基于二维离散小波变换的智能交通系统数据去噪声压缩

基于二维离散小波变换的智能交通系统数据去噪声压缩 基于二维离散小波变换的智能交通 系统数据去噪声压缩 肖 扬 ,鲁凌云 ,高 爽 ,谢玉明 ,徐大勇 ()北京交通大学 计算机与信息技术学院 ,北京 100044 摘 要 :研究了基于二维离散小波变换的交通数据压缩与解压缩技术 , 建立了交通数据的空 —时 模型 ,所提出的二维离散小波变换算法利用交通数据的二维空 —时特征 , 去除传感器噪声 ,得到良 好的数据压缩结果 ,压缩比为 20,40 . 同时给出了基于二维离散小波变换的交通数据压缩编码原 理 . 采用北京市三环路检测断面测得的交通数据 ,验证所提出的算法是有效的. 关键词 :智能交通系统 ;数据压缩 ;二维离散 ,小波变换 中图分类号 : U 491 . 116 ; TP274 . 2文献标识码 :A Traff ic Data Denoising Compression f or Intell igent Traff ic Systems Ba sed on 2- D Discrete Wavelet Transf ormation X IA O Y a n g , L U L i n g- y u n , GA O S h u a n g , X I E Y u- m i n g , X U D a- yon g ( )School of Co mp uter and Informatio n Technology , Beijing J iaoto ng U niversit y , Beijing 100044 ,China Abstract : The t raffic data denoising co mp ressio n and deco mp ressio n based o n 2- D discrete wavelet t ransfo r matio n technology have been st udied , and t he pace- time mo del of t raffic data has been estab2 lished . The algo rit hm of 2- D discrete wavelet t ransfo r matio n p rovided by t he paper utilizes t he t wo- di2 mensio nal space- time characteristics of t he t raffic data , removed senso r noise and o btained goo d co m2 p ressio n result s , and t he co mp ressio n rate is 20,40 . The p rinciple of t raffic data co mp ressio n based o n wavelet t ransfo r matio n co ding is int ro duced. The t raffic data f ro m a measured sectio n of Beijing’s t hird- w reat h road has been adop ted to verif y t he algo rit hm p resented in t he paper to be effective . Key words :intelligent t raffic system ; data co mp ressio n ; 2- D discrete ; wavelet t ransfo r matio n 智能交通系统将促进交通系统的管理和优化 , 于数据的时间特性 ,二是未考虑滤除数据中的噪声. 而每天产生的大量交通数据必须要对其进行有效的 与之不同 ,本文作者提出的算法 ,是利用交通数据的 数据压缩 ,才能进行处理 、 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 和存储 . 由于交通控 二维特征与二维离散小波变换良好的时 —频局部化 制系统产生的数据量特别庞大 ,不进行压缩就难以 特性 ,使交通数据经二维离散小波变换后 ,有用信息 1 ,7 有效使用. 交通数据压缩就是用最少的数据来 集中在少数二维低频变换系数上 ,传感器噪声集中 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示信号信息 ,其作用是易于交通数据的传输与存 在二维高频系数上. 对低频系数与大幅度的高频系 储 . 通信时间 、传输带宽 、存储空间都可能与数据压 数进行编码 ,舍弃其余小波变换系数 ,可实现交通数 缩的效果直接相关. 据的去噪声压缩. 实际的数据处理结果 证明 住所证明下载场所使用证明下载诊断证明下载住所证明下载爱问住所证明下载爱问 本文算 现有处理数据的方式存在两个问题 ,一是局限 法是有效的 . 