基于蜂窩無線定位的交通信息采集技術(shù)研究.pdf

1、基于蜂窩無線定位的交通信息采集近年來得到了廣泛關(guān)注，與傳統(tǒng)的道路嵌入式傳感器、路面視頻采集器以及基于GPS浮動車等交通采集方式相比，具有開發(fā)維護成本低、覆蓋范圍廣、部署快捷簡單、適應(yīng)性強等特點，因此研究基于蜂窩定位的交通信息采集具有重要的理論意義和應(yīng)用價值。本文從以下幾方面展開了研究：
　　 1.針對有約束的多元函數(shù)極小值求解時隨機初始化估計位置可能收斂得到局部最優(yōu)解的問題，提出一種帶約束的二次規(guī)劃方法，得到了與實際移動臺和散射

2、點位置接近的初始位置估計，改善了定位精度。
　　 2.提出利用移動臺出發(fā)角來代替散射點的位置坐標(biāo)，建立了定位優(yōu)化模型，采用改進的粒子群算法求解，從而減少了需求解的個數(shù)又在移動臺估計位置范圍內(nèi)尋找最優(yōu)解，提高了定位的精度。
　　 3.提出了移動臺識別和移動臺聚類的改進算法以確定采集車輛的位置，為了減少位置誤差，設(shè)計了一種地圖匹配算法，通過匹配前對車輛軌跡進行平滑，并提取車輛軌跡的多源特征信息，然后進行多特征的相似性模糊綜合

3、評判，提高了匹配的可靠性。
　　 4.針對浮動車在路網(wǎng)中運行具有不確定性，無法按照具有不同的交通幾何條件和交通狀態(tài)的道路來采集交通數(shù)據(jù)的局限，提出了基于蜂窩小區(qū)采集交通信息的方法，給出了采樣參數(shù)的設(shè)置和交通速度、行程時間和交通流估計的方法。
　　 5.提出了一種在預(yù)測中充分考慮相似交通狀態(tài)和交通條件的交通流預(yù)測方法，利用回歸混合曲線聚類的方法分類不同的交通狀態(tài)，實現(xiàn)了不同交通狀態(tài)和交通條件下的交通流的有效預(yù)測。