基于實(shí)時(shí)交通流檢測(cè)的道路交通狀態(tài)判定系統(tǒng).pdf

1、交通狀態(tài)主要表示為交通流狀態(tài)，宏觀上主要是指城市道路交通的擁堵程度。在城市道路交通控制過(guò)程中，交通狀態(tài)的判定是前提和基礎(chǔ)。傳統(tǒng)的交通狀態(tài)判定的研究通常是針對(duì)高速路和快速路的，但是城市路網(wǎng)相對(duì)于高速路和快速路具有路況復(fù)雜、情況多變的特點(diǎn)。伴隨著城市交通問(wèn)題日益嚴(yán)重，因此針對(duì)城市道路交通狀態(tài)的判定也成為智能交通(Intelligent Dansportation System，ITS)領(lǐng)域的一個(gè)研究熱點(diǎn)。本文提出了一個(gè)通過(guò)無(wú)線傳感器網(wǎng)絡(luò)(W

2、ireless Sensor Network，WSN)來(lái)獲取道路交通流參數(shù)信息，并及時(shí)對(duì)路段交通狀態(tài)進(jìn)行判定的模型。該模型可實(shí)現(xiàn)交通狀態(tài)檢測(cè)和判定。
　　 本文首先分析了現(xiàn)有交通流參數(shù)獲取技術(shù)及其特性。針對(duì)現(xiàn)有交通流參數(shù)獲取技術(shù)的不足，提出了基于磁傳感器的WSN節(jié)點(diǎn)的交通流參數(shù)檢測(cè)模型，并說(shuō)明該模型在交通流參數(shù)檢測(cè)上的優(yōu)勢(shì)。在車(chē)速的測(cè)量上，通過(guò)總結(jié)Berkeley大學(xué)PATH報(bào)告中采用2節(jié)點(diǎn)車(chē)速測(cè)量模型，闡述其存在的缺陷，并提出

3、3節(jié)點(diǎn)車(chē)速采集模型，并通過(guò)實(shí)驗(yàn)驗(yàn)證了該模型相對(duì)于2節(jié)點(diǎn)模型具有較高的精確度。同時(shí)，為了滿足交通流獲取需要長(zhǎng)期部署的特點(diǎn)，結(jié)合Duty-cycling節(jié)能策略和交通流變化特性，提出了Duty-cycling-V節(jié)能策略，并通過(guò)理論實(shí)驗(yàn)證明該策略在一定程度上可以降低能耗，延長(zhǎng)系統(tǒng)使用壽命。
　　 其次，本文總結(jié)現(xiàn)有交通狀態(tài)判定算法，并結(jié)合城市交通狀態(tài)判定具有模糊性和不確定性的特點(diǎn)，說(shuō)明模糊理論在城市交通狀態(tài)判定應(yīng)用上的優(yōu)勢(shì)。本文中主

4、要通過(guò)利用模糊C均值聚類算法(FuzzyC-MeansAlgorithm，F(xiàn)CM)來(lái)對(duì)交通狀態(tài)特征進(jìn)行提取，進(jìn)而利用已獲得的交通狀態(tài)特征和實(shí)時(shí)檢測(cè)的交通流參數(shù)信息對(duì)交通狀態(tài)進(jìn)行判斷。同時(shí)，結(jié)合FCM算法為無(wú)監(jiān)督聚類算法，其忽略了過(guò)程中有用信息，提出采用無(wú)監(jiān)督聚類算法來(lái)對(duì)數(shù)據(jù)樣本進(jìn)行降維處理的方法，通過(guò)將連續(xù)多次迭代分類結(jié)果進(jìn)行按類數(shù)編碼，獲取判定降維開(kāi)始的可行條件及聚類結(jié)束條件，并以降維數(shù)據(jù)為數(shù)據(jù)樣本，繼續(xù)進(jìn)行聚類分析，快速完成數(shù)據(jù)特征