摘要：高精度、可移植、多维度的在途车辆及其周边驾驶环境数据在L3级及以上自动驾驶汽车场景库测试、不良驾驶行为谱构建以及在途实时交通管控等领域有至关重要的作用,由单一传感器构成的数据采集系统在精度、维度上都受到了较大限制,导致其可靠度较低;为实现多类数据传感器协同一体化,研发了一款包含激光雷达、车载运动测量与组合定位、车载踏板与方向盘位移传感器和雷视道路多维感知一体机的多模块道路环境数据与驾驶行为同步采集系统,支持多项交通数据采集任务的并行处理,融合了用户的真实驾驶行为,并基于该系统设计了依维柯某车型的数据实车采集平台;该系统由上位机与下位机两个子系统构成,集成了多模块数据采集、储存、传输与标定等功能,且对各个模块完成了时间同步处理,适用于两客一危场景,并设计了易操作的上位机用户交互界面,对多模块数据实现实时可视化,直观查看各时段数据的变化规律,具有较高的应用价值。

摘要：为保证城市快速路段的畅通,建立一种基于蜂群算法-支持向量机(ABC-SVM)融合多源交通数据的城市快速路交通事件检测方法。首先通过分析路段实际情况,选取不同检测器的数据作为事件检测模型的输入值;然后利用蜂群算法(ABC)对支持向量机(SVM)分类模型中的参数进行优化,获得最优的交通事件检测模型,模型的输出结果为检测路段是否发生交通事件;最后结合成都市三环城市快速路路段上采集到的多源交通数据进行实例验证。结果表明,利用ABC-SVM方法进行事件检测的效果优于BP神经网络的方法。

摘要：分析了公众出行信息特征及影响出行线路选择的因素,设计了多源交通数据融合挖掘的系统框架,并研究了其中的多源数据相关度计算、层次化子空间聚类及联合聚类挖掘等关键技术。理论分析及实验结果表明,系统对于多源交通数据的融合分析及高维数据的降维聚类具有良好的处理能力及可扩展性。