交通运输融合VIP专享VIP免费

交通运输信息融合报告姓名：陈巍学号：12071108指导教师：刘澜（教授）交通拥挤管理信息融合的关键问题与实用算法摘要：分析了判断交通拥挤事件的两个交通参数，道路占有率和车辆即时速度，以及如何来确定当前道路所处的拥挤水平。并介绍了基于神经网络算法的多种预测算法的融合预测模型，最后介绍了在多源信息下，模糊算法在预测拥挤状态中的应用。关键词：交通拥挤道路占有率、即时速度、神经网络算法、模糊算法引言：交通拥挤和阻塞是城市化、现代化、机动化进程中不可避免的现象。从社会发展趋势看，发展经济一般都会导致车路发展矛盾、出行需求与管理服务矛盾的激化，这种矛盾突出地表现在大中型城市对私家车运用的管控上。综合我国公安部网站消息和有关分析[1]，到2011年6月末我国私家车数量约有4000万，而全国机动车总保有量更是高达2.17亿辆，其中汽车9846万辆，摩托车1.02亿辆。并且，这些数量还在快速增长，1998年我国每90人拥有1辆私人汽车，相当于美国1910年前后的水平，到2000年我国的这一比例已达到每70人拥有一辆私人车辆[2]。这样的交通需求态势给道路交通、尤其是城市交通形成巨大的压力。对拥挤的改善，首先是需要多修道路从而扩大路网规模来满足不断增长的交通需求，但是交通设施的建设滞后于交通需求，并且受地域的现状，基础设施不能保持大规模的增长，故用高新技术改造现有交通运输系统及管理体系，从而大幅度提高路网通行能力和服务质量成为一种重要的方法。拥挤管理是在对道路交通状态进行准确判断和预测的基础上选择合理的管理策略，它是一种决策行为，它包括监视、检测、诊断、评价和对策等一套系统性的方法。随着信息产业的巨大变革，对道路交通参数的预测可以依据更多的数据源，来自不同的环境、不同的层次及不同的分辨率的数据可用来观察同一个对象。随着数据源的增加，需要一种信息融合方法，通过对多传感器数据进行综合处理，去除冗余、克服歧义，进而得到更全面、更准确、更可靠的信息。最后在判断交通拥挤状态的基础上，设计融合交通管理者的经验和知识的交通拥挤管理决策生成模型。1.拥挤事件的检测1.1占有率的检测由于道路上交通流的复杂性，在道路上行进的车流运行状态随着时间的变化而时刻改变。经过大量实验数据得出，道路占有率可以很直观地反应出道路上车辆分布的情况，而占有率对于道路出现高饱和现象反应比较敏感。实验结果表明[3]：道路占用率和占有率方差存在两种对应关系，同一个占有率方差可能对应正常情况下的低占有率，也可能对应于拥挤状态下的高占有率，两者的关系近似为抛物线关系。在抛物线极小点的右边，占有率方差随占有率的增加而增加，此时共同使用两者能很好地反映道路上拥挤程度的大小。考虑到交通拥挤发生时，道路会连续长时间处于高占有率，为了反映道路交通状态是否出现变化，可用占有率变化量的绝对值来反映交通状态的变化。通过大量数据统计发现，当出现拥挤事件时，占有率量的变化是非常缓慢、非常小的。通过分析可知，当占有率和占有率方差都处于一个高数值的同时，其占有率的变化量绝对值在一段时间内保持在一个较小值的时候，道路发生交通拥挤。在对交通拥挤事件的监测时，首先需要对交通状态进行划分，在用占有率判断道路拥挤情况时，可利用模糊C—均值算法将交通状态粗划分为畅通、缓行、拥挤报警三个中间状态，依据此方法可得到三类状态的聚类中心。模糊C—均值算法基本步骤为：a）随机选择一个初始划分矩阵0U，矩阵有两个变量，分别表示占有率和占有率方差。b）由0U和211(,)cnmmijijjiJUVxv计算聚类中心。n为采集的交通信息集，即样本个数；c为聚类中心数ij为矩阵第i行第j列，代表第i个样本对第j个聚类中心的隶属程度V为聚类中心矩阵；ijxv表示第j组数据对于第i类聚类中心的欧式聚类；m为模糊指数，目的是加强ix属于哪一类从属程度的对比度。c）计算目标函数值。如果它小于某个确定的阈值，或者它相对上次目标函数值的改变量小于某个阈值，则算法停止。d）根据约束条件11;0,1,1cijijicjni和已计算出的聚类中心iv，计算出新的软化矩阵U，同时也得到了新的分区；重复...