基于实时交通流检测的道路交通状态判定系统

摘要

交通状态主要表示为交通流状态，宏观上主要是指城市道路交通的拥堵程度。在城市道路交通控制过程中，交通状态的判定是前提和基础。传统的交通状态判定的研究通常是针对高速路和快速路的，但是城市路网相对于高速路和快速路具有路况复杂、情况多变的特点。伴随着城市交通问题日益严重，因此针对城市道路交通状态的判定也成为智能交通(Intelligent Dansportation System，ITS)领域的一个研究热点。本文提出了一个通过无线传感器网络(Wireless Sensor Network，WSN)来获取道路交通流参数信息，并及时对路段交通状态进行判定的模型。该模型可实现交通状态检测和判定。
　　 本文首先分析了现有交通流参数获取技术及其特性。针对现有交通流参数获取技术的不足，提出了基于磁传感器的WSN节点的交通流参数检测模型，并说明该模型在交通流参数检测上的优势。在车速的测量上，通过总结Berkeley大学PATH报告中采用2节点车速测量模型，阐述其存在的缺陷，并提出3节点车速采集模型，并通过实验验证了该模型相对于2节点模型具有较高的精确度。同时，为了满足交通流获取需要长期部署的特点，结合Duty-cycling节能策略和交通流变化特性，提出了Duty-cycling-V节能策略，并通过理论实验证明该策略在一定程度上可以降低能耗，延长系统使用寿命。
　　 其次，本文总结现有交通状态判定算法，并结合城市交通状态判定具有模糊性和不确定性的特点，说明模糊理论在城市交通状态判定应用上的优势。本文中主要通过利用模糊C均值聚类算法(FuzzyC-MeansAlgorithm，FCM)来对交通状态特征进行提取，进而利用已获得的交通状态特征和实时检测的交通流参数信息对交通状态进行判断。同时，结合FCM算法为无监督聚类算法，其忽略了过程中有用信息，提出采用无监督聚类算法来对数据样本进行降维处理的方法，通过将连续多次迭代分类结果进行按类数编码，获取判定降维开始的可行条件及聚类结束条件，并以降维数据为数据样本，继续进行聚类分析，快速完成数据特征提取。并通过实验证明其有效性和正确性。

目录

文摘

英文文摘

声明

1 绪论

1.1 研究背景和研究意义

1.2 研究现状

1.2.1 交通流参数获取技术研究现状

1.2.2 WSN在交通上应用的现状

1.2.3 交通状态判定算法的研究现状

1.3 本文主要研究内容

1.4 本文组织结构

2 交通流参数获取模型

2.1 基于WSN检测优势

2.2 基于WSN检测平台

2.2.1 硬件设备

2.2.2 软件设备

2.3 基于WSN检测拓扑

2.3.1 交通流参数采集物理拓扑

2.3.2 交通流参数采集网络拓扑

2.4.总结

3 交通流参数获取方法及模型节能策略

3.1 交通流参数获取方法

3.1.1 单节点车辆识别

3.1.2 交通流参数计算原理及相关算法

3.2 节能策略研究分析

3.3 Duty-cycling-V节能策略

3.4 模型有效性分析

3.4.1 交通流参数的准确性分析

3.4.2 模型工作框架

3.4.3 平台功耗分析

3.5 总结

4 交通状态判定

4.1 状态判定过程描述

4.2 数据挖掘应用优势

4.3 FCM算法的交通状态特征提取

4.3.1 特征提取整体流程

4.3.2 交通拥堵评价指标

4.3.3 FCM算法介绍

4.4 交通状态算法评价指标

4.5 实验有效性分析

4.6 总结

5 FCM算法改进研究

5.1 聚类过程编码方法

5.2 起始和终止条件确定

5.3 算法整体描述

5.4 实验

5.4.1 数据源

5.4.2 结论分析

5.5 总结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