本文關(guān)鍵詞：藍(lán)牙交通流量檢測(cè)系統(tǒng)及交通事件檢測(cè)算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著交通運(yùn)輸業(yè)的迅速發(fā)展,汽車數(shù)量急劇增加,極大地降低了道路的通行能力,導(dǎo)致了交通事件的頻繁發(fā)生,嚴(yán)重影響了人們的生命財(cái)產(chǎn)安全。如何及時(shí)準(zhǔn)確地獲取道路上的交通流量信息,實(shí)時(shí)有效地檢測(cè)出交通事件的發(fā)生,成為了備受學(xué)者關(guān)注的熱點(diǎn)問題。近些年來,旨在解決這些問題的交通流信息檢測(cè)技術(shù)及交通事件檢測(cè)算法已經(jīng)成為智能交通領(lǐng)域的研究熱點(diǎn)。本文在研究了交通流數(shù)據(jù)特性及交通事件檢測(cè)原理的基礎(chǔ)上,對(duì)交通流量檢測(cè)系統(tǒng)及交通事件檢測(cè)算法進(jìn)行了深入的研究,研究的主要內(nèi)容包括為以下三點(diǎn)。1)論文設(shè)計(jì)了一種由藍(lán)牙、加速度計(jì)和北斗導(dǎo)航定位(BD)為主要模塊的交通流量檢測(cè)系統(tǒng):選用以飛思卡爾ARM Cortex-M4為內(nèi)核的K60芯片為主控制器,開發(fā)了交通流量檢測(cè)系統(tǒng)的車內(nèi)部分和公交站臺(tái)顯示牌部分;以加速度計(jì)與北斗導(dǎo)航定位模塊組合實(shí)現(xiàn)了精確測(cè)量車速的功能;采用CC2540模塊作為藍(lán)牙的主機(jī)與從機(jī),在藍(lán)牙4.0的研究基礎(chǔ)上,開發(fā)了藍(lán)牙主機(jī)與從機(jī)的無線連接,實(shí)現(xiàn)了對(duì)交通流量的檢測(cè);2)論文通過修改樣本的隸屬度、優(yōu)化聚類數(shù)目c對(duì)模糊C均值聚類算法進(jìn)行了改進(jìn),使其克服了傳統(tǒng)FCM復(fù)雜度高以及對(duì)孤立點(diǎn)敏感的影響。將改進(jìn)的FCM與SVM相結(jié)合應(yīng)用于交通事件檢測(cè)算法之中:首先選取車流量、平均車速、車輛占有率做為算法的輸入?yún)⒘?利用FCM算法對(duì)輸入?yún)⒘窟M(jìn)行一次粗糙的預(yù)測(cè)分類,然后將預(yù)測(cè)分類后的隸屬高的樣本作為支持向量機(jī)的訓(xùn)練樣本,建立分類模型,通過模型訓(xùn)練形成判斷各特征類別的判別函數(shù)來進(jìn)行事件的檢測(cè);3)論文提出了一種語義技術(shù)與支持向量機(jī)相結(jié)合的事件檢測(cè)新方法:利用車流量、平均車速、車輛占有率作為輸入?yún)⒘?利用支持向量機(jī)進(jìn)行初步的檢測(cè)分類;然后建立交通事件檢測(cè)領(lǐng)域本體模型,并將支持算法處理后的數(shù)據(jù)與數(shù)據(jù)采集的地點(diǎn)信息構(gòu)成異構(gòu)數(shù)據(jù)作為本體的實(shí)例,最后根據(jù)事件檢測(cè)的特征提取推理規(guī)則并運(yùn)用Jess推理機(jī)進(jìn)行推理,以此來判斷交通事件的發(fā)生。
【關(guān)鍵詞】：交通流檢測(cè)系統(tǒng) 交通事件檢測(cè) SVM FCM 語義技術(shù)
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U495;TN925
【目錄】：

