论文题名: | 基于AMR的交通信息检测算法研究 |
关键词: | 交通信息检测系统;智能交通系统;磁阻传感器;车型分类算法 |
摘要: | 目前,以车辆拥堵为代表的交通问题已成为制约城市发展的重大因素之一,而智能交通系统作为解决交通问题的有效途径,其重要性日益凸显。如何获取实时、准确的交通路网信息,为交通系统提供有力的数据支持,将是建设智能交通系统的重要前提。因此,本文设计了基于各向异性磁阻传感器(AMR,Anisotropic Magneto Resistance)的交通信息检测系统,并提出了实时基线跟踪的车辆检测算法与改进的有向无环图支持向量机(DAG-SVM,Directed-Acyclic-Graph SVM)车型分类算法,可以有效提高道路车流量、车速、车道占有率、车辆类型检测的准确性。本文主要工作包括: (1)研究AMR地磁感应车辆检测原理,结合交通信息获取需求,设计了基于AMR的交通信息检测系统。系统分为前端信息采集子系统与信息监控处理子系统,前者由传感器节点与信号接收机组成,负责地磁车辆特征信息的检测,后者利用检测信号特征计算获取交通信息。 (2)分析AMR采集的原始信号特点,对地磁车辆特征信息检测进行研究,提出了实时基线跟踪的车辆检测算法。该算法以多状态机判断为主体,设计加权函数实时基线修正,能够实时有效检测车辆信号,提高了车流量、车道占有率以及车速计算的准确率。并采用Filter-Filter-Wrapper特征选择与优化模型,通过实验,获取有利于车型分类的特征集,作为有效地磁车型特征。 (3)根据提取的有效地磁车型特征,选择DAG-SVM方法进行车型分类,论文分析了DAG-SVM模型结构的“误差累积”,提出了改进的DAG-SVM车型分类方法,该方法结合特征权值计算类间距离,利用类间距离搭建有向无环图。 (4)搭建系统测试平台,现场测试车辆检测算法,并获取样本集,离线训练并测试车型分类算法,测试结果表明,车辆检测准确率达到98%以上,车型分类准确率为75%以上,改进的DAG-SVM具有更好的分类效果。 本文设计的基于AMR交通信息检测算法,能够有效提高交通信息获取的准确率,具有较高的推广价值与应用前景。 |
作者: | 李阳 |
专业: | 控制理论与控制工程 |
导师: | 汪贵平 |
授予学位: | 硕士 |
授予学位单位: | 长安大学 |
学位年度: | 2015 |
正文语种: | 中文 |