收稿日期 :2004201205 检测断面方被检测到 . 1 交通数据的空 —时模型 ( ) 式 1的交通数据为三维的 , 为了应用二维小波 在典型的城市环城公路的内外环共有 6,8 个 变换 , 需要进行降维处理 . 下面给出降维处理方法 . 车道 , 每一车道有流量 、平均速度 、占有率 、长车流量 ( ) 在式 1的三维交通数据模型中 , 对于某检 测 断 面 这 4 组数据 , 由于同一时刻各车道的数据存在相关 k , k = k 为常数 , 三维交通数据可降为二维交通数 0 0 性 , 检测断面的实际交通流表示为三维 函 关于工期滞后的函关于工程严重滞后的函关于工程进度滞后的回复函关于征求同志党风廉政意见的函关于征求廉洁自律情况的复函 数 :流量为 ) ( ) ( ( ) 据 f m , t , 例如 , f m , t = q k , m , t 为第 k 检 0 0 ( ) ( ) q k , m , t , 平 均 速 度 为 v k , m , t , 占 有 率 为 c 测断面的上下行诸车道的车流量数据 . 数据处理系 ( ) ( ) k , m , t , 长车流量为 l k , m , t , 其中 m 为车道 ( ) 统对 q m , t 处理仅涉及第 k 个检测断面发来的数 号 , k 为检测断面号 , t 为离散时间 . 6 车道双向路段 ( ) 据包. 类似 , 在式 1的三维交通数据模型中 , 对于某 的传感器位置分布图如图 1 所示 . 车辆传感器检测 车道 m , m = m 为常数 , 三维交通数据可降为二 0 0 各路段的流量 、车速 、占有率和长车数 . 交通数据为 ( ) ( ) ( ) 维交通数据 f k , t . 例如 , f k , t = q k , m , t 为 0 检测断面 、检测断面间距离 、时间与车道号的离散函 第 m 个 车 道 全 环 路 的 车 流 量 数 据 . 与 上 述 对 q 0 数 . ( ) ( ) m , t 的处理不同 , 此时数据处理系统对 q k , t 处 理需要同步接收所有检测断面发来的数据包 . 根据交 通 数 据 的 维 数 , 可 分 别 用 一 维 小 波 变 [ 5 ] ( ) 换与二维小波变换 本文下节给出一种 算 法对 交通数据进行处理 , 处理的目的是滤除观测的交通 ( 数据中的传感器噪声 . 相对于真正的流量 q k , m , 图 1 双向路段的传感器位置分布图 ) ( ) ( ) t 、平均速度 v k , m , t 、占有率 c k , m , t 和长车 Fig. 1 Sensors dist ributio n of t wo ( ) 流量 l k , m , t , 传感器噪声为观测的交通数据中 directio nal road sectio n 的高频分量 . 在小波反变换时 , 将交通数据的小波变 ( 在图 1 中 , 每一检测断面装有车辆检测器 图 换系数低于设定阈值的高频分量置零 , 所重构的信 ) ( 中纵向线处, 用以检测每条车道 m = 1 , 2 , 3 为内 号将使传感器噪声大幅度衰减 , 得到近似的流量 ?q ) 环车 道 , m = 11 , 12 , 13 为 外 环 车 道 的 交 通 参 数 . ( ) ( ) ( k , m , t 、平均速度 v? k , m , t 、占有率 c? k , m , 交通数据的二维小波变换2 ( ) 由于路况特征 、车流分布 、车辆在岔路 见图 1中途 ) ( ) t 和长车流量 ?l k , m , t . 进出 , 交通事故 , 检测器与或通信的故障 , 第 k 个检 交通数据包括流量 、平均速度 、占有率 、长车流 ) 测断面传感器所测得的交通数据 q k , m , t v k , 、( ( 量 , 它们为检测断面 、检测断面间距离 、时间与车道 ) ) ) m , t 、c k , m , t 、l k , m , t , 往往不能真 实 反 映 号 的 离 散 函 数 . 本 文 中 交 通 数 据 的 取 样 周 期 为 ( ( 实际的交通状态 , 检测到的车流信息不确切 . 因此定 2 min . 由于同一时刻各车道的数据存在相关性 , 可 [ 5,7 ]义交通数据模型应定义为 将交通数据表示为空时二维函数 ( )( ) n k , m , t qk , m , t q 0 ( )q k , m , t ( ) ( ) ( ) ( )f m , t = q k , m , t , v k, m , t , ( )v k , m , t n k , m , t 0 0 ( )k , m , t v 0 v = + ( ( ) ) ( ) c k, m , t , l k , m , t ] 2( )( ( 0 0 ))c k , m , t ck , m , t nk , m , t 0 c ( )l k , m , t ( ) 式中 , t 和 m 为二维函数 f m , t 的时间变量和空 ( )( )l k , m , t n k , m , t 0 l ( )1 ( ) 间变量. 