌識別[D];昆明理工大學(xué);2015年

3 梁大寬;復(fù)雜背景下多車牌識別算法的研究與軟件系統(tǒng)實(shí)[D];太原理工大學(xué);2016年

4 尚兆功;基于視頻識別技術(shù)的智能車庫管理系統(tǒng)[D];山東建筑大學(xué);2016年

5 張冠華;一種基于神經(jīng)網(wǎng)絡(luò)的車牌識別方法的實(shí)現(xiàn)[D];吉林大學(xué);2016年

6 張少鵬;基于STM32的車牌識別手持移動終端的設(shè)計(jì)[D];西北師范大學(xué);2015年

7 謝嘉樂;基于改進(jìn)的LM-BP神經(jīng)網(wǎng)絡(luò)的車牌識別算法研究與應(yīng)用[D];廣東工業(yè)大學(xué);2016年

8 付棟;聚類與遺傳混合優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的車牌識別研究[D];燕山大學(xué);2016年

9 呂田;智能停車場管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];西安工業(yè)大學(xué);2016年

10 劉逸男;基于車載視頻的車間距計(jì)算與車牌識別[D];北京工業(yè)大學(xué);2016年

，

本文編號：535264