基于两阶段分类算法的中国交通标志牌识别

自动驾驶技术对于缓解交通拥堵,降低交通运输成本具有重要作用;高级驾驶辅助系统（ADAS）可以有效增加汽车驾驶的舒适性和安全性。交通标志牌中包含了丰富的语义信息,为自动驾驶汽车和ADAS的决策提供重要约束,因此交通标志牌的识别算法开发至关重要。本文基于中国交通场景特点以及自动驾驶、ADAS对于交通标志牌识别的高准确性需求,提出了一种基于两阶段分类的交通标志牌识别算法框架。算法包含检测和分类两个阶段,检测阶段检测出图像中的交通标志牌,分类阶段对交通标志牌先后进行大类和子类划分。算法通过细化任务,独立提升各算法模块的性能,进而提高整体算法的识别精度。本文对单阶段识别算法进行改进作为算法的检测模块,实验结果表明,提出的算法精度上优于基准单阶段识别算法,mAP平均提升8.52%,并且在检测速度优于传统两阶段识别算法Faster RCNN的情况下,mAP提升40%以上。     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

一种基于ART2神经网络的高速公路交通事件自动检测算法

提出一种基于ART2伸经网络的高速公路交通事件自动检测的新算法。该算法利用高速公路交通流模型和ART2神经网络分别作观测器和分类器。观测器估计的数据和实际交通数据进行比较,得到残差序列;利用ART2神经网络对残差序列进行分类,以区分不同交通状态下的交通信息,达到检测交通事件的目的。本算法不但可以识别已知的交通事件类型。还可以识别未知的或从未出现过的交通事件类型,是一个可以边工作、边学习的检测系统。     

干道交通状态识别及演变机理研究

为减少城市交通拥挤、避免交通瘫痪、保障出行安全,在综合分析交通信息采集技术、交通状态识别、交通状态演变研究现状的基础上,对干道交通状态识别及演变机理进行分析,建立适用于精细化交通管控的城市道路交通状态识别及预测框架,主要包括基于深度学习结合视频跟踪算法提取交通参数、基于路段单元运用堆叠式稀疏自编码结合K-均值聚类对车道和路段交通状态进行精准判别、基于LSTM循环神经网络与3D-CNN卷积神经网络对交通状态进行预测;最后提出干道交通状态识别与预测面临的挑战和研究方向。     

基于高斯混合分布的交通拥堵评价模型

为了客观、有效的评价交通拥堵的程度,采用速度指标作为反映交通流状态特征的关键变量,针对交通流速度变量存在混合分布的特点,建立了基于高斯混合分布的交通拥堵评价模型,并将EM算法运用于模型求解,通过对速度变量的聚类分析,以判别交通状态,评价交通拥堵程度.上海市快速高架路实测数据应用模型分析的结果表明:模型可以客观分析交通流...     

基于支持向量机的城市快速路交通拥堵识别方法

首先提出一种基于交通流量-交通密度的二维空间下的交通状态分类方法,在此基础上,构建对拥堵状态和非拥堵状态识别的支持向量机分类器;其次,设计基于支持向量机的城市快速路交通拥堵识别方法的步骤;最后,以西安市南二环快速路采集的交通参数数据为例,对比验证了在不同支持向量机(SVM)分离器下本文提出的城市快速路交通拥堵识别方法的有效性.研究表明:SVM线性核函数分类器的识别正确率(识别正确率均值为91.65%)高于多项式核函数等其他核函数分类器,说明交通拥堵识别的具有良好的线性可分性;不同核函数分类器的识别正确率均高于90%,说明本文设计城市快速路交通拥堵识别方法具有良好的识别性能.     