交通数据 f m , t 经过上述预处理后 , 才可 [ 6,10 ] ( ) ( ) ( ) 式中 , n k , m , t 、n k , m , t 、nk , m , t 、n q v c l 采用二维小波变换算法对其进行分解和重建. ( ) k , m , t 为噪声干扰项 , 而噪声干扰项中包含两部 φ选定尺度函数 为 规范 编程规范下载gsp规范下载钢格栅规范下载警徽规范下载建设厅规范下载 正交的 0 , n - i/ 2- i φ( φ( ) )( )x = 22 x - n 3a i , n 分内容 :传感器噪声与岔路进出车流变化量 . 为降低 式中 , i 为 幅 度 变 量 , n 为 延 时 变 量 , 而 小 波 函 数 系统成本 , 城市环路分布传感器组并未对每一路段 ψ{, i , n ?Z} 也是规范正交的 i , n 的岔路进出车流进行检测 , 在第 k 个检测断面检测 - i/ 2 ψ( ) (φ( )φ( ) )x = 2 x - x i , n i - 1 , 2 n i - 1 , 2 n +1 到的车辆有可能并未进入在第 k + 1 个检测断面 , 而 ( )3b 由岔路出口驶离该环路 . 反之 , 由岔路进入环路的车 ( ) j( ) ( ) ( ) ( )LL f 和差别信息 HL f ,L Hf 和 H Hf 1 1 1 1 ( ) φφ ck, k+ LL 1 2 j , k j , k?? 1 2 kk 2 1) ( f m , t = j ( ) ψφ+ ck, k ( )( ) ( ) ( ) ( )4 LL 1 2 j , k j , kLL f + HL f + L Hf + H Hf ?? 1 1 1 1 1 2 kk 2 10 ( ( ) ) 令 k = m , k = t , 且 ck , k = f m , t , 交通数 LL 1 2 1 2 j ( ) φψ+ck, k LL 1 2 j , kj , k?? 12 ( ) 据 f m , t 的第 j 次分解为 kk 2 1( ) ( ) ( ) LL f = LL f + HL f + j - 1 j j j ( ) ψψ( )8 ck, k LL 1 2 j , k j , k?? 1 2 ( )( )( )kk L H f + H H f 5 j j 2 1j - 1 ( )得 c 其中 n , n = LL 12 j j( h n ( ) φ2 k h n - 2 k c ( k ( )φ - ) ( ) , k ) + = ck , k LL f 1 2 LL 1 2 2 k2 kLL 1 j 122?? ?? 1 2kk k k 2 12 1 j j( ) ( ) ( )g n-2 kh n-2 kck, k+ 1 12 2LL 1 2( )( ) ψφ HL f = ck , k ?? j HL 1 2 2 k 2 k ?? 1 2k k kk 2 1 2 1( )6 j ) ( ( 2 kg n-) ( )h n- 2 kck , k + j12 LL 1 2 1 2?? ) φ( ( )ψ ck , k L H f = j L H 1 2 2 k2 k kk ?? 1 22 1kk 2 1j ) ( ) ( )()( 2 kg n-2 kck , k 9 g n- LL 1 2 12 21 ?? j) ψ( ( )ψ kk H H f ck , k = j HH 1 2 2 k2 k 2 1?? 1 2kk 2 1此处是对 k 求和 , 或 其中 j - 1 j j j j ( )= LL c+ HL c+ L H c+ H H c10c LL LL LL LL LL j j - 1 ( )= LL c cLL LL 上述算法已经应用在我们研制的智能交通系统 1 j - j ( )= HL cc HL LL [ 5,8 ] 数据处理平台上. ( )7 j - 1 j ( )c= L H c L H LL j - 1 应用实例3 j ( )= H H c cHH LL 这就是交通数据的二维离散小波分解公式. 讨论如何对北京整个三环路的 65 个检测断面 j ( ) 是原始交通数据 f m , t 在越来越低的多 cLL测得的交通数据 , 即 2002 年 6 月 3 日到 6 月 9 日一 j j j j 尺度分析下的平滑信息 , c、c、c代表与 c的 HL L H HH LL 周的各车道的流量 、平均速度 、占有率 、长车流量等 j j j j c差别 信 息 . c和 、c、c可 由 金 字 塔 算 法 得 LL HL L H HH 进行数据压缩. 在 3001 检测断面测得的 2002 年 6 ( ) 到 . 式 5将信号 f 按不同频率通道分解 , 每一频率 ( ) ( 月 3 日的二维交通数据 f m , t = [ q3001 , m , 0 通道又按相位分解 , 其中频率越高则相位划分越细 , ) ( ) ( ) ( t, v 3001 , m , t , c3001 , m , t , l 3001 , m , 0 0 0 ( ) 频率越低则相位划分越粗 . 