导读:本文包含了交通数据融合论文开题报告文献综述及选题提纲参考文献，主要关键词:城市交通系统,交通诱导系统,自匹配数据融合,动态GIS路网
交通数据融合论文文献综述
李祖文,何增镇,苏红帆,农昭光[1]（2019）在《基于自匹配模块的城市交通数据动态融合处理系统》一文中研究指出为了有效改善城市交通的路况,结合动态的数据采集模块、动态GIS路网、动态数据去噪模块以及自匹配数据融合模块等,针对交通信息处理、共享和发布中的技术难点,设计基于自匹配模块的城市交通数据动态融合处理系统。通过对多条道路的路况进行实时地监管和数据分析,从而满足交通参与者在城市交通方面的出行道路信息、信息管理和路况管理等各种需求。(本文来源于《计算机应用与软件》期刊2019年06期）
刘兆惠,李倩,王超,徐友春[2]（2018）在《基于小波卡尔曼滤波的高速公路交通数据融合去噪算法研究》一文中研究指出为去除交通信息采集过程中的噪声干扰,提出了一种基于小波分析和卡尔曼滤波相融合的交通数据去噪算法。该算法通过小波系数计算小波方差并代替卡尔曼滤波的初始协方差完成迭代,将小波阈值去噪重构后的信号作为卡尔曼滤波器状态最优估计中的测量值输入,实现了交通数据的分解去噪和最优估计。实例分析结果表明:一方面小波-卡尔曼滤波融合去噪算法的去噪指标优于小波分析算法;另一方面采用去噪后的实时交通数据建立时间序列预测模型,由叁项预测误差评价指标及拟合预测图对比可知,小波-卡尔曼滤波融合去噪算法较小波分析算法可更好地提高预测精度,从而综合验证该融合算法能有效去除交通数据中的噪声干扰,并提高其数据质量。(本文来源于《公路工程》期刊2018年06期）
陆百川,舒芹,马广露[3]（2019）在《基于多源交通数据融合的短时交通流预测》一文中研究指出不同类型交通检测器所获取的交通数据中包含了不同的交通信息,交通流预测在交通管理与控制中具有重要作用,基于此,进行了多源交通数据动态加权融合和短时交通流预测。在综合分析多源数据特性及其融合优势的前提下结合遗传算法的全局搜索及小波神经网络的自适应学习优点,提出了基于多源数据融合与遗传-小波神经网络(GA-WNN)的短时交通流预测模型。通过实例验证分析,基于GA-WNN的交通数据融合方法比其他方法更有优势;同时,多源数据融合的预测精度优于单一数据源的短时交通流预测序列,从而能为交通管理者的判断决策与交通出行者的路径选择提供更准确、全面的交通信息。(本文来源于《重庆交通大学学报(自然科学版)》期刊2019年05期）
陈磊,王江锋,谷远利,闫学东[4]（2019）在《基于思维进化优化的多源交通数据融合算法》一文中研究指出针对交通数据多传感器融合算法精度不足、稳定性差等问题,提出一种基于思维进化算法(MEA)优化的BP神经网络(MEA-BP)融合算法。借助MEA所具有的"趋同"和"异化"操作,在介绍基本原理的基础上,设计了用于优化BP神经网络初始权值和阈值并定向搜寻最优BP神经网络融合模型的融合算法计算步骤。基于所选取的区间速度数据进行实证分析,结果表明:MEA-BP融合算法较BP神经网络算法具有更好的收敛性,在精度和稳定性方面分别提升了9. 38%和31. 44%;时间敏感性分析显示,MEA-BP融合算法也具有良好的可移植性。(本文来源于《吉林大学学报(工学版)》期刊2019年03期）
刘军建[5]（2018）在《基于多源交通数据融合技术的路况分析研究》一文中研究指出多源数据融合技术中融合了多源数据,通过数据提取、融合、整理,形成分析数据集,为做出合理决策提供科学建议。将多源交通数据融合技术应用到路况分析中可以通过多源交通数据分析,准确了解路况情况,对有效缓解拥堵有极大的帮助。(本文来源于《数字技术与应用》期刊2018年06期）
林彬[6]（2018）在《基于交通数据融合的行程速度预测研究》一文中研究指出本文主要针对智能交通系统(Intelligent Transport System,简称ITS)领域中交通数据融合在预测行程速度方面展开分析与研究。一方面,行程速度是反映交通状态的硬性指之一。在实际的交通路况中,由于通行量在一天中的起伏较大,使得交通数据流的时空变化规律具有时变性,这间接导致行程速度依赖于交通流的变化。因此,准确的行程速度预测是反映ITS提供服务的重要基础数据。另一方面,由于行程路段上的交通数据具有高度的不确定性、随机性和复杂性,基于感应线圈和GPS浮动车的单类型检测器在对行程速度预测方面,两者取得的效果并不是令人很满意。