基于车牌识别数据的交通流参数短时预测-交通运输工程专业论文.docxVIP

Classified Classified Index：U49 1．1+4 U．D．C：629 Southwest Jiaotong University Master Degree Thesis SHORr-TEI之M PI之EDICTION OF TRAFFIC FLOW PARAMETERS BASED ON LICE]NSE PLATE RECOGNITION DATA Grade：2013 Candidate：Dou Zhi wei Academic Degree Applied for：Master of Engineering Speciality：Transportation Engineering Supervisor：Prof．Liu Lan 万方数据 西南交通大学 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1．保密口，在 年解密后适用本授权书； 2．不保密√使用本授权书。 (请在以上方框内打“√”) 靴敝储群：砷 指制币躲刻溯 日期．卅¨可f 日期：≥p／易．占．沙 万方数据 西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下： 西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下： (1)对由于硬件故障和环境变化等因素造成的丢失数据，基于交通流的周相似性 原理，采用历史数据进行补偿。对于由于中途抛锚、车牌漏检、车辆中途驶离检测区 等情况引起的的异常数据采用变异系数法进行剔除。 (2)车牌识别数据预处理完成后，选用改进的GM(1，1)预测模型，基于交通流的 周相似性建立一个充分包含历史数据与预测数据的非线性模型，提高短时交通流预测 精度。 (3)选取成都绕城高速外环K66+850、K67+985两个监控点位的车牌识别数据， 并利用上述模型以5min为时间间隔进行短时交通流参数预测，同时获取此监控区间交 通流量检测值和行程速度，分析在相同预测时长上基于车牌识别数据的交通流参数较 真实值的误差，以此来评判基于车牌识别数据进行交通流参数短时预测的精确程度。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成 果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰 写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。 本人完全了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名： 日期： ：／I。6．计 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 摘 要 随着社会的发展，汽车制造业的完善，人民的生活水平提高，私家车的数量也越 来越多，我国各大中小型城市的交通拥堵问题日益严重。不管是城市管理者还是出行 者都希望找寻一套可行的方案解决此问题，智能交通系统就是解决交通拥堵问题最重 要的手段。交通流参数的短时预测，是智能交通系统中交通控制与诱导模块的基础。 随着现代科技技术的发展，车牌捕获与识别的准确度显著提升，基于车牌识别的交通 流参数基础数据采集技术随之产生。基于车牌识别数据进行交通流参数的短时预测是 将是一个新的选择。 首先，本文通过分析我国各地区所面临的交通拥堵问题和现行的交通信息采集技 术的优缺点，提出了用车牌识别数据进行交通流参数短时预测的方法，并通过分析其 技术特点指出了其可行性。其次，介绍了车牌识别数据获取的过程。对获取的海量车 牌识别数据，采用模糊匹配中的编辑距离算法进行了上下游车辆号牌的匹配。并对交 通流参数短时预测基础数据仍存在的异常情况，基于交通流量的周相似性，采用历史 数据进行补偿。对行程速度异常数据，采用变异系数法进行剔除。然后，对预处理完 成后的数据引入了灰色预测模型。介绍了灰色预测模型的几个算子，并对灰色预测模 型的建模步骤，做了详细阐述。并在对灰色预测模型背景值分析的基础上了，提出了 一种基于背景值的改进方法。最后，选取成都绕城高速外环K66+850、K67+985两个 监控点位的车牌识别数据，以5min为时间间隔进行交通流参数短时预测，并同实际检 测数据进行了对比，证明了基于车牌识别数据进行交通流参数短时预测的准确性。 关键字：车牌识别；数据异常；改进GM(1，1)；短时预测 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1I页 Abstract With the development