智能交通系统定位模型的分析与研究

论文摘要

随着城市经济的快速增长和城市化进程的加快,城市机动车数量呈快速增长的势头必然会造成道路交通流量猛增,交通拥挤和堵塞。交通问题已经成为市政府和全社会共同关心的重大问题。采用现代化的技术手段管理城市交通,提高交通的机动性和灵活性,提高交通设施的利用率,尽量发挥现有交通系统的运行效率,即发展智能交通系统(ITS)是缓解城市交通拥挤状况的有效手段。 智能交通系统是解决交通问题的最有效的途径,无线定位技术在智能交通系统的发展起着重要作用。因此本文在围绕课题的基础上,针对无线定位在智能交通系统中的建设与发展情况,对其定位模型进行了深入研究。首先,对无线定位方法的基于网络的定位模型进行研究,通过网络定位的不同方法即到达时间法(TOA),基于到达角度法(AOA),到达时间差法(TDOA)和混合方法之间的比较,重点研究TDOA定位模型,针对其模型求解困难,运算量大,精度较差的问题采取基本遗传算法和混合遗传算法予以解决,对两种方法进行了实际仿真,取得了较理想的结果。其次对无线定位的另一种方法差分GPS定位技术进行了重点研究,在分析差分GPS数学模型的基础上,针对GPS移动终端抗遮蔽性差,基于差分GPS数学模型直接计算的定位结果很难维持连续,准确的位置信息,应用BP神经网络的预测结果来提高定位信息的实时性和准确性,并对神经网络模型进行仿真,仿真结果达到了一定的定位精度。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景及来源
• 1.2 智能交通系统（ITS）的概述
• 1.2.1 智能交通系统的基本概念
• 1.2.2 智能交通系统（ITS）国外发展现
• 1.2.3 我国智能交通系统（ITS）发展的现状
• 1.3 智能交通系统的设计及各子系统的功能
• 1.4 本论文的主要内容
• 2 无线定位技术基础
• 2.1 无线定位概述
• 2.2 无线定位业务需求和应用
• 2.3 无线定位技术的分类
• 2.4 基于网络的定位技术
• 2.4.1 基于入射角度的定位方法AOA
• 2.4.2 到达时间法TOA
• 2.4.3 基于到达时间差法TDOA
• 2.4.4 混合定位方法
• 2.5 基于网络定位技术的特点及不同方法的比较
• 3 基于TDOA定位算法的研究
• 3.1 TDOA定位算法的数学模型
• 3.2 基本遗传算法在求解TDOA定位模型中的应用
• 3.2.1 基于遗传算法的定位
• 3.2.2 遗传算法的优化设计
• 3.2.3 基于基本遗传算法TDOA定位模型的仿真
• 3.3 混合遗传算法在TDOA定位模型中的应用
• 3.3.1 混合遗传算法的介绍
• 3.3.2 遗传算法与最速下降法相结合的混合遗传算法
• 3.3.3 算法的优化设计
• 3.3.4 定位模型的仿真
• 3.4 对基本遗传算法和混合遗传算法的分析
• 4 基于移动终端GPS定位技术
• 4.1 引言
• 4.2 GPS定位技术的介绍
• 4.2.1 GPS系统的介绍
• 4.2.2 GPS定位的基本原理
• 4.2.3 GPS定位技术的分类
• 4.2.4 GPS定位技术存在的问题
• 4.3 差分GPS定位技术
• 4.3.1 GPS伪距差分定位技术
• 4.3.2 GPS伪距差分定位模型
• 5 人工神经网络在伪距差分GPS定位技术中的应用
• 5.1 人工神经网络理论
• 5.1.1 人工神经网络介绍
• 5.1.2 BP神经网络的理论基础
• 5.2 基于人工神经网络的伪距差分GPS定位技术的理论基础
• 5.3 BP神经网络的模型与结构
• 5.4 基于BP神经网络伪距差分GPS定位模型的仿真
• 5.4.1 神经网络训练数据的预处理
• 5.4.2 神经网络的仿真
• 6 结论
• 参考文献
• 在学研究成果
• 致谢