原始交通数据 f m , t ) t ]如图 2 所示. 图 2 中 , 0,5 的空间位置为流量数 的小波分解过程可以重复进行 , 分解到细节信号为 ( ) 据 q3001 , m , t , 6 , 11 的 空 间 位 置 为 车 速 数 据 0 一个采样时停止. 进行小波变换时应根据原始交通 ( ) v 3001 , m , t , 12 , 17 的空间位置为占有率数据 0 ) ( 数据 f m , t 的取样点数选择合适的分解级数 . ( ) c3001 , m , t , 18 , 23 的空间位置为占有率数据 0 [ 5,8 ] 选择适当的阈值, 将交通数据的小波变换 1 1 1 K K K 系数的高 频 分 量 c, c, c, ?, c , c , c 低 ( ) l 3001 , m , t . 图 2 的二维交通数据结构为用于数 HL L H HH HL L H HH 0 于阈值的部分置零 , 所重构的信号将使信号中的传 据处理和存储的多指标混合数据结构 , 用于单指标 ( 感器噪声大幅度衰减 , 得到近似的交通信号 f m , [ 5,8 ] 显示时 , 可直接分离出各单指标数据. 限 于 篇 ) t . 小波数据压缩仅对不为零的小波系数编码 , 可实 幅 , 不再给出各单指标数据的空时数据显示结果 . 现交通数据的去噪压缩 . 使用 db2 小波基 , 对二维交通数据进行三级二 ( ) 下面给出交通信号 f m , t 的小波重建算法. 维离散小波正变换. LL 为二维交通信号经第 i 级 i ( ) 假设原始交通数据 f m , t 被分解 K 次 , 去噪压缩 1 1 1 1 K 二维离 散 小 波 变 换 后 得 到 的 低 频 分 量 系 数 , HL ; i c后的 小 波 变 换 系 数 为 , c, c, c, ?, c , LL HL L H HH LL K K K j j j j L H , H H 为二维交通信号经第 i 级二维离散小波 i i , 1 c , c, c , 对于 cc , c, c , j = K , K - HL L H HH LL HL L H HH 变换后得到的高频分量系数 , 如图 3 至图 5 所示 . ?, 1 , 由下式完成解压缩 ( ) ( ) ( ) ( ) LL f = LL f + HL f + 高频分量 HL ; L H , H H 对应于 f m , t 的测量误 j - 1 j j i i i ( ) 差 , 而低频分量 LL 对应于 f m , t 的估计值 . 由于 ( ) ( ) i L H f + H H f = j j ( ) ( Technology Management , 1998 , 12 2 : 102 - 104 . in 由三级二维低频分量和高频分量系数经二维离 )Chinese 散小波反变换得到重构信号. 对低频分量系数 LL 3 3 贺向东 ,吴华 . 智能交通系统中的数据处理技术 J . 城 和高频分量系数 HL ; L H, H H进行整数量化 , 再 3 3 3 () 市轨道交通研究 , 2002 ,5 1:67 - 69 . 经小波离散反变换得到重构信号 , 见图 6 . 将图 6 的 HE Xiang- do ng , WU Ha . Research o n Technology of data 重构信号与图 2 的原始信号比较 , 可以看出交通数 Processing wit h I TS J . U rban Mass Transit , 2002 , 5 ( ) 据 f m , t 经二维离散小波变换处理后的误差不是 () ()1:67 - 69 . in Chinese 4 杨东凯 ,吴今培 ,张其善 . 智能交通系统及其信息化模型 很大 , 而舍弃的数据刚好是传感器产生的噪声信号 , () J . 北京航天航空大学学报 , 2000 ,26 3:270 - 273 . 如图 7 所示. YAN G Do ng- kai , WU J ing-pei , ZHAN G Qi- shan. Intelli2 采用 上 述 二 维 小 波 变 换 结 合 量 化 和 Huff man gent Transport System and It s Informatics Model J . 编码对交通数据的压缩与解压缩 ,得到 20?1 的压缩 Journal of Beijing U niversit y of Aero nautics and Ast ro nau2 () ()tics , 2000 ,26 3:270 - 273 . in Chinese 比 . 基于二维小波变换的交通数据的压缩比的大小 , j j j 5 高频分量 c、c、c的保留情况 , 如果全部予以 HL L H HH 肖扬 ,鲁凌云 ,高爽 . 