鉴于两种检测技术在预测速度方面的互补性,本文在多源交通数据融合的基础上,提出改进的BP神经网络算法对其两种检测器预测到的行程速度进行融合,以期望进一步提高行程速度的准确性。首先,对感应线圈检测器和GPS浮动车检测器获取的交通数据用阈值法和交通流理论法对问题数据进行识别,对这些数据进行修正。本文提出了相邻时段数据平均值法,从而提高采集数据的质量。接着介绍了数据融合的原理、概念、层次和方法,对数据融合技术在先进的交通信息系统中的应用进行了宏观层面上的研究。对于不同单类型检测器在预测行程速度方面。本论文在对多辆浮动车数据(Floating Car Data,简称FCD)融合算法预测行程速度上,引入了浮动车(Floating Car,简称FC)单样本的基础权重值、处理策略权重值、路况状态权重值及其叁者所对应的融合系数,通过融合算法对行程速度进行预测。最后,由于单类型检测器在计算行程速度的不准确性,故提出了一种改进的反向传播(Back Propagation,简称BP)神经网络对两种检测器获取的行程速度数据进行融合的方法,从而建立了基于交通数据融合的行程速度预测模型。(本文来源于《杭州电子科技大学》期刊2018-03-01）
戴秀斌,陈新宇,李婷,沙志仁[7]（2017）在《城市路网多源交通数据融合分析方法》一文中研究指出智能交通系统的研发是缓解城市交通拥堵的重要举措,其中综合利用多种来源的交通流检测数据,通过数据融合分析,得到更准确的道路路况、更丰富的交通出行信息(如出行需求、出行路径),更全面地掌控城市交通出行态势及出行特征,显得越来越重要。本文基于城市多种检测器共存的条件,结合城市交通出行特征和需求,提出多源数据融合分析的流程和方法。(本文来源于《第十二届中国智能交通年会大会论文集》期刊2017-11-22）
于景[8]（2017）在《基于卡尔曼滤波的道路交通数据融合研究》一文中研究指出数据融合技术是一项通过综合利用信号处理、计算机技术、控制原理、数理统计等方面的相关理论与技术,把布置于多个位置、处于不同运行状态的多个传感器所提供的数据与信息实现综合处理,从而获得对研究对象的相对全面有用信息的技术。伴随着计算机技术和信息处理技术的突飞猛进,数据融合技术逐步拓展至交通领域,交通数据融合成为了智能交通中的核心基础问题。在利用单一类型传感器的传统信息获取方式中,大多数是通过历史数据和提取的交通数据进行对比给出预测结果,尽管单一传感器技术在交通领域中很多方面都得到使用,但依然存在无法获取足够全面的信息问题。因此,当前数据融合的首选是通过多传感器来获取实时的交通数据对其融合,获得更加全面准确地交通信息并实施有效的交通控制。论文做了以下工作:(1)从研究背景及意义入手,深入剖析数据融合技术在交通领域的地位及意义。对数据融合定义和国内外数据融合技术的发展现状进行详细阐述,总结分析近年来专家学者的研究进展并给出未来多传感器数据融合技术的研究趋势。(2)对常用的数据融合算法进行了深入研究和对比,对每种方法具体分析了基本理论、数据融合过程以及核心思想。由于卡尔曼滤波在导航定位和跟踪中应用的很广泛并且精度极高,并结合道路交通对数据的实时性、准确性的性能要求,选择采用卡尔曼滤波算法作为进行数据融合的基本融合方法,同时引入联合卡尔曼滤波法。(3)通过对数据融合系统结构的设计以及数据融合最优准则的研究,选择分布式结构和按标量加权的最优准则。对联合滤波器的基础、结构和算法流程进行分析,构建道路交通数据融合系统对交通数据实现融合,并对局部滤波器和主滤波器予以分析。(4)基于实例对交通融合结果进行误差对比分析,针对同一采集时间的交通数据信息,在精度方面将基于联合卡尔曼滤波的融合数据与实际交通数据对比,得出采用联合卡尔曼滤波的交通数据融合融合方式精度得到大大提高,从而验证了本研究。(本文来源于《大连交通大学》期刊2017-06-30）
王磊[9]（2017）在《公共交通数据的融合研究与上海市实践》一文中研究指出大数据环境下,各种异构系统的数据在交通领域交汇,描述不同侧面的数据该如何在碰撞中提升附加值。在上海市公共交通多元化的采集机制中,反映公共汽车位移特征的GPS数据和乘客出行特征的IC卡数据没有直接关联,大量采集信息不能为公交规划及决策提供有价值地量化支撑。以上海市公共交通数据环境为例,开展多元数据融合的相关技术研究,以化解需求与数据间的矛盾。(本文来源于《2017年中国城市交通规划年会论文集》期刊2017-06-09）
