Analyse des groupements et des discriminants pour la détection de véhicules

Les systèmes informatiques automatisés capables de reconnaître les types de véhicules qui passent par un poste de contrôle de la circulation sont très utiles. Ces systèmes recueillent des données faciles à obtenir au sujet des véhicules, comme la distance entre les essieux et le poids sur chaque essieu. Ils ont de nombreuses applications, comme la surveillance du volume de trafic et la reconnaissance des types de véhicules, ce qui est utile à la préparation des budgets d'entretien routier. L'objectif premier de ce projet est de créer une meilleure méthode d’analyse en classification automatique pour la reconnaissance des véhicules. La plus simple de ces techniques est l’analyse en classification automatique à K moyennes. Cependant, cette méthode nécessite que les utilisateurs fournissent un nombre de groupements. Il se peut que l'analyse des groupements par la méthode des X moyennes soit une bonne technique de rechange puisqu'elle peut détecter le nombre de groupements au moyen de critères simples. Mais cette méthode introduirait des problèmes de mode local plus graves. Nous chercherons une nouvelle méthode capable de surmonter le problème en fusionnant des groupements semblables après avoir procédé au groupement par la méthode des X moyennes.

Faculty Supervisor:

Messrs William Laverty et Longhai Li

Student:

Zhengrong Li

Partner:

International Road Dynamics Inc.

Discipline:

Mathematics

Sector:

Automotive and transportation

University:

University of Saskatchewan