一种分布式智能交通数据处理系统 ( ) ( ) 主要取决于式 5小波分解后交通数据 f m , t 的 P . 中国专利 :2004100373338 ,2004- 04- 29 . 舍弃 , 则压缩比可很高 , 但有可能丢失有用信息 . 可 XIAO Yang , L U L u- yun , GAO Shuang. A Kind of Dis2 通过设计合理的量化器解决这一问题 . 图 2 至图 7 t ributed Intelligent Traffic Data Processing Systems P . 的数据处理结果 , 可由我们研制的智能交通系统数 ()China Patent : 2004100373338 ,2004- 04- 29 . in Chinese [ 5,8 ] 据处理平台实时给出. L U L , GAO S , L I H , et al . Data Processing Platform of 6 Dist ributed Intelligenct Traffic Systems A . In : Proc. of 结论4 ( 7t h Internatio nal Co nference o n Signal Processing ICSP’ ) 04C . 2004 . 2560 - 2563 . 本文建立了交通数据的空 —时多维模型 , 给出 中 国 专 利 : 7 肖 扬 . 一 种 智 能 交 通 数 据 处 理 方 法 P . 一种降维方法 , 导出基于二维小波变换的交通数据 200410003435 . 8 ,2004- 03- 09 . 压缩与解压缩算法 , 利用北京三环路检测断面测得 XIAO Yang. An App roach of Intelligent Traffic Data Pro2 的交通数据对该算法进行了验证 . 计算结果表明 , 本 cessingP . China Patent : 200410003435 . 8 ,2004- 03- 09 . 文提出的方法是有效的 . ()in Chinese 肖扬 . 动态系统分析 M . 北京 : 北方交通大学出版社 , 8 2002 . 参考文献 : XIAO Yang. Analysis of Dynamic Systems M . Bei jing : 1 丁建梅 ,王可崇 . 典型交通控制模型分析及对混合交通 Publicatio n House of Nort hern J iaoto ng U niversit y , 2002 . 哈 尔 滨 建 筑 大 学 学 报 , 2001 , 34 控制建 模 的 探 讨 J . ()() in Chinese 2:119 - 122 . 杜锡钰 ,肖扬 ,裘正定 . 多维数字滤波器 M . 北京 : 国防 9 D IN G J ing- mei , WAN G Ke- co ng. Analysis of Typical Traffic Co nt rol Models and Discussio n of Mixed Traffic 工业出版社 ,1995 . DU Xi- yu , XIAO Yang , Q IU 2 Zheng- ding. MultidimenCo nt rol Modeling J . Journal of Harbin U niversit y of C. () ()sio nal Digital FiltersM . Bei jing : Defense Indust ry Publi2 E. & Architect ure , 2001 ,34 1: 119 - 122 . in Chinese ()catio n House ,1995 . in Chinese 2 冯杰峰 ,陈孝思. 城市交通控制与仿真技术 J . 重庆工 10 Yang S K , Coo ke C H. Data Co mp ressio n Based o n t he () 业管理学院学报 ,1998 ,12 2:102 - 104 . Cubic B- Spline Wavelet wit h U niform Two- Scale Relatio n F EN G J ei-feng , CHEN G Xiao- si . City Traffic Co nt rol and () J . Mat h. Co m p uter Modeling. 1996 ,23 7:73 - 78 . Artificial Technique J . Journal of Cho n gqing Instit ute of file:///D|/新建 Microsoft Word 文档.txt df机及ov及ojxlkvjlkxcmvkmxclkjlk;jsdfljklem,.xmv/.,mzxlkjvolfdjiojvkldf file:///D|/新建 Microsoft Word 文档.txt2012/8/2 16:09:56