【摘 要】
：
准确及时地检测出高速公路交通拥堵的发生是相关部门采取管理措施，防止二次事故，减少经济损失的前提。传统的交通拥堵检测研究多基于单一数据源，受工作原理与方式的限制，基于单一数据源的检测难以全面反映高速公路的交通运行状态。随着高速公路数据采集手段的丰富，目前部分高速公路已拥有多种多样的交通数据源。综合利用多源数据间的互补性和冗余性，通过多源数据融合能够有效提高交通拥堵检测的准确率。然而现有的数据融合方法并不完全适用于高速公路交通拥堵检测，其检测率有待提高。以高速公路的实际环境和现有条件为基础，研究基于多源数据融
论文部分内容阅读
准确及时地检测出高速公路交通拥堵的发生是相关部门采取管理措施，防止二次事故，减少经济损失的前提。传统的交通拥堵检测研究多基于单一数据源，受工作原理与方式的限制，基于单一数据源的检测难以全面反映高速公路的交通运行状态。随着高速公路数据采集手段的丰富，目前部分高速公路已拥有多种多样的交通数据源。综合利用多源数据间的互补性和冗余性，通过多源数据融合能够有效提高交通拥堵检测的准确率。然而现有的数据融合方法并不完全适用于高速公路交通拥堵检测，其检测率有待提高。以高速公路的实际环境和现有条件为基础，研究基于多源数据融合的高速公路路段交通拥堵检测方法，对于交通管理者实施交通管制以及交通出行者规划出行方案具有重要的理论和实际研究意义。
论文通过分析车检器数据三参数间的相关关系，提出了检测断面交通拥堵的三维McMaster算法。为了充分利用收费数据，提出了SND-GMM算法检测路段交通拥堵。根据多源交通数据的检测形式及范围等特点，对单数据源检测结果进行决策级融合，实现对高速公路路段交通拥堵的检测。论文的主要内容包括：
①提出了基于车检器数据的三维McMaster算法。针对我国高速公路上的车检器布设密度不足以应用双截面检测算法而单截面检测算法通常检测率不高的问题，本文通过分析车检器数据中速度、流量、占有率三参数之间的相关关系，将传统McMaster算法扩展到三维参数空间中。利用重庆市高速公路上的实际数据验证表明：三维McMaster算法能够显著提高断面交通拥堵的检测率。
②提出了基于收费数据与卡口数据的SND-GMM算法。由于相邻互通收费站间收费数据较少，采用卡口数据对其进行补充，提取路段行程速度用于表征路段交通状态。针对传统SND算法误漏检较多且无法持续检测交通拥堵的问题，重新选择判别特征并利用高斯混合模型进行聚类分析，根据聚类结果检测路段交通拥堵。通过实际数据验证表明：SND-GMM算法能够有效地检测出路段交通拥堵。
③提出了基于FFM模型的多源数据决策融合方法。分析了多源数据决策融合交通拥堵检测与CTR预估的相似性，将FFM模型引入交通拥堵检测的研究中，实现对多源交通数据的决策级融合。实验结果表明，基于FFM模型的多源数据决策融合方法能够适用于交通拥堵检测，有效地提高了路段交通拥堵的检测率。
综上所述，本文提出的基于多源数据决策融合的高速公路路段交通拥堵检测方法能够在不增加现有成本的基础上提高对路段交通拥堵的检测率，具有较高的实用性和可行性，可为管理者和出行者提供及时、可靠以及有预见性的决策支持。
其他文献
近年来，随着全球城市化和工业的快速发展，气候变暖现象加剧，国际社会对气候变化和城市机动化的日益关注，共享单车凭借它低碳环保、操作便捷、有益身体健康等优点，已经在全世界很多地区和城市普及。共享单车不仅能为城市居民提供一种环保的出行方式，缓解了交通拥堵，还在“最后一公里”问题上与其他出行方式如地铁、公交等形成了良好的接驳作用。但是，用户的不规范行为和站点间的需求不平衡会影响用户正常的借还使用，大大降低了系统的运营效率，若不加以解决甚至会阻塞了原本的道路系统。这种不平衡的现象的根本原因是缺少高效的站点方案，因此
车辆目标检测是智能交通系统中的关键技术之一，对车辆目标的准确识别并精确定位有助于后续任务的进行。基于深度学习的图像目标检测是实现车辆目标检测的重要手段。SSD（Single Shot MultiBox Detector）作为目前精度和速度权衡最好的深度学习检测算法之一，已广泛应用于大量现实场景中。但直接利用现有的SSD进行车辆目标检测，性能尚无法完全满足需求。因此，研究适用于车辆目标的改进SSD算法以提高其检测精度进而满足车辆检测实际应用需求，具有重要的理论和实际意义。
论文在深入分析SSD算法