• 摘要5-6
• Abstract6-14
• 第1章 緒論14-20
• 1.1 研究背景綜述14
• 1.2 課題的研究現(xiàn)狀14-17
• 1.2.1 交通流檢測(cè)技術(shù)國(guó)內(nèi)外研究現(xiàn)狀15
• 1.2.2 交通事件檢測(cè)算法研究現(xiàn)狀15-17
• 1.3 主要研究?jī)?nèi)容17
• 1.4 章節(jié)安排17-20
• 第2章 交通事件檢測(cè)原理分析20-30
• 2.1 交通事件的基本概念20-21
• 2.2 交通流特性21-24
• 2.2.1 交通流參數(shù)介紹21-22
• 2.2.2 交通事件對(duì)交通流變化的影響22-24
• 2.3 交通流檢測(cè)技術(shù)類型24-25
• 2.4 交通事件檢測(cè)算法25-28
• 2.4.1 常用交通事件檢測(cè)算法25-27
• 2.4.2 交通事件檢測(cè)算法評(píng)價(jià)指標(biāo)27-28
• 2.5 本章小結(jié)28-30
• 第3章 藍(lán)牙交通流量檢測(cè)系統(tǒng)設(shè)計(jì)30-42
• 3.1 藍(lán)牙交通流量檢測(cè)系統(tǒng)整體框架設(shè)計(jì)30
• 3.2 系統(tǒng)硬件設(shè)計(jì)30-34
• 3.2.1 藍(lán)牙模塊與主控制器模塊32-33
• 3.2.2 北斗定位接收器與加速度計(jì)模塊33-34
• 3.3 系統(tǒng)軟件設(shè)計(jì)34-38
• 3.3.1 車內(nèi)部分軟件編程設(shè)計(jì)34-35
• 3.3.2 公交站臺(tái)顯示牌部分軟件編程設(shè)計(jì)35
• 3.3.3 藍(lán)牙通信軟件設(shè)計(jì)35-36
• 3.3.4 上位機(jī)軟件設(shè)計(jì)36-38
• 3.4 實(shí)車試驗(yàn)及基于北斗定位與加速度計(jì)信號(hào)的車速測(cè)定38-40
• 3.4.1 實(shí)車試驗(yàn)系統(tǒng)工作流程38-39
• 3.4.2 車速的精確測(cè)定39-40
• 3.5 本章小結(jié)40-42
• 第4章 基于SVM的交通事件自動(dòng)檢測(cè)算法42-52
• 4.1 統(tǒng)計(jì)學(xué)相關(guān)知識(shí)42
• 4.2 支持向量機(jī)基本原理42-46
• 4.2.1 線性可分情形43-44
• 4.2.2 非線性情況44-45
• 4.2.3 核函數(shù)45-46
• 4.3 遺傳算法介紹46-47
• 4.4 基于SVM的交通事件檢測(cè)算法設(shè)計(jì)47-48
• 4.4.1 SVM交通事件檢測(cè)的適應(yīng)性分析47
• 4.4.2 基于SVM的交通事件檢測(cè)算法設(shè)計(jì)47-48
• 4.5 基于SVM的交通事件檢測(cè)算法仿真48-51
• 4.5.1 數(shù)據(jù)來源48-49
• 4.5.2 預(yù)處理階段49
• 4.5.3 遺傳算法的參數(shù)優(yōu)化49-50
• 4.5.4 利用SVM模型進(jìn)行檢測(cè)50-51
• 4.6 本章小結(jié)51-52
• 第5章 基于FCM-SVM的交通事件自動(dòng)檢測(cè)算法52-60
• 5.1 模糊C均值聚類基本知識(shí)及改進(jìn)方法52-55
• 5.1.1 模糊C均值聚類基本知識(shí)52-53
• 5.1.2 改進(jìn)的模糊C均值聚類53-55
• 5.2 基于改進(jìn) FCM-SVM 的交通事件檢測(cè)試驗(yàn)55-58
• 5.3 本章小結(jié)58-60
• 第6章 語義與支持向量機(jī)相融合的交通事件檢測(cè)新方法60-72
• 6.1 本體及推理規(guī)則相關(guān)理論60-62
• 6.1.1 本體的概念及定義60
• 6.1.2 本體的構(gòu)成60-61
• 6.1.3 本體的形式化描述61
• 6.1.4 SWRL規(guī)則61-62
• 6.2 語義推理方案設(shè)計(jì)62-66
• 6.2.1 本體的建模62-64
• 6.2.2 SWRL推理規(guī)則的提取64-65
• 6.2.3 JESS推理過程65-66
• 6.3 基于語義與支持向量相融合的交通事件方法66-68
• 6.4 推理查詢系統(tǒng)68-69
• 6.5 結(jié)論分析69-70
• 6.6 本章小結(jié)70-72
• 總結(jié)與展望72-74
• 參考文獻(xiàn)74-78
• 碩士期間論文發(fā)表情況78-80
• 致謝80

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 童劍軍;;設(shè)計(jì)是關(guān)鍵——高速公路交通事件檢測(cè)技術(shù)的設(shè)計(jì)、使用與評(píng)測(cè)[J];中國(guó)交通信息產(chǎn)業(yè);2007年09期