史学文[10]（2017）在《高速公路多源交通数据融合方法研究及系统开发》一文中研究指出随着我国高速公路的持续发展,出现了一系列的高速公路交通问题,如交通拥堵、事故频发、环境污染等。这些问题的产生使得人们对我国高速公路存在的主要问题及发展方向的研究变成了一个迫切的课题。但是由于我国高速公路的建设速度与管理经验累积并不成正比增长关系,因此需要我们投入更多的精力去分析和解决这些问题。研究高速公路的交通问题,首先要从其交通流状态出发,而获取高速路网交通流运行状态信息及车辆运行规律分布是展开研究的基础与前提。本文以连霍高速公路—G30(江苏段)为研究对象,对该路段的交通状态展开了一系列的研究。首先,本文对高速公路上的多种交通信息检测技术、高速路段的基本特性、数据融合的发展及技术特点等方面做了详细的描述。确定了该路段上的两种主要检测手段—收费站和交调站,以它们的检测数据为基础,提出了基于这两种检测手段的ArcGIS时空匹配方法,选用并改进了一套基于两种数据的交通信息提取与预处理方法。依据两种数据的交通提取信息,对高速公路的交通流特性做了相关阐述。其次,结合两种数据和小波神经网络在短时交通流预测中的特点及优势,构建了基于这两种数据的小波神经网络融合预测模型,并选用了权值分配方法作为融合预测的对比模型。通过以相对误差为主的叁种融合预测效果评价指标,确定了本文研究的基于高速公路的多源交通数据融合模型。在融合预测结果的基础上,建立了能够依据历史融合结果对路段交通流状态进行实时预测的卡尔曼滤波模型。再次,通过单检测器对研究路段的检测数据,对研究路段的交通数据特征和交通流状态做了基本的分析。以此为出发点,对多源数据融合预测模型进行了实例验证,同时依据历史交通信息,对路段的交通流状态进行了实时估计。最后,介绍了以多源交通数据融合为核心的高速公路交通流综合感知系统的开发设计,该部分主要从系统设计思路、系统需要实现的关键问题及多源数据融合结果Web输出展示叁个方面做了主要的介绍。(本文来源于《北京交通大学》期刊2017-06-01）
交通数据融合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为去除交通信息采集过程中的噪声干扰,提出了一种基于小波分析和卡尔曼滤波相融合的交通数据去噪算法。该算法通过小波系数计算小波方差并代替卡尔曼滤波的初始协方差完成迭代,将小波阈值去噪重构后的信号作为卡尔曼滤波器状态最优估计中的测量值输入,实现了交通数据的分解去噪和最优估计。实例分析结果表明:一方面小波-卡尔曼滤波融合去噪算法的去噪指标优于小波分析算法;另一方面采用去噪后的实时交通数据建立时间序列预测模型,由叁项预测误差评价指标及拟合预测图对比可知,小波-卡尔曼滤波融合去噪算法较小波分析算法可更好地提高预测精度,从而综合验证该融合算法能有效去除交通数据中的噪声干扰,并提高其数据质量。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
交通数据融合论文参考文献
[1].李祖文,何增镇,苏红帆,农昭光.基于自匹配模块的城市交通数据动态融合处理系统[J].计算机应用与软件.2019
[2].刘兆惠,李倩,王超,徐友春.基于小波卡尔曼滤波的高速公路交通数据融合去噪算法研究[J].公路工程.2018
[3].陆百川,舒芹,马广露.基于多源交通数据融合的短时交通流预测[J].重庆交通大学学报(自然科学版).2019
[4].陈磊,王江锋,谷远利,闫学东.基于思维进化优化的多源交通数据融合算法[J].吉林大学学报(工学版).2019
[5].刘军建.基于多源交通数据融合技术的路况分析研究[J].数字技术与应用.2018
[6].林彬.基于交通数据融合的行程速度预测研究[D].杭州电子科技大学.2018
[7].戴秀斌,陈新宇,李婷,沙志仁.城市路网多源交通数据融合分析方法[C].第十二届中国智能交通年会大会论文集.2017
[8].于景.基于卡尔曼滤波的道路交通数据融合研究[D].大连交通大学.2017
[9].王磊.公共交通数据的融合研究与上海市实践[C].2017年中国城市交通规划年会论文集.2017
[10].史学文.高速公路多源交通数据融合方法研究及系统开发[D].北京交通大学.2017