基于环形线圈检测器采集信息的交通状态分类方法应用研究

在智能交通系统中,交通状态判别算法通常被用来进行道路环境中实时交通状态的判断。这些算法将外场设备采集到的实时交通流数据与既有的交通状态分类标准特征作比较,来识别交通系统运行的状态。应用聚类分析方法,结合数据预备技术和交通工程技术,对环形线圈监测系统采集的交通流基础特征数据进行挖掘,实现了一种交通状态分类方法,并对交通管理控制系统中实时交通状态的判断识别提供可靠的参照标准。     

基于交通流路径分布的交通拥堵管理决策支持

提出了基于车辆识别技术的交通流路径分布信息采集系统的构架方案。为了清晰表达交通流路径分布信息,研究了交通流路径分布的信息格式。基于决策支持系统构架设计,提出了交通拥堵管理决策方案库构建技术路线。以上海市快速路基于车牌识别的交通信息采集与处理系统建设为实例,阐述了交通流路径分布对于提高交通拥堵管理水平的应用。     

基于环形线圈检测器采集信息的交通状态分类方法应用研究

在智能交通管理系统中,各种交通状态判别算法通常被用来进行道路环境中实时交通状态的判断。这些算法通常将外场设备采集到的实时交通流数据与既有的交通状态分类标准的特征作比较,来识别交通系统运行的状态。应用聚类分析方法,结合数据预备技术、交通工程技术对环形线圈监测系统采集的交通流基础特征数据进行融合挖掘,实现了一种交通状态分类方法。为智能交通系统的管理者和决策者提供了交通控制管理决策依据。并对交通管理控制系统中实时交通状态的判断识别提供了可靠的参照标准。     

基于定点数据的道路瓶颈拥挤自动识别算法

为研究道路瓶颈处的交通拥挤现象,掌握由道路瓶颈引发的常发性拥挤的分布特点和变化规律,提出了道路瓶颈拥挤的自动识别算法.基于检测线圈历史数据,将交通状态定性划分为畅通和拥挤2种,根据瓶颈拥挤原理,识别道路瓶颈所在,并同时对由其引发的拥挤持续时长和拥挤范围进行鉴别.算法运算结果包含瓶颈定位及由其引发的拥挤持续时长和空间影响范围.以上海市南北高架路东侧10 d线圈检测数据为例,验证了算法的有效性和实用性.      

考虑拥堵空间排队与溢出的道路网静态交通流分配

为刻画拥堵空间排队与溢出现象对交通流分配的影响，提出考虑拥堵空间排队与溢出的道路网静态交通流分配问题，并构建相关的求解算法，用于描述交通需求在起讫点移动过程中路网整体的宏观运行状态。首先，丰富和完善考虑拥堵空间排队与溢出的静态交通流分配的相关假设，提出次生瓶颈、拥堵干扰与渗透和分段化路段阻抗等基本概念和理论，来刻画拥堵交通瓶颈、拥堵空间排队等交通现象；其次，建立网络瓶颈识别算法和空间排队回溯算法，基于此构建考虑拥堵空间排队和溢出的增量分配算法，用于求解交通流分配的结果；最后，通过使用一个具有说明型的算例进行对比分析。研究结果表明：建立的瓶颈识别、排队回溯和增量分配算法可以识别路网中的瓶颈位置及其拥堵排队区域，并可计算得到各路段上的分段分配流量；与点排队只影响瓶颈路段的运行状况和均一的路段分配结果相比，可有效描述路网整体的宏观运行状态以及由于拥堵空间排队所导致的拥堵干扰与渗透现象；不同于“时间片”的伪动态交通流分配模型，新建算法的分配结果是“全时段”与“整体性”的路网宏观运行状态，包含了拥堵瓶颈的具体位置和空间排队的干扰与渗透情况；一般拥堵点排队模型和基于“时间片”的拥堵空间排队模型难以刻画拥堵干扰与渗透现象以及路网整体的宏观运行状态，故所建立的分配方法是对传统拥堵交通流分配的丰富和发展。     

基于多属性决策的交叉口交通拥挤度评价方法

分析了交叉口交通拥挤度评价的研究现状,提出了一种基于多属性决策的交叉口交通拥挤度评价方法。该方法以延误、饱和度、排队长度、停车次数、占有率等为评价指标,以多属性决策算法为评价算法。经过验证,评价结果比较准确、客观,适合一般交叉口交通拥挤度的评价要求。     