2 童劍軍;;能干啥 想干啥——高速公路交通事件檢測(cè)技術(shù)的設(shè)計(jì)、使用與評(píng)測(cè)之二[J];中國(guó)交通信息產(chǎn)業(yè);2007年12期

3 童劍軍;;好不好 值不值——交通事件檢測(cè)技術(shù)的設(shè)計(jì)、使用與評(píng)測(cè)之三[J];中國(guó)交通信息產(chǎn)業(yè);2008年02期

4 羅鵑;何彥輝;;秦嶺終南山公路隧道火災(zāi)和交通事件檢測(cè)研究[J];中國(guó)交通信息化;2011年05期

5 張?jiān)苽?劉躍明;交通事件檢測(cè)的一種濾波算法[J];云南工業(yè)大學(xué)學(xué)報(bào);1998年04期

6 姜紫峰,劉小坤;基于神經(jīng)網(wǎng)絡(luò)的交通事件檢測(cè)算法[J];西安公路交通大學(xué)學(xué)報(bào);2000年03期

7 呂琪,王慧;基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型的交通事件檢測(cè)算法[J];公路交通科技;2003年06期

8 溫慧敏,楊兆升;交通事件檢測(cè)技術(shù)的進(jìn)展研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2005年01期

9 李傳志;胡如夫;;公路交通事件檢測(cè)技術(shù)的研究與展望[J];交通科技與經(jīng)濟(jì);2008年05期

10 鄭玉興;;交通事件檢測(cè)系統(tǒng)在高速公路中的應(yīng)用[J];北方交通;2009年07期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前6條

1 溫慧敏;楊兆升;姜桂艷;邵長(zhǎng)豐;;基于多層感知器神經(jīng)網(wǎng)絡(luò)的高速公路交通事件檢測(cè)方法[A];第七屆北京青年科技論文評(píng)選獲獎(jiǎng)?wù)撐募痆C];2003年

2 姚智勝;邵春福;;基于v-支持向量分類機(jī)的交通事件檢測(cè)方法研究[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（上冊(cè)）[C];2005年

3 溫慧敏;;交通事件檢測(cè)數(shù)據(jù)融合技術(shù)研究[A];第一屆中國(guó)智能交通年會(huì)論文集[C];2005年

4 高穎;;快速路交通事件檢測(cè)算法研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國(guó)家——2006中國(guó)科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

5 覃頻頻;牙韓高;黃大明;;基于Logit模型的城市道路交通事件檢測(cè)仿真[A];第一屆中國(guó)智能交通年會(huì)論文集[C];2005年

6 劉小明;蔣新春;張杰;吳家宇;;基于視頻檢測(cè)的高速公路車輛交通行為安全狀態(tài)分析[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 王國(guó)忠 李岸;我省高速公路信息監(jiān)控中心二期工程將重點(diǎn)建五大系統(tǒng)[N];山西日?qǐng)?bào);2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 蔡志理;高速公路交通事件檢測(cè)及交通疏導(dǎo)技術(shù)研究[D];吉林大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張凱;高速公路交通事件檢測(cè)與仿真研究[D];長(zhǎng)安大學(xué);2009年

2 沈舒;高速路網(wǎng)運(yùn)行狀態(tài)評(píng)估模型、仿真及技術(shù)實(shí)現(xiàn)[D];南京大學(xué);2013年

3 謝聰;基于CGA-PNN的高速公路交通事件檢測(cè)算法研究[D];西南交通大學(xué);2016年

4 李桂林;基于視頻圖像的逆行交通事件檢測(cè)方法的研究[D];安徽工程大學(xué);2016年

5 周林;基于ER算法的公路交通事件檢測(cè)研究[D];合肥工業(yè)大學(xué);2016年

6 張文明;藍(lán)牙交通流量檢測(cè)系統(tǒng)及交通事件檢測(cè)算法研究[D];江蘇科技大學(xué);2016年

7 劉清泉;基于混合支持向量機(jī)多分類器的交通事件檢測(cè)方法研究[D];長(zhǎng)沙理工大學(xué);2009年

8 曾鋼;高速公路交通事件檢測(cè)建模及應(yīng)用研究[D];中南大學(xué);2009年

9 邵士雨;基于視頻的交通事件檢測(cè)算法研究[D];山東大學(xué);2013年

10 代青敏;高速公路交通事件檢測(cè)算法研究[D];長(zhǎng)安大學(xué);2012年

  本文關(guān)鍵詞：藍(lán)牙交通流量檢測(cè)系統(tǒng)及交通事件檢測(cè)算法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：307665