區域交通流信息采集及殘缺信息修復

車輛工程專業畢業論文，論文編號:JX937  論文字數:25583.頁數:48

摘     要

 交通流機電檢測系統是智能交通系統的重要部分，采集獲得的交通流信息為城市交通規劃和交通管理提供重要基礎信息，是交通誘導系統有效實現的保證。然而，由于氣候和天氣變化、道路施工損壞、檢測器材線路故障、信息處理錯誤、無檢測器和檢測器安裝位置等原因，交通流信息的采集會出現不完備和缺失的情況，即交通流信息殘缺。為了獲取完整的交通流信息，深入探索交通流分布規律，亟需研究對這些殘缺信息進行修復的技術方法。
 根據對交通流信息殘缺的分析可以分為信息部分殘缺和信息完全殘缺。對信息部分殘缺修復提出了SARBF神經網絡擬合方法，先在空間數據庫中通過自相關性分析，找出與信息殘缺路口相關性較強的路口對象，再從屬性數據庫中選取各參加修復路口的歷史數據參加神經網絡訓練。對信息完全殘缺修復采用了拉格朗日插值法，在插值之前對參加修復的路口進行空間分布分析并對其編碼，取此編碼作為插值節點。
 完整的信息有是建立智能交通的前提。
 
關鍵詞：交通信息采集  殘缺信息修復  神經網絡  交通流理論

Abstract
 Traffic flow information electromechanical detected system is an important part intelligent transportation system. The collected traffic flow information is the guarantee of intelligent transportation guidance system, providing important basis. However, the traffic information is usually collected by the sensors buried at the node of traffic grid, however, defective information is always occurred due to the sensor failure of constructing, transmitting or processing and lack of sensor. Therefore, in order to provide complete information to display and explore the law of traffic distribution deeply, the defective information need to be mended.
 According to the analysis, the defective information can be divided into incomplete information and non-information, which can be repaired by SARBF neural network fitting method and Lagrange interpolation method respectively. The first step of SARBF neural network fitting method to repair the incomplete is selecting the data-complete intersections by autocorrelation analysis in spatial database, then obtain the RBF neural network training sample data of participated intersections to mend the defective data. When the non-information is repaired by Lagrange interpolation method, the interpolation nodes are selected by spatial encoding in GIS.
 
Keywords: traffic information collection；incomplete information on repair；neural networks；raffic flow theor
目  錄
摘     要 i
Abstract ii
目  錄 iii
第1章 緒 論 1
1.1 背景資料 1
1.1.1 智能交通系統 1
1.1.2 城市智能交通誘導技術 2
1.2 問題的提出 2
1.3 關鍵技術及研究現狀 3
1.3.1 WebGIS技術研究現狀 3
1.3.2 交通流殘缺信息修復技術 4
1.4研究內容及論文組織結構 6
1.4.1內容 6
1.4.2文組織結構 7
第五章 總結與展望：對本文所做的工作進行了總結概括，并對其中的不足部分提出了展望。 8
第2章 交通流信息 9
2.1 引言 9
2.2 交通流動態信息 9
2.2.1 交通流采集系統 9
2.2.2 交通流信息殘缺的分析 10
2.2.3 交通流車流量數據 10
2.3 交通流靜態信息 11
2.3.1 GIS技術 12
2.3.2 GIS的功能 12
2.3.3 GIS電子地圖基本數據要求 13
2.4 基于WebGIS的交通流殘缺信息修復系統 13
2.5 本章小結 14
第3章 區域交通流殘缺信息修復方法 15
3.1 引言 15
3.2 基于區域交通流信息殘缺修復的空間關系分析 15
3.3 區域交通流信息完全殘缺的插值法修復 17
3.3.1 拉格朗日插值 18
3.3.2 基于拉格朗日插值的交通流信息完全殘缺修復 19
3.3.3 基于拉格朗日插值的交通流信息完全殘缺修復方法舉例 20
3.4 區域交通流信息部分殘缺的SARBF修復方法 23
3.4.1 RBF神經網絡 23
3.4.2 基于SARBF神經網絡擬合的交通流信息部分殘缺修復 24
3.4.3 基于SARBF神經網絡擬合的交通流信息部分殘缺修復方法舉例 27
3.5 本章小結 29
第4章 基于WebGIS 的交通流殘缺信息修復系統實現 30
4.1 引言 30
4.2 需求分析 30
4.3 系統設計 30
4.4 數據庫及模塊設計 33
4.4.1 數據庫設計 33
4.4.2 模塊設計 34
4.5 系統實現 35
4.5.1 客戶端設計 36
4.5.2 服務器設計 37
4.5.3 案例實現 38
4.6 本章小結 41
第5章  總結與展望 42
5.1  總結 42
5.2  展望 42
參考文獻 43
致  謝 44