城市公交车与社会车辆混合流速度模型及交通运行状态分析

为了精确解析城市公交车和社会车辆混合运行的状态,在基本路段车速模型适用性分析的基础上,引入公交车流量、社会车辆流量、公交车比例等参数,建立了改进的混合机动车运行速度模型,分别选取单向二车道和单向三车道路段进行交通试验调查,采用Metrocount 5600气压管式车辆分型系统进行数据采集并用于改进模型的参数标定,并分别建立了2种车型的速度差模型,提出了路段混合车流3种不同交通运行状态的评价方法。研究结果表明：同等车流量情况下,不同公交车比例对社会车辆速度的影响表现为3个显著的变化区间;随着路段饱和度的增加,社会车辆和公交车之间的速度差呈现出从几乎不变、快速缩小到接近于零3个较为明显的运行状态;考虑车流组成中公交车比例的变化可以细化路段车流畅通状态、拥堵形成状态以及拥堵状态的判别。     

城市道路交通拥堵评价和判定标准研究

随着汽车保有量的增加,城市交通需求量也持续膨胀,使得交通拥堵成为城市发展亟须解决的问题。鉴于此,首先,以车道占有率和速度跃迁概率为基本指标,提出一种新的交通流状态划分方法。随后,研究了交通流参数时变特性及不同车道间的交通流特性,提出了交通拥堵状态的判定算法和指标。最后,分析了城市道路交通拥堵评价层次和评价体系(指标),并得到了评价特定区域内交通拥堵严重程度的城市交通行程时间指数模型。     

城市快速路交通状态转变时刻确定方法研究

研究了城市快速路交通状态转变时刻的确定方法。在分析快速路拥挤状态和不拥挤状态交通流参数特性的基础上,根据Dganzo等提出的交通流参数调整累计曲线,设计了一种用于确定交通状态转变时刻的方法:利用流量和时间占有率两个参数的调整累计曲线来判定快速路交通状态转变时刻。论文利用北京快速路系统的调查数据检验了该方法,得出的交通状态转变时刻与实际情况相符,证实了该方法的有效性。交通拥挤转变时刻的确定可以应用于道路交通状态判别、交通波理论研究以及现有交通事件检测方法的技术评价。     

基于高地联动的城市快速路交通提升策略研究

随着社会经济的发展,城市快速路交通呈现常态化拥堵运行状态,因此亟需开展交通综合提升研究。以苏州市内环某快速路为例,基于多源数据科学研判交通拥堵问题的成因,运用高地联动的优化策略,以全局最优、系统协同理念制定交通提升实施方案。根据交通流的溯源分析,寻找可能的分流通道。一方面,通过工程措施提升分流通道的通行能力;另一方面,通过快速路的交通管理方案,诱导快速路上的短途交通转入分流通道,均衡快速路和分流通道的流量分布,从而有效缓解快速路的交通拥堵。     

基于时空图的交通状态转变时刻的判别方法研究

针对交通状态转变时刻的判断问题进行了研究,在传统的交通状态研究模型基础上提出了时空图在状态判别中的应用,并在利用前人提出的调整累积曲线方法进行了比较,证实了引入该方法的有效性和准确性,提高了对交通拥挤转变时刻的判定上的准确率,在交通流特性的研究中起到十分重要的作用。     

基于满意控制的动态交通分配模型研究

城市交通意外事件易诱发局部交通路网拥堵,为防止交通状况恶化,需采取相应的交通控制、诱导手段。针对交通意外事件造成城市交通路网运行状态突变的现象,从用户平衡原理出发,提出了基于满意控制理论的动态交通分配模型。该模型不仅考虑了动态交通分配过程中各种常规的要求(目标、约束),还考虑了动态交通分配的易操作性和交通流控制、疏导过程中的安全性。通过该模型可寻找易于求解及实现的满意解,快速、平稳地实现区域内交通流的正常运行。算例表明该模型及其算法能够快速获得满意解,有效地解决交通状况突变情况下的动态交通分配问题。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。