基于數(shù)據(jù)融合的交通物聯(lián)網(wǎng)感知節(jié)點(diǎn)研究與應(yīng)用.pdf

1、目前傳感器網(wǎng)絡(luò)存在感知能力較弱、感知方式單一、感知信息不全面等問(wèn)題。為了提升感知節(jié)點(diǎn)的信息感知能力，改變目前的信息孤島狀況，現(xiàn)將多種檢測(cè)器并行檢測(cè)，融合處理感知數(shù)據(jù)。一方面，將這些傳感器組合在一起，可以相互彌補(bǔ)各種傳感器在獲取信息時(shí)的不足，提高檢測(cè)的環(huán)境適應(yīng)性。另一方面，不同傳感器的數(shù)據(jù)具有不同的特點(diǎn)，融合來(lái)自不同傳感器的數(shù)據(jù)，提高檢測(cè)的準(zhǔn)確率、效率和覆蓋面。
　　本文主要將多傳感器數(shù)據(jù)融合應(yīng)用在車型識(shí)別上，數(shù)據(jù)來(lái)源于線圈、視頻和

2、地磁三種檢測(cè)器，為了保證這些數(shù)據(jù)和特征的時(shí)空同步性，本文采取軟硬件相結(jié)合的方法，硬件上合理布設(shè)傳感器設(shè)備方案保證多源數(shù)據(jù)的空間同步性，軟件上實(shí)時(shí)以時(shí)間為依據(jù)達(dá)到時(shí)間上的同步。分別根據(jù)各檢測(cè)器數(shù)據(jù)的特點(diǎn)，對(duì)其原始數(shù)據(jù)進(jìn)行預(yù)處理并提取相應(yīng)的特征。本文提出了一種IPSO-MSK-RVM方法將三種特征融合判別車輛類別。該方法采用基于多核的相關(guān)向量機(jī)（RVM）識(shí)別車型，并運(yùn)用粒子群算法（PSO）優(yōu)化多核參數(shù)。
　　首先，RVM本質(zhì)上是一個(gè)二

3、分類器，為了識(shí)別多種車型，本文選擇應(yīng)用最為廣泛的“一對(duì)一”方法。針對(duì)這種方法存在二分類器數(shù)較多，計(jì)算量較大的缺陷，本文提出了一種改進(jìn)的基于相關(guān)向量機(jī)的“一對(duì)一”方法，提高分類速度的同時(shí)保證了分類的精度。其次，RVM的關(guān)鍵在于核函數(shù)，而本文三種傳感器數(shù)據(jù)是異構(gòu)的，僅僅采用單核并不能使分類合理，多核模型的提出可以有效改善不足，但多核參數(shù)的確定一般憑借經(jīng)驗(yàn)或?qū)嶒?yàn)得出，并沒有相關(guān)理論的支持，因而本文提出了一種改進(jìn)的粒子群算法獲取全局最佳參數(shù)，大