公路隧道交通数据融合技术的研究

论文摘要

隧道监控系统是隧道安全运营的重要保障,通过优化控制还可以实现隧道内交通畅通、能源损耗有效降低的目标。而各种控制措施都是以系统中检测的交通数据应用为中心展开的,但通常存在检测数据的准确性不高,检测系统集成性较差,大幅降低了检测效率;此外还存在检测信息不能有效利用,致使监控系统的价值没能充分体现的问题。本论文研究了基于数据融合方法的公路隧道监控系统中交通流量的采集与短时交通流量预测的相关问题。全文的主要工作包括以下几方面:第一,从系统的角度研究了数据融合技术的基本理论,主要研究了数据融合的目的、分类和算法。第二,针对隧道中常用的交通检测器:环形线圈检测器和视频检测器,分析了两者采集交通数据的原理及检测性能,针对两种检测器单独工作时的交通敏感性问题,提出了基于神经模糊推理的异类交通检测数据融合算法,以提高检测的交通流量数据的准确性。第三,本文在短时交通流预测理论的基础上,通过对传统预测模型的分析,提出了采用等步长多模型融合预测方法和变步长多模型融合预测方法进行预测,建立了预测模型,提出了实现预测的步骤。最后,本文以北碚隧道中某一检测面上的环形线圈检测器和视频检测器所检测的交通数据为基础,采用本文提出的数据融合方法对检测数据进行修正,与实地调查数据的对比分析,该融合方法极大的提高了检测数据的准确性,并以此融合数据作为历史数据,采用数据融合方法和传统预测模型,分别实现了对短时交通流量的预测。通过本文的分析研究,指出了几种数据融合模型在隧道监控系统应用中的优点和不足,提出了需要进一步研究的问题,为数据融合技术在隧道交通数据处理方面的应用奠定了基础。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.1.1 隧道监控系统存在的问题
• 1.1.2 采用数据融合技术的必要性
• 1.1.3 数据融合研究的主要内容
• 1.1.4 数据融合在交通领域的研究
• 1.2 国内外研究现状
• 1.2.1 数据融合理论国内外研究现状
• 1.2.2 数据融合算法研究现状
• 1.2.3 同一检测面上多检测器的数据融合技术
• 1.2.4 短时交通流预测方法研究现状
• 1.3 研究的主要内容与思路
• 第二章 数据融合基本理论
• 2.1 数据融合的内涵及目的
• 2.1.1 数据融合的内涵及系统模型
• 2.1.2 数据融合的目的
• 2.2 数据融合的分类
• 2.2.1 按融合系统结构分类
• 2.2.2 按融合技术分类
• 2.2.3 按数据融合处理层次分类
• 2.2.4 按融合判决方式分类
• 2.3 数据融合算法
• 2.3.1 基于物理模型的算法
• 2.3.2 基于特征推理技术的算法
• 2.3.3 基于感知模型的算法
• 2.3.4 基于现代数学模型的算法
• 2.4 数据融合的数据分类
• 2.4.1 冗余数据
• 2.4.2 互补数据
• 2.4.3 协同数据
• 2.5 本章小结
• 第三章 基于数据融合的隧道交通检测数据的修正
• 3.1 融合数据的获取
• 3.1.1 环形线圈检测器
• 3.1.2 视频检测器
• 3.1.3 检测器性能分析
• 3.2 异类交通检测器数据融合
• 3.2.1 系统构成
• 3.2.2 数据融合系统
• 3.3 基于神经模糊推理算法的置信度判别器设计
• 3.3.1 置信度判别器设计
• 3.3.2 置信度判别的算法
• 3.4 本章小结
• 第四章 基于数据融合的隧道短时交通预测
• 4.1 隧道短时交通流预测
• 4.1.1 短时交通流预测的定义
• 4.1.2 短时交通预测的基本原理
• 4.1.3 隧道短时交通预测的方法对比分析
• 4.2 传统预测模型
• 4.2.1 基于BP 神经网络短时交通流量预测模型
• 4.2.2 基于ARIMA 短时交通流量预测模型
• 4.3 隧道交通短时融合预测的实现
• 4.3.1 融合预测模型的建立
• 4.3.2 融合预测模型实现步骤
• 4.3.3 预测误差指标
• 4.4 本章小结
• 第五章 实例应用
• 5.1 数据来源
• 5.2 异类检测数据融合
• 5.3 短时交通预测
• 5.3.1 等步长融合预测模型
• 5.3.2 动态调整步长融合预测模型
• 5.4 本章小结
• 第六章 结论与展望
• 6.1 主要研究结论
• 6.2 需进一步研究的问题
• 致谢
• 参考文献
• 在学期间发表的论著及取得的科研成果