论文部分内容阅读
交通状态主要表示为交通流状态,宏观上主要是指城市道路交通的拥堵程度。在城市道路交通控制过程中,交通状态的判定是前提和基础。传统的交通状态判定的研究通常是针对高速路和快速路的,但是城市路网相对于高速路和快速路具有路况复杂、情况多变的特点。伴随着城市交通问题日益严重,因此针对城市道路交通状态的判定也成为智能交通(Intelligent Transportation System,ITS)领域的一个研究热点。本文提出了一个通过无线传感器网络(Wireless Sensor Network,WSN)来获取道路交通流参数信息,并及时对路段交通状态进行判定的模型。该模型可实现交通状态检测和判定。本文首先分析了现有交通流参数获取技术及其特性。针对现有交通流参数获取技术的不足,提出了基于磁传感器的WSN节点的交通流参数检测模型,并说明该模型在交通流参数检测上的优势。在车速的测量上,通过总结Berkeley大学PATH报告中采用2节点车速测量模型,阐述其存在的缺陷,并提出3节点车速采集模型,并通过实验验证了该模型相对于2节点模型具有较高的精确度。同时,为了满足交通流获取需要长期部署的特点,结合Duty-cycling节能策略和交通流变化特性,提出了Duty-cycling-V节能策略,并通过理论实验证明该策略在一定程度上可以降低能耗,延长系统使用寿命。其次,本文总结现有交通状态判定算法,并结合城市交通状态判定具有模糊性和不确定性的特点,说明模糊理论在城市交通状态判定应用上的优势。本文中主要通过利用模糊C均值聚类算法(Fuzzy C-Means Algorithm,FCM)来对交通状态特征进行提取,进而利用已获得的交通状态特征和实时检测的交通流参数信息对交通状态进行判断。同时,结合FCM算法为无监督聚类算法,其忽略了过程中有用信息,提出采用无监督聚类算法来对数据样本进行降维处理的方法,通过将连续多次迭代分类结果进行按类数编码,获取判定降维开始的可行条件及聚类结束条件,并以降维数据为数据样本,继续进行聚类分析,快速完成数据特征提取。并通过实验证明其有效性和正确性。