基于数据融合的城市道路交通状态判别算法研究

本论文所依托的科研项目为:国家高技术研究发展计划(863计划)《新一代智能化交通控制系统关键技术研发》子课题“交通控制相关状态获取技术”。 目前城市道路中交通问题越来越严重,在路网规模一定的条件下,动态管理措施如交通控制系统、交通诱导系统越来越重要,而这些措施都需要准确、可靠的道路交通状态信息,因此,对城市道路交通状态的判别已成为交通管理者和学者们研究的热点。 交通状态判别方法设计的前提是要确定适当的交通状态度量标准,交通状态度量标准在很大程度上影响交通状态判别算法的效果,因此对交通状态进行合理的划分并确定度量的方法至关重要。 目前城市道路中不仅有固定交通检测器,移动交通检测器也受到越来越多的关注。不同的数据源,交通参数的表现特性不同,因此需要根据不同检测器数据的特点设计相应的交通状态判别算法。在基于路段交通参数的交通状态判别算法中,移动交通检测器样本量问题是一个很关键的问题,样本量的大小决定了交通状态判别结果的可靠性,因此本文对交通状态判别结果可靠性与样本车数量之间的关系进行了研究。在基于地点交通参数的交通状态判别算法中,根据目前城市主次干路中最常见的三种检测器布设形式及各自采集的数据特点,设计了不同的输入参数,同时运用模糊聚类算法实现路段交通状态的判别。 随着城市道路系统中检测设备的多样化,同一路段可以同时获得多个交通状态判别结果,如果这些交通状态判别结果不一致,交通管理者就无法对外发布信息,因此设计基于决策级融合的ACI算法是十分必要的。模糊综合评判算法作为一个多因素决策法可以很好的实现对多个交通状态判别结果的融合,大大提高了交通状态判别结果的可靠性。