原文传递
城市交叉口雷达检测数据质量增强方法研究
| 论文题名： | 城市交叉口雷达检测数据质量增强方法研究 |
| 关键词： | 智能交通;城市交叉口;雷达检测;数据质量 |
| 摘要： | 交叉口作为城市道路通行能力的瓶颈点，其运行状态的感知技术近几年得到了快速发展。多类型、多功能的雷达交通感知设备被广泛应用于城市交叉口场景，并催生和累计了海量的交通检测数据。受设备性能差异、网络传输延时抖动等因素影响，采集的雷达检测数据往往存在采样不均衡、重复、噪声、缺失等不同程度的质量瑕疵，为高质量构建交叉口的智慧交通应用带来了极大挑战。本文选取敷设雷达感知设备的某城市道路实际交叉口为研究对象，以雷达采集数据为基础，根据交叉口交通运行特征，围绕异常数据辨识与高效处理等关键问题进行研究，形成了面向典型异常类型数据的特征定义、识别与处理方法，主要研究工作如下： （1）交叉口雷达检测数据采集频率分析。首先根据采样间隔时间阈值去除重复采样数据；其次采用极大似然估计法（Maximum Likelihood Estimate，MLE）拟合采样时间间隔分布参数并用P-P图与Q-Q图进行分布检验，结论表明雷达检测数据采样时间间隔符合Logistic分布。 （2）车辆轨迹数据提取方法研究与数据预处理。首先针对长时间内获取的雷达检测数据存在车辆ID重复问题，采用全局统一ID标号算法对雷达检测数据的车辆ID重新编号，使ID具有唯一性方便轨迹提取；其次，针对非均衡采样数据进行归一化处理；最后提出基于K-means++算法的检测数据分段处理策略，将整个轨迹数据集划分为交叉口物理区、进口道和出口道三个区域的数据集，实现交叉口轨迹数据的区域化精细划分。 （3）典型异常类型数据清洗方法研究。对典型的重复、噪声、缺失等异常数据进行定义，针对重复数据，提出基于交并比（IoU）的相似度衡量方法，实现高相似度数据滤除；针对噪声数据，根据交叉口不同区域的车辆运动学特征，提出基于卡尔曼滤波和改进S-G滤波的两阶段联合去噪算法，实现轨迹点噪声数据的高效识别与快速处理；针对缺失数据，采用距离-时间阈值法进行识别。 （4）车辆轨迹数据智能修复方法研究。针对轨迹数据的缺失问题，提出LSTM单步预测方法和LSTM-Seq2Seq多步预测方法，对进口道和出口道区域数据进行模型训练与实验，分析对比两种预测模型在横向距离和纵向距离上表现，验证了两个模型的有效性；最后进行缺失轨迹修复实验，对比进口道和出口道数据在不同缺失时间步下的预测效果，本文提出的LSTM-Seq2Seq多步预测模型在多个时间步轨迹点的修复中具有良好的效果。 通过本文的研究，显著降低了交叉口雷达检测数据异常比例，增强了数据的有效性、合理性和可应用性，为开展基于交叉口特征数据的智慧交通应用提供了良好的数据支撑。 |
| 作者： | 王秋明 |
| 专业： | 交通运输工程 |
| 导师： | 周涛;刘伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
