区域交通流信息采集及残缺信息修复

车辆工程专业毕业论文，论文编号:JX937  论文字数:25583.页数:48

摘     要

 交通流机电检测系统是智能交通系统的重要部分，采集获得的交通流信息为城市交通规划和交通管理提供重要基础信息，是交通诱导系统有效实现的保证。然而，由于气候和天气变化、道路施工损坏、检测器材线路故障、信息处理错误、无检测器和检测器安装位置等原因，交通流信息的采集会出现不完备和缺失的情况，即交通流信息残缺。为了获取完整的交通流信息，深入探索交通流分布规律，亟需研究对这些残缺信息进行修复的技术方法。
 根据对交通流信息残缺的分析可以分为信息部分残缺和信息完全残缺。对信息部分残缺修复提出了SARBF神经网络拟合方法，先在空间数据库中通过自相关性分析，找出与信息残缺路口相关性较强的路口对象，再从属性数据库中选取各参加修复路口的历史数据参加神经网络训练。对信息完全残缺修复采用了拉格朗日插值法，在插值之前对参加修复的路口进行空间分布分析并对其编码，取此编码作为插值节点。
 完整的信息有是建立智能交通的前提。
 
关键词：交通信息采集  残缺信息修复  神经网络  交通流理论

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  录
摘     要 i
Abstract ii
目  录 iii
第1章 绪 论 1
1.1 背景^论文 1
1.1.1 智能交通系统 1
1.1.2 城市智能交通诱导技术 2
1.2 问题的提出 2
1.3 关键技术及研究现状 3
1.3.1 WebGIS技术研究现状 3
1.3.2 交通流残缺信息修复技术 4
1.4研究内容及论文组织结构 6
1.4.1内容 6
1.4.2文组织结构 7
第五章 总结与展望：对本文所做的工作进行了总结概括，并对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 交通流动态信息 9
2.2.1 交通流采集系统 9
2.2.2 交通流信息残缺的分析 10
2.2.3 交通流车流量数据 10
2.3 交通流静态信息 11
2.3.1 GIS技术 12
2.3.2 GIS的功能 12
2.3.3 GIS电子地图基本数据要求 13
2.4 基于WebGIS的交通流残缺信息修复系统 13
2.5 本章小结 14
第3章 区域交通流残缺信息修复方法 15
3.1 引言 15
3.2 基于区域交通流信息残缺修复的空间关系分析 15
3.3 区域交通流信息完全残缺的插值法修复 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残缺修复 19
3.3.3 基于拉格朗日插值的交通流信息完全残缺修复方法举例 20
3.4 区域交通流信息部分残缺的SARBF修复方法 23
3.4.1 RBF神经网络 23
3.4.2 基于SARBF神经网络拟合的交通流信息部分残缺修复 24
3.4.3 基于SARBF神经网络拟合的交通流信息部分残缺修复方法举例 27
3.5 本章小结 29
第4章 基于WebGIS 的交通流残缺信息修复系统实现 30
4.1 引言 30
4.2 需求分析 30
4.3 系统设计 30
4.4 数据库及模块设计 33
4.4.1 数据库设计 33
4.4.2 模块设计 34
4.5 系统实现 35
4.5.1 客户端设计 36
4.5.2 服务器设计 37
4.5.3 案例实现 38
4.6 本章小结 41
第5章  总结与展望 42
5.1  总结 42
5.2  展望 42
参考文献 43
致  谢 44

相关论文