基于深度学习的车辆异常事件检测研究

基于全连接神经网络以及在高速公路场景下采集的真实车辆数据,设计一种车辆异常事件检测方法。所设计的方法利用激光雷达检测出目标与车道线信息,经过计算组成具备时空特征的输入数据,在将目标数据制作成数据集后,利用神经网络进行训练并提取输入数据的多维度特征,实现车辆异常事件检测。之后利用异常事件检测的时间信息与激光雷达和视频相机的目标融合数据,在视频数据中进行事件取图并加以验证。所述方法的总体检出率为 97.11%,准确率为 97.10%,相关值均高于传统事件检测算法,且算法耗时与传统事件检测算法相比更少。试验证明相应方法能更快速、更准确地识别车辆异常事件。     

基于手机传感器的车辆轨迹实时在线压缩方法

随着具有定位功能的各类便携式移动设备的普及,产生了大量的移动目标时空轨迹数据,庞大的数据规模对轨迹数据管理和分析带来了严峻的挑战.?车辆时空轨迹数据压缩算法,通过监测分析车辆在不同运动行为模式下智能手机内置线性加速度传感器和方向传感器的数据变化规律,识别车辆的转向行为和变速行为,并根据识别结果请求GPS传感器定位,记录...     

高速公路弯道路段行驶速度分析与仿真应用

为了准确分析高速公路弯道路段对车辆行驶速度的影响,研究提出一种基于车辆GPS数据的车辆行驶速度变化特征分析方法.首先,汇聚夜间时段车辆在弯道路段的GPS数据,并对数据完成清洗预处理;其次,结合弯道路段的拓扑结构设计虚拟的检测断面,并将GPS数据聚合到检测断面,分析不同断面的车辆行驶速度变化特征;最后,将分析结果应用于微观交通仿真的参数标定中,验证该方案能够有效提升仿真模型的精度.研究结果已直接应用于深圳机荷高速公路改扩建工程微观交通仿真模型的参数标定,显著提高了仿真模型评估分析的可信度.     

针对浮动车异常数据的增强型在线异常点检测算法

在智能交通系统(ITS)中,为了从浮动车数据中获取准确动态的交通信息,需要实时识别并剔除异常数据。为了检测异常浮动车数据,本文提出一种独特的增强型在线非监督离群点检测算法(EOSA)。该算法由SS算法和K-means聚类算法组成,其中,SS算法可采用基于离散变量和连续变量的概率模型来计算异常分值,将K-means聚类算法与SS算法相结合可以有效提高检测精度。本文采用了深圳市浮动车数据来验证EOSA算法,试验结果表明,该算法能够成功检测到异常的数据,其中包含车辆停放和停车等待时的异常GPS记录。此外,通过试验比较,本文提出的EOSA算法比现有六种常用算法都具有更高的异常数据检测精度。EOSA算法有望应用于基于浮动车数据的智能交通系统。     

基于通行异常行为的高速公路车辆信用度评价模型与算法研究

为了应对层出不穷的逃费作弊手段,提升高速公路运营管理部门的逃费稽查水平,研究了基于车辆通行大数据的可疑逃费车辆的评价方法。在分析大量通行流水数据的基础上,给出了逃费车辆存在的11种通行异常行为,提出了基于异常行为出现次数的车辆信用度评价模型,实现了对车辆逃费可疑度的量化。利用基于加权平均的多属性效用算法,计算出所有车辆的信用度值。经实际应用验证,正确率达33%,表明模型在较小程度上有一定的合理性和正确性。在此基础上,利用BP神经网络算法对模型进行了改进。研究结果表明,利用改进模型推荐得到的逃费可疑车辆,稽查正确率上升至67%,可大幅提高稽查人员的工作效率,取得了比较满意的效果。     

基于区域划分的GPS/DR组合导航定位研究

建立广域车辆定位导航系统的服务区区域划分，在此基础上实现了GPS定位模式切换、建立分层地图数据库和实现通过路网数据对GPS及推算定位的结果进行匹配的快速匹配算法。对车载导航系统的中心模块进行了相应的改进，实现了基于区域 发和地图分级思想的车辆定位导航系统基础模型，并结合成都中心区和广州市的试验结果进行了分析。分析表明，区域划分思想用于车辆定位导航系统，可以提高系统的总体性能。基于该思想实现的车辆空平导航系统模型不仅能在局域，而且能在广域范围内提供满意的定位导航服务。     

基于车牌识别数据的城市路网运行状态识别方法实践

采用城市车牌识别数据进行路网运行状态观测和分析,设计了基于车牌识别数据的交通卡口聚类算法、车辆轨迹还原算法及速度分类树算法,建立了路网运行状态识别模型,结合乌鲁木齐的城市交通路网形态和车辆构成特征,通过与出租车GPS统计数据的对比和融合分析,研究了乌鲁木齐市的交通出行特征、路网运行速度与流量变化规律,以及路网运行与常发拥堵路段的关系,提出了一种利用车牌识别数据进行城市路网运行状态识别的方法。     