随着电子技术的突飞猛进，各种电子设备的应用越来越广泛，许多电子设备工作在多变甚至极端的环境当中，给设备的维护和诊断带来了巨大的压力。模拟电路在电子系统中占有重要地位，由于电子元器件的生产工艺、故障退化特性以及外界环境应力等影响，模拟电路中容易出现间歇故障，其频繁发生会带来较高的维修成本和很大的安全隐患。模拟电路中的间歇故障具有持续时间较短，反复随机出现，故障特征多变，在不经处理的情况下可以自动恢复正常功能等特点。由于间歇故障的不可预知性，其信号难以捕捉获取，不容易对其进行检测分析，也难对其进行诊断定位。为
液压系统是一类非线性特征突出的系统，具有多功能组成部件、多种操作模式、多工况时空耦合、多参数监测信号等特征。这类对象的自动化程度和系统规模日益增加，功能需求更加专业化和多样化，其运行和监测的复杂程度远较传统的液压系统更高受此影响，在运行过程中出现故障的可能性大大增加，形成液压系统以及更高一级系统的安全性和可靠性方面的风险。在分析了大量液压系统故障案例后发现，由于液压系统本身结构和机理的复杂特性，其系统内部结构无法直接观测，故障机理难以完整获取，故障类型种类较多，特别是在规模效应与上述特性复合作用的情况下，
近年来，对于不确定非线性系统的控制问题，许多专家和学者都提出了行之有效的控制方案。然而，这些控制方法大部分是在假设控制方向已知的情况下进行设计的，且控制模型主要针对单输入单输出（SISO）的非线性系统。此外，考虑到实际工程系统在运行过程中难免会存在异常输入特性，如执行器故障、输入死区、输入饱和等。而这些异常输入特性会对被控系统的性能产生无法预知的影响。因此，本论文针对三类多输入多输出（MIMO）的不确定非线性系统，以自适应控制、Nussbaum增益技术、神经网络技术、比例积分（PI）控制为主要工具，研究了
近些年来，由于多智能体系统协同控制在物理、自然科学和工程等方面，特别是在无人机编队飞行、多机器人编队控制、卫星姿态控制以及微生物聚集等方向的广泛应用，得到了学术界越来越广泛的关注，多智能体系统分布式协同控制研究也成为了当前研究的热点问题。脉冲控制方法只需要在脉冲时刻来进行信息传递，能降低通信过程中的信息冗余。
目前大多数关于脉冲控制的研究都是基于固定时间的脉冲，即脉冲输入信号仅发生在预先确定的固定时刻上。然而，在实际系统中，由于传感器的延迟，无法预知脉冲输入的具体时刻。由于可变脉冲理论研究的复杂
为满足日益增长的电能需求和减少环境污染，基于光伏、风电等可再生能源的分布式发电（Distributd Generation,DG）得以蓬勃发展。为实现对各种分布式发电单元灵活且高效益地协调控制，微电网概念应运而生。微电网作为一种将可再生能源灵活且可靠地集成到主电网中的解决方案，受到广泛研究与应用。微电网既可与大电网连接，运行在并网模式下，也可运行在孤岛模式下，且在发生随机故障时，能平稳地在这两种模式之间进行快速切换。然而，微电网中基于风电、光伏等可再生能源的DG输出功率具有随机性和间歇性的特点，这对微电网
纵观科学技术的研究发展史，研究具有类似人脑能力的技术一直都是创新的源泉。特别是在智能化发展的今天人工智能如火如荼，神经科学一直都起着积极的推动作用，而基于人脑网络的视觉认知模型的研究发展则离不开Spiking神经网络（Spiking Neural Network，简称SNN）。SNN最早源于生物学家们对生物神经系统是如何工作的探索，慢慢地随着人工智能技术的日益发展及快速更新，SNN也被越来越多地用于人工神经网络（Artificial Neural Network，简称ANN）所擅长的任务中。和人工神经网络
近年来，分数阶非线性系统的分布式协同控制被大量应用于生物、物理和工程系统中，如群集问题和机器人系统的编队等。作为一类特殊的多智能体系统（即只有一个领导者和一个跟随者），混沌同步控制是通信保密工程的重要研究点，吸引了众多研究者对其展开研究。多智能体系统的同步问题也是控制领域的非常重要并且颇有价值的一项基础研究，其核心目标是选择一种合适的控制协议使得整个网络中所有节点的状态能够达到一致。在混沌系统和多智能体系统的同步控制研究中，脉冲控制是一种非常有效的控制手段。本文以脉冲知识和分数阶系统的同步协调控制为研究主
目前无线电能传输技术（Wireless Power Transfer,WPT）有着广阔的应用背景，在钻井、医疗器械、电动汽车、水下设备等领域发挥着重要作用。在短距离的供电环境下，WPT技术有着非接触、不产生火花、安全性能高等优点，感应耦合电能传输技术（Inductively Coupled Power Transfer,ICPT）是其中一个重要分支也是近些年学者们的研究热点。
ICPT技术应用在众多领域下就会面临着各式各样不同的使用环境，其中金属环境是较为常见的一种。在工程设计中，金属在有着非常