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 |