【摘要】：交通信息融合是智能交通的基礎核心問題，通過路網(wǎng)中的傳感器獲取實時的交通車速、流量等信息并加以融合來實施有效的道路誘導、交通控制是智能交通管理的核心。越來越多的公司和組織開始在智能交通領域提出各自的解決方案。傳統(tǒng)的信息獲取方式一般都采用單一類型傳感器，但由于受到自身制約，單一傳感器無法獲取到足夠全面的信息，且融合模型較為簡單，大多提取原始信息并和歷史數(shù)據(jù)進行對比給出預測結果。雖然這些技術都已經(jīng)在不同的交通應用場景中得到使用，但依然存在很多問題。通過多傳感器感知道路交通可以獲取包括車速、車流量、環(huán)境、路面等更加系統(tǒng)準確的信息，是當前信息融合的首選。 (1)本文對現(xiàn)有的多傳感器信息融合算法和模型進行了深入的研究和對比，分別分析了現(xiàn)有的技術方案的使用場景和不足。并在此基礎上，著重對卡爾曼濾波原理進行深入學習并分析交通流信息的各個參數(shù)及相互關系。提出了改進算法并通過仿真實驗進行驗證。 (2)通過分析融合估計系統(tǒng)結構特點和信息融合最優(yōu)準則并結合本研究的實際情況，提出采用分組式二次聯(lián)合卡爾曼濾波算法(Separated TwiceFederal-Kalman filtering)，，希望能在一定程度上對現(xiàn)有方案進行改進，使之在精度和性能之間得到平衡。設計了改進算法完整的各個工作單元的誤差模型和最后的融合模型，從理論上分析了可行性。針對改進算法。設計并實現(xiàn)了依賴OpenCV使用C++開發(fā)的仿真系統(tǒng)。 (3)為了評估新融合模型的表現(xiàn)，在本課題的研究工作中，分別開發(fā)了應用改進算法和原始算法的融合模型案例。針對相同時間采集的的交通數(shù)據(jù)信息，分別使用兩個案例進行處理，比較兩個案例的融合結果的精度和性能。通過執(zhí)行實驗和對結果進行分析比較，應用改進算法的方案無論精度和性能表現(xiàn)都優(yōu)于原始算法的方案。從而論證了新方案的可行性和合理性。 本研究獲得了湖北自然科學基金：基于無線傳感器網(wǎng)絡的出行者最優(yōu)路徑選擇算法的研究(編號為：2012FFB05006)的支持。
【圖文】：

4 交通流參數(shù)評估模型文介紹了交通流參數(shù)的定義以及他們之間的聯(lián)系。本章將分析適用于的參數(shù)評估模型。于影響交通的因素除了上文介紹的流速、速度、流量這些刻畫交通暢方面外，還包括很多其它因素。比如環(huán)境對道路交通的影響，路面狀況通運行質(zhì)量的影響等。這些都一起決定了道路交通的暢通等級。針對于，主要包括溫度、風力、能見度、道路所處的極端環(huán)境狀況等；針對于，主要包括路面狀況，如路面人流量、路面平整度、路面濕滑度等。這能對最終的評估結果產(chǎn)生的影響很小，但是如果某一因素達到極端值，致道路已經(jīng)不適合通行，所以在交通流參數(shù)評估模型中必須要預先處理的影響因子，若某一因子已經(jīng)達到極端情況，則接下來的評估將毫無意可以判定道路無法通行。里可以選取部分的環(huán)境因子和路面因子，因為對于不同的道路，這些不一樣。導致無法選取所有的因子進行預判斷，可以重點選擇如溫度、

估計系統(tǒng)結構傳感器進行觀測融合估計處理，有多種實現(xiàn)途徑，按照融集中式融合(Centralized Fusion)、分布式(Distributed Fusiid Fusion)融合結構。下文將分別進行詳述。式結構式融合結構中(如圖 4-1 所示)，處理中心可以使用所有的沒有數(shù)據(jù)丟失，所以理論上融合的結果是最優(yōu)的。
【學位授予單位】：武漢理工大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：U495

【參考文獻】

相關期刊論文 前10條

1 叢玉良;陳萬忠;孫永強;陳建;;基于聯(lián)合卡爾曼濾波器的交通信息融合算法研究[J];公路交通科技;2010年07期

2 鄧中亮;尹露;楊磊;余彥培;席岳;;基于聯(lián)邦卡爾曼的GPS/基站定位信息融合算法[J];北京郵電大學學報;2013年06期

3 趙寶柱;邢志強;劉序明;宋鵬;;基于最優(yōu)計數(shù)準則的合作頻譜感知[J];傳感器與微系統(tǒng);2012年02期

4 夏建明;楊俊安;張瓊;;基于DSmT與粒子濾波的多傳感器融合[J];計算機工程;2010年20期

5 尹玉龍;;交通信息融合六級功能模型設計[J];交通科技與經(jīng)濟;2011年05期

6 甄子洋;王志勝;王道波;;離散線性信息融合最優(yōu)跟蹤控制[J];控制與決策;2009年06期

7 徐定杰;沈忱;沈鋒;;魯棒化的變分貝葉斯自適應卡爾曼濾波算法[J];華中科技大學學報(自然科學版);2013年11期

8 沈曉靜;;多傳感器分布式檢測和估計融合[J];中國科學:數(shù)學;2014年02期

9 梁丁文;袁磊;蔡之華;谷瓊;;基于無跡卡爾曼濾波傳感器信息融合的車輛導航算法[J];計算機應用;2013年12期

10 劉強;付鋒;吳鑫輝;;一種卡爾曼增益約束濾波算法[J];計算機與數(shù)字工程;2014年01期

相關博士學位論文 前3條

1 王欣;多傳感器廣義線性系統(tǒng)最優(yōu)和自校正加權觀測融合估計方法研究[D];哈爾濱工程大學;2011年

2 高媛;最優(yōu)和自校正多傳感器觀測融合濾波方法和算法研究[D];黑龍江大學;2010年

3 袁克非;組合導航系統(tǒng)多源信息融合關鍵技術研究[D];哈爾濱工程大學;2012年

本文編號：2571105