单线圈检测器速度估计的贝叶斯网络模型

实时精确的车流速度对于交通管理系统来说是至关重要的.然而,最普遍的单线圈检测器却不能输出速度参数.本文提出了一种新的单线圈检测器速度估计的贝叶斯网络方法.在分析流量及时间占有率与速度之间的因果关系基础上,通过单线圈检测输出采样间隔内的流量和时间占用率数据,建立了速度估计的贝叶斯网络模型,采用高斯混合分布函数和EM算法进行模型表达及参数训练.通过北京快速路实地数据对算法进行了验证,结果表明算法在不同采样间隔、不同车道及不同交通状态下均具有较强的鲁棒性,与传统算法相比平均绝对误差减少2 km/h左右.这一方法可以应用于交通管理系统速度的估计.

单线圈检测器速度估计方法研究

实时精确的交通速度对于交通管理系统来说是至关重要的。然而,最普遍的单线圈检测器却不能输出速度参数。提出了一种新的单线圈检测器速度估计的模糊神经网络方法。采用杭州公路实地数据对算法进行了验证,模型的速度估计结果与实际速度接近,与传统的g因子算法相比精度有显著地提高。这一方法可以有效地应用于交通管理系统速度的估计。

一种基于单线圈速度估计的简单模型方法

实时准确的交通速度对于成功的快速路管理系统来说是至关重要的。然而,交通速度并不能直接从单线圈检测器测量出来。论文提出了一种基于单线圈输出量进行速度估计的简单模型方法。该方法考虑自由流和拥挤状态下分别采用不同的模型进行速度估计。利用该方法估计出来的速度非常接近于双线圈测量的速度观测值。与以往的算法相比,该方法简单实用并且明显地改善了速度估计。

基于单线圈的速度估计混合模型

实时准确预测出交通速度对于成功的快速路管理系统来说是至关重要的。然而,交通速度并不能直接从单线圈检测器测量出来。该文提出了一种基于单线圈输出量进行速度估计的混合模型方法。该方法分别考虑自由流和拥挤两种不同状态下分别采用不同的模型进行交通速度的估计。模型系数的计算采用已知的单线圈输出量信息和交通流模型进行估计。整个算法采用matlab仿真软件仿真检验,结果表明利用该方法估计出来的速度非常接近于双线圈测量的速度观测值。与以往的算法相比,该方法简单实用并且明显地改善了速度估计。

基于单线圈输出量的速度估计算法综述

先进的交通管理系统和旅行者信息系统的迅速发展,引起对交通速度估计测量一种需要。然而对于铺设大量单线圈的快速路网来说,交通速度并不能直接从单线圈检测器测量出来。因此许多研究学者针对如何从单线圈的输出量估计出交通速度展开了研究。该文结合国内外的研究情况给出了算法的分类,并总结了算法存在的问题和可能开展的研究方向。

基于激光传感器的车辆自动检测与分类研究

道路的车辆检测问题,对于提升大数据采集、改善交通管理机制有较为显著的作用。本文利用安装在路侧的并搭载Process Data提取转化机器的传感装置获取的数据,研究了通过车辆的类型、数量及计数问题。解决了根据传感器装置的数据特征建立数学模型问题,并成功描述通过车辆的几何特征。同时对异常数据进行判别并给出处理方法;此外,还设计了车辆分类标准,进一步讨论算法效率,文末提出增加了速度检测装置的方案。