基于数据融合的短时交通流预测与智能交通信号系统的研究

随着经济的发展和社会的进步,交通问题日益突出。作为有效解决现有道路交通问题的途径,发达国家正在竞相研究智能交通系统(ITS)。ITS将成为21世纪现代化地面交通运输体系的发展方向,是交通运输进入信息时代的重要标志。以交通流量为重要内容的道路交通信息是所有ITS项目不可缺少的基础,准确地预测交通流量是ITS的关键所在,也是交通流诱导研究的重要环节。交通流量是一个时变的非线性系统,其内部变量、输入变量众多,结构复杂。其中短时交通流预测是动态交通控制和诱导的前提。 由于近年来,随着计算机技术和传感器技术的迅速发展,多传感器数据融合理论及其相关技术已在许多军事及民用领域得到了广泛的应用。基于此,本文提出了一种基于分步式滤波的数据融合算法(Fusion Algorithm of Filtering Step By Step ,简记FAFSS)的短时交通流量预测模型,该模型与传统的基于卡尔曼滤波(KF)理论的预测模型相比,不仅减少了计算量,降低了模型对中心处理器的要求,而且保证了预测的精确度。论文还利用澳大利亚某高速公路所采集的数据进行了预测仿真实验。实验结果表明该算法确保了预测精度,简化了计算量,提高了响应速度,可以实现对交通流量的实时预测。 本文还介绍了实验室研制的基于以太网的城市智能交通信号控制系统的组成及其功能,并详细讲述了基于Delphi的智能交通信号控制系统的上位机软件的实现过程,其中包括灯色方案数据表的形成过程,相位配时方案的设置,时段方案的设置以及表中数据、步伐时间数据的网络传输过程。系统中网络传输采用UDP通信协议实现。实验结果表明,人机界面友好,操作方便,数据传输稳定,实时性好。