發(fā)布時間：2020-12-14 22:04

　　目前我國高速公路發(fā)展迅速,里程不斷增加,由于地域差異大,氣象條件多變,增加道路行車安全隱患,尤其在低能見度條件下,交通事故頻發(fā),檢測交通事件的難度增大。因此需實時、準(zhǔn)確地采集道路動態(tài)及多樣的交通信息,為交通事件檢測及誘導(dǎo)方案的提出提供依據(jù)。到目前為止,交通信息采集主要有感應(yīng)線圈、視頻、微波、超聲波、紅外、GPS定位、電子標(biāo)簽等方式。目前的檢測技術(shù)存在價格昂貴、系統(tǒng)復(fù)雜、對路面結(jié)構(gòu)產(chǎn)生損害、低能見度環(huán)境條件效果差等問題。而微波具有對移動物體反應(yīng)靈敏、檢測速度快等特點;音頻也屬于交通信息檢測技術(shù)之一,車輛的自發(fā)聲是車輛行駛狀態(tài)的一種表現(xiàn)形式。車輛的運動狀態(tài)具有移動和自發(fā)聲雙重特點,利用音頻和微波對道路車輛運動狀態(tài)的檢測具有互補性強、安裝方便、對路面結(jié)構(gòu)無損害、低能見度環(huán)境表現(xiàn)良好等優(yōu)點。因此本文采用微波和音頻兩種采集技術(shù)實現(xiàn)對行駛車輛信息的采集,通過采集的車輛信息實現(xiàn)車輛定位及運動狀態(tài)的識別研究。本文首次采用微波的脈沖信號實現(xiàn)車輛運動狀態(tài)的研究分析;通過采集道路有標(biāo)簽的音頻數(shù)據(jù)實現(xiàn)車輛行車車道級定位檢測研究;針對單一微波和音頻在車輛檢測中存在的誤檢率高等問題,利用微波+音頻實現(xiàn)基于表決層融... 

【文章來源】：重慶交通大學(xué)重慶市

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【部分圖文】：

009年-2018年中國公路貨運量及增速

1第一章緒論1.1本文依托課題本論文依附于重慶市科委社會民生科技創(chuàng)新專項項目“基于互聯(lián)網(wǎng)+險危環(huán)境信息服務(wù)的烏魯木齊繞城高速智慧交通關(guān)鍵技術(shù)研究”（cstc2016shmszx30026）。1.2研究背景與意義高速公路是經(jīng)濟發(fā)展的重要支柱，是交通運輸?shù)拇髣用}[1]。尤其現(xiàn)如今線上線下聯(lián)動發(fā)展，對于交通的需求將更加旺盛。截至2018年底，全國高速公路里程已突破14萬公里。僅僅2018年新增高速公路6000公里，里程規(guī)模已遙遙領(lǐng)先其它國家。下圖1.1和圖1.2顯示的是2009年-2018年中國公路貨運量及客運量情況。圖1.12009年-2018年中國公路貨運量及增速圖1.22009年-2018年中國公路客運量及增速

15測器區(qū)分出車輛的大致位置，從而實現(xiàn)對車輛的定位。而通過相對位置進行判斷需要多傳感器采集到車輛與一定物體的相對距離實現(xiàn)定位。S1S2EMKsensor1sensor2sensor3圖2.4多傳感器相對距離實現(xiàn)定位圖中S1和S2為行車道，E為應(yīng)急車道，M為路肩，K為道路隔離帶，sensor1、sensor2和sensor3為三路傳感器檢測單元，根據(jù)其相對位置判斷車輛的位置。2.4運動狀態(tài)識別相關(guān)算法2.4.1循環(huán)神經(jīng)網(wǎng)絡(luò)在機器學(xué)習(xí)中，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型其實是一種數(shù)學(xué)意義上度量向量之間的相似性的方法，該方法實現(xiàn)不同向量之間相似性的差別度量，根據(jù)差別性實現(xiàn)分類。最簡單的線性分類就是一個很好的例子，如下圖2.6所示。x11zybw1g(z)圖2.5簡單的線性分類結(jié)構(gòu)圖2.6線性分類效果圖+=bxwz11（2.7）=)(yzg（2.8）公式（2.7）是線性分割線，1w是分隔線的斜率，b是偏置，z是對應(yīng)坐標(biāo)軸

【參考文獻】：
期刊論文
[1]雙動態(tài)條件下多傳感器融合的車輛檢測方法研究[J]. 劉志強,張中昀,倪捷,張騰.  機械設(shè)計與制造. 2018(S2)
[2]基于YOLOv2算法的運動車輛目標(biāo)檢測方法研究[J]. 龔靜,曹立,亓琳,李良榮.  電子科技. 2018(06)
[3]基于深度置信網(wǎng)絡(luò)的多源信息前方車輛檢測[J]. 王戰(zhàn)古,高松,邵金菊,譚德榮,孫亮,于杰.  汽車工程. 2018(05)
[4]我國公路低能見度災(zāi)害風(fēng)險評估與區(qū)劃研究[J]. 李藹恂,吳昊,柳艷香,楊靜,田華,潘進軍.  氣象. 2018(05)
[5]微波感應(yīng)器的原理和應(yīng)用[J]. 張海斌.  電子制作. 2018(10)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的小樣本車輛檢測與識別[J]. 吳玉枝,吳志紅,熊運余.  計算機技術(shù)與發(fā)展. 2018(06)
[7]淺談微波檢測技術(shù)應(yīng)用于高速流量自動采集[J]. 王鐳,張宇英.  中國自動識別技術(shù). 2017(06)
[8]基于MFCC和支持向量機的裝甲車輛識別研究[J]. 孫國強,樊新海,石文雷.  國外電子測量技術(shù). 2017(10)
[9]環(huán)境監(jiān)測中多傳感器數(shù)據(jù)融合研究[J]. 劉靜,李富忠,荊瑞俊.  山西農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2017(05)
[10]基于UWB/DGNSS的高速公路車輛精確定位方法的研究[J]. 陳梟,崔學(xué)榮,宋會英.  微型電腦應(yīng)用. 2017(03)

博士論文
[1]多傳感器光測系統(tǒng)數(shù)據(jù)融合技術(shù)的應(yīng)用研究[D]. 譚振江.中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所） 2003

碩士論文
[1]基于圖像分析的團霧檢測預(yù)警系統(tǒng)設(shè)計[D]. 徐放.南京理工大學(xué) 2017
[2]霧對高速公路行車的影響及對策研究[D]. 楊鑫宇.長安大學(xué) 2014
[3]基于視頻檢測技術(shù)的車流量統(tǒng)計算法研究[D]. 夏麗.武漢理工大學(xué) 2012



本文編號：2917085