重点营运车辆的异常驾驶行为识别研究

为加强对重点营运车辆异常驾驶行为的监督与检测,本文基于时间序列符号化算法(TSA) 与多尺度卷积神经网络模型(MCNN)提出一种组合模型TSA-MCNN,用于识别重点营运车辆异常驾驶行为。首先,对北斗数据进行预处理,并基于营运车辆存在多种车型、多种速度限制、多种异常驾驶行为的特点划分4种异常驾驶行为,构建异常样本数据集。其次,构建TSA-MCNN模型识别样本数据集,其过程分为两阶段,第1阶段,针对重点营运车辆的特点,引入能够粗粒化处理数据特征的时间序列符号化算法与能够多通道参数输入的多尺度卷积神经网络进行组合,并基于Keras库完成TSA-MCNN模型的搭建;第2阶段,利用样本数据集作为模型的输入变量,完成模型的训练、测试与识别。最后,以广河高速重点营运车辆北斗数据验证TSA-MCNN模型的性能, 同时,与异常识别传统算法的卷积神经网络(CNN)模型与动态时间扭曲-K最近邻(DTW-KNN)模型进行对比分析。验证结果表明：TSA-MCNN模型整体识别准确率为97.25%,相对于CNN模型与DTW-KNN模型提高了20.50%与5.63%。其中,TSA-MCNN模型对于正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为、低速驾驶行为的识别精确率相对于CNN模型(DTW-KNN模 型)分别提高了26%(13%)、26%(6%)、23%(5%)、28%(3%)、0(0),说明该模型对于重点营运车辆异常驾驶行为的识别具有良好的性能。     

基于视频的城市快速路车辆异常行为检测

文章提出虚拟传感器的概念,针对城市快速路视频监控系统,改革单一功能摄像机,使其成为具人工智能的新型视频传感器,完成道路车辆跟踪及异常行为检测。异常检测算法运用带有时间和空间信息的车辆轨迹对自组织神经网络进行训练,获得神经网络参数后利用概率模型对实时车辆轨迹进行异常提取。该文所提算法能在嵌入式DM642视频处理平台上有效运行,能够提取诸如超低(高)速行驶、违章停车、违规掉头等异常行为,具有低运算量及较好的鲁棒性。     

��������С���任��GPS��̬�˲����㷨

针对应用卡尔曼滤波器进行车辆GPS导航信号的动态滤波时难以建立精确的数学模型以及传统小波变换在实时性方面存在不足,提出了基于提升小波变换的GPS动态滤波新算法.该算法采用提升小波变换对车辆GPS导航信号进行分解;用3σ准则和多项式插值方法对各层提升小波变换系数进行粗差探测与数据修复;采用模平方软阈值去噪算法对各层提升小波变换系数进行去噪;最后进行提升小波逆变换,从而实现车辆GPS导航信号的动态滤波。仿真实验结果表明,该算法的导航定位精度优于卡尔曼滤波算法;虽然在导航定位精度方面稍比传统小波变换算法的性能高,但比传统小波变换算法速度快一倍;显然该算法对车辆GPS导航系统是有效的.     

基于车速推算的改进地图匹配算法研究

车载GPS/DR组合导航监控系统中,GPS/DR数据不可避免受到各种误差源的影响而产生较大的误差,为了降低各种误差源对车辆导航的影响,有机结合能改善GPS/DR数据误差对导航影响的地图匹配算法,从而构成了GPS/DR/MM智能导航系统.文中通过分析地图匹配算法的关键技术和影响地图匹配算法可靠性等因素,提出一种基于车速递推的地图匹配算法,该算法利用基本可信数据--车速,从而很大程度地提高了地图匹配算法的可靠性.通过跑车实际数据测试表明,该算法是行之有效的.     

基于GPS的路段旅行时间和速度估计算法研究

GPS已经广泛应用于交通领域。本文探讨了利用GPS车辆定位信息,进行路段旅行时间和路段平均速度估计的相关算法。重点讨论了在GPS返回数据的不同情况下,进行旅行时间的推算,以及平均速度的估计。通过路上试验,说明该算法能够得到路段合理的旅行时间和平均速度,能够描述路网的运行状态。     

基于视频检测的车辆变道轨迹识别方法研究

采用Hough变换检测车道线,然后采用背景减差法对运动目标进行检测;目标车辆的跟踪使用改进的形心跟踪算法和模板匹配算法,对运动车辆的轨迹进行提取,计算已有车辆轨迹与车道线的距离;结合高速公路三种常见变道情况,对车辆变道进行定义;通过车辆轨迹与车道线距离方差判断车辆轨迹是否发生违法变道。实验结果表明,该算法能有效地识别车辆变道轨迹,且算法简单可靠。     

