基于交通流分析交通事件检测

基于交通流分析交通事件检测

ID:32247804

大小:6.08 MB

页数:49页

时间:2019-02-02

基于交通流分析交通事件检测_第1页
基于交通流分析交通事件检测_第2页
基于交通流分析交通事件检测_第3页
基于交通流分析交通事件检测_第4页
基于交通流分析交通事件检测_第5页
资源描述:

《基于交通流分析交通事件检测》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、摘要交通事什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

2、/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闽值去噪的影响最小。(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

3、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。关键词:“机理+辨识”预测策略白噪声分离小波去噪傅里叶级数重构去噪小波加权移动平均法短时交通流预测ABSTRACTReal—timetrafficincidentdetectioncanbetterhelptosolvetrafficcongestion。andd

4、ealwithtrafficincidentsquickly.Whendetectingtrafficincidentbasedontrafficflowforecasting,weshouldanalyzethetrafficflow,andtheseparationofwhitenoiseoftrafficflowsequenceisalsoveryimportant,whilethestudyofrelativelyrapidandeffectivepredictionmethodandthemethodforjudgingtrafficincidentwhe

5、therornothappened,arethekeysofmydissertation.Themaincontentsandresultsare:(1)Innumericalexperiments,underdifferentdecompositionlevels。wegetcorrespondingnoiseseriesviaWaveletDenoisingbychangingsignalfrequency办,decompositionlevelN,andwhitenoiseintensityQ.Thechi-squaretestvalue尤,mean丘,sta

6、ndarddeviation彦ofthesenoiseseriesweretakenasthequantitativeindicatorsofdenoising.Wefoundthatthesignalfrequencyisthemainfactorthatinfluencestheperformanceofwaveletthresholddenoising.Thesignalfrequencycannotbemorethan7/3980(thereare7sinewaveperiodsin3980points),whichisanunambiguousquanti

7、tativedescriptionof“low—frequencysignal,high—frequencynoise”.Thesecondimportantinfluencingfactoristhedecompositionlevel,itsrangeofpriorityiS3-10viaWaveletDenoising.Thelastisthewhitenoiseintensity.theavailable“frequency—noiseintensity’’rangeisbetweenthelinesThesepamtednoisesbythesepar

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。