详情

原文传递基于交通流分析的交通事件检测

论文题名：	基于交通流分析的交通事件检测
关键词：	预测策略;白噪声分离;小波去噪;小波加权移动平均法;短时交通流分析;交通事件检测
摘要：	交通事件的实时检测能够较好的帮助解决交通拥堵，快速的处理相应的交通事件等问题。当利用交通流预测进行交通事件检测时，首先应对交通流进行分析，其中对交通流进行白噪声分离是必不可少的，同时寻找到比较快速，效果较好的预测方法，以及判断交通事件发生与否时采用的方法将会是研究的重点。　　本论文的主要研究内容和成果如下：　　 (1)小波去噪数值实验中将输入信号的频率、叠加白噪声的强度，以及小波分解的层数，作为研究小波阈值去噪性能的3个影响因子。利用去噪后噪声序列的卡方检验值、均值误差、标准差误差作为评判小波去噪性能的标准。我们发现：输入信号频率对于小波阈值去噪的影响最大，一般不应高于7/3980(即3980点对应7个正弦信号的周期)。这是对现有“信号低频、噪声高频”条件的定量的精细化。以及小波分解层数对于小波去噪的影响居于第二位，一般在3～10层之间为宜。还有噪声强度在输入信号的频率、叠加的白噪声的强度，以及小波分解的层数之中对于小波阈值去噪的影响最小。　　 (2)利用差分法和小波法对交通流进行白噪声的分离，发现差分法去噪对低频信号高频噪声的效果要优于小波去噪，利用差分法结合小波法进行去噪，能够较好的分离白噪声。　　 (3)数值实验验证了傅里叶级数重构不仅可以进行时间序列分离白噪声，且在一定条件比小波去噪法更加有效，并能较好的不受奇异点的干扰。　　 (4)提出小波加权移动平均法预测方法，将其与简单移动平均法，指数平滑法进行对比研究发现，在平稳交通预测中小波加权移动平均法与指数平滑法效果相当，但都比简单移动法要好。而且小波加权移动平均法在预测上升交通流时要优于其他两种方法。　　 (5)提出基于数理统计与稳健统计的交通事件判别方法，给出步骤，并通过实例给出交通事件发生的概率。
作者：	李栋
专业：	控制工程
导师：	杨正瓴;柳军
授予学位：	硕士
授予学位单位：	天津大学
学位年度：	2011
正文语种：	中文