����GPS���ݵij��⳵·��ѡ����Ϊ�о�

出租车路径选择行为研究对于剖析城市交通流时空分布规律及交通流分配具有重要意义。基于北京市出租车调度系统采集的GPS（Global Positioning System）数据,本文首先通过旅程数据提取、地图匹配及双向扫除算法,构建车辆路径选择行为分析所需的RP（Revealed Preference）数据。其次,在综合考虑道路网络条件和交通条件对驾驶员路径选择行为影响的基础上,构建基于PSL（Path-Size Logit）模型的出租车多路径概率选择模型。案例分析结果表明,出租车驾驶员更倾向于选择旅行时间短、转向次数少、主干路和次干路比例较高的路径。同时,文中所提出的路径选择行为建模方法,对于提高GPS数据的使用价值具有积极的意义。     

基于拓扑判断的海量GPS数据延时地图匹配算法

由于浮动车数据采集中存在GPS数据周期过长、拓扑关联性较差、数据量大的特点,传统的车载端地图匹配算法难以直接应用,针对车辆无法初次匹配的情况,设计了一种可根据路网拓扑关联性进行判断的延时地图匹配算法.实际数据验证表明,该算法在保证数据完整性和有效性的基础上,可以实时、准确地进行地图匹配,尤其是车辆位于复杂交叉口及高架桥附近区域时车辆真实行驶道路的确定.      

基于GPS数据的出租车路径选择行为研究

出租车路径选择行为研究对于剖析城市交通流时空分布规律及交通流分配具有重要意义.基于北京市出租车调度系统采集的GPS（Global Positioning System）数据,本文首先通过旅程数据提取、地图匹配及双向扫除算法,构建车辆路径选择行为分析所需的RP（Revealed Preference）数据.其次,在综合考虑道路网络条件和交通条件对驾驶员路径选择行为影响的基础上,构建基于PSL（Path-Size Logit）模型的出租车多路径概率选择模型.案例分析结果表明,出租车驾驶员更倾向于选择旅行时间短、转向次数少、主干路和次干路比例较高的路径.同时,文中所提出的路径选择行为建模方法,对于提高GPS数据的使用价值具有积极的意义.     

GPS实时地图匹配技术中缓冲区分析的研究

GPS数据如何实时地与GIS地图数据匹配已经成为GPS车辆导航系统中的关键问题之一。通过对GPS车辆导航中地图匹配问题的研究,认为可以采用误差缓冲区分析方法对GPS动态定位数据与GIS地图数据进行地图匹配。在实际应用中业已证明该方法效率高、可操作性强,有利于提高GPS车辆导航系统在应用中的精度和可靠性。     

山西高速公路几何线形控制设计车辆的思考

基于山西省高速公路交通事故调查数据,简明阐述合理选择几何线形控制设计车辆的重要性。结合我国现有机动车辆设计参数的调查结果,与现行《公路工程技术标准》和《公路路线设计规范》设计车辆参数进行对比分析,以美国AASHTO的方法为依托,结合公路运营车辆实际尺寸,为山西高速公路线形设计提出了控制设计车辆类型及尺寸。相关结论对于高速公路安全设计及有关标准的修订具有一定的借鉴作用。     

船舶异常行为的一致性检测算法

为了准确检测船舶的操纵异常行为和降低异常行为误报警率,提出了船舶异常行为的一致性检测算法;在船舶轨迹点中引入能够体现操纵模式的特征,以转向行为与变速行为度量了操纵行为相似性;将空间位置相似性与操纵行为相似性进行组合,定义了船舶综合行为相似性,计算了单个轨迹点与训练轨迹序列中的最近邻特征点,构建了一致性检测的样本序列;为克服样本重叠的类分布情形,改进了一致性检测算法的奇异值度量,并用综合行为相似性计算样本间的非一致性得分,利用单个轨迹点的随机性检验值判断该轨迹点与样本序列的分布一致性;以琼州海峡实测AIS数据作为正常数据,以计算机模拟随机产生异常轨迹和人工自定义操纵异常行为作为异常数据,分别进行异常检测试验。试验结果表明:随机产生的异常轨迹检测正确率为100%,但是轨迹评价集中有一部分正常轨迹被错误划分成异常轨迹,在指定置信度水平分别为99.0%和99.7%的情形下,误报警率分别为0.6%和0.2%,分别低于显著性水平0.01和0.003,因此,利用一致性检测算法能有效检测计算机产生的随机异常轨迹,并可通过指定显著性水平严格控制检测误报警率,能有效检测人工自定义的船舶变速与转向异常行为,而且检测结果能随船舶行为改变而变化。     

出租汽车GPS数据的空间分布特征及应用——以广州市为例

出租汽车GPS数据记录了车辆的出行轨迹、时间、起讫点等信息,利用相关算法可以挖掘车辆或乘客的运行特征、时空分布特征等,应用于交通规划和运营管理。在总结出租汽车GPS异常数据的处理方法以及时空分布特征主要算法的基础上,对广州市约2万辆出租汽车的上下客流热点区域、时间分布、OD分布等进行总结。以广州市为例进行实证研究,从交通规划、运营管理、服务模式等方面选择典型案例,剖析广佛出租汽车返程点布局规划、公共汽(电)车夜班线路优化,以及如约巴士+出租汽车新服务模式的应用尝试。