城市信号交叉口交通运行评价参数视频检测

针对交叉口排队长度和延误等交通运行评价参数很难直接被检测到的问 题,本文提出了一种基于视频处理的交叉口运行评价参数的综合检测方法.该方法首先 将选择性背景更新机制引入块级背景差分,并结合块级帧间差分实现快速的排队车辆 检测.然后,利用虚拟平行线定位每车道排队车辆首尾端,并结合排队首尾车的跟踪与停 车线处虚拟线圈的计数来检测排队车辆数,进而获得延误、停车次数等其它交通运行评 价参数.实际测试结果表明,该方法能有效实现多参数的同时检测,并且能有效提高检测 的准确率.与实际值比较,参数检测值平均误差小于5%,能较好地满足交叉口运行性能 评价需要.     

监控环境下信号交叉口控制延误的获取方法

依据摄像头监控环境下可以检测到的相关参数,给出了信号控制交叉口进口道的车均控制延误参数提取的方法.文中以各个周期饱和度不超过1.2的信号控制交叉口进口道为研究对象,根据该周期的车辆通行需求和交通供给,将交叉口进口道的状态划分为正常交通状态和饱和交通状态;然后根据本周期车辆的到达情况、上周期排队车辆对本周期的影响及本周期排队车辆对下个周期的影响,结合监控环境下可以直接获取的相关参数,对两种交通状态分4种情况分析了交叉口进口道的控制延误参数的提取方法,构建了相应的模型.最后通过实例表明,该论文陈述的模型可以较好的提取交叉口进口道的控制延误参数.     

交叉口交通冲突严重程度量化方法

为提高交通冲突严重程度的判别精度,基于运动单元圆假设与视频检测技术,提出了交叉口两车交通冲突严重程度量化方法。利用视频处理程序与实地采集的视频图像提取圆单元运动学参数,并通过迭代方法进行了冲突检测与冲突时间判定。充分考虑车辆的制动性能,将非完全制动停车距离与瞬时车速的比值作为冲突严重程度判别临界值,以冲突时间与临界值为参数,建立了冲突严重程度量化值,并对其严重程度进行了量化与分级,以北京市某交叉路口为例进行了应用实例分析。分析结果表明:两运动单元驶入交叉口后,二者之间的冲突严重程度量化值由1.32增大为2.45,后又不断减小直至无交通冲突;随着冲突严重程度的增大,驾驶人会采取紧急制动措施使冲突严重程度减小,直至冲突消解。可见该方法可以方便地检测交通冲突,准确量化交叉口两运动单元之间的冲突严重程度。     

基于半监督哈希算法的交叉口交通状态识别

准确辨识交叉口交通状态是实施有效交通控制策略的前提. 传统交通状态识别方法是利用占有率、排队等统计数据设计指标实现状态识别，存在只能从单一角度刻画交叉口交通需求的问题. 对此，提出基于半监督哈希算法的交叉口交通状态识别方法. 从原始数据丰富特征入手，构建交叉口有效检测区域的图像化模型；将交叉口交通状态识别转化为图像搜索问题，利用监督哈希算法实现基于部分标签信息的图像搜索，进而得到交叉口的交通状态；最后，利用仿真对该方法进行了验证. 结果表明，所提方法在识别精度和速度上具有可行性和有效性.     

基于形态检测与深度学习的高空视频车辆识别

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示：AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.     

基于视频的交叉口排队过程感知及预测

在研究交叉口排队过程中，全面、精细地感知及预测方法一直是难点. 传统的排队过程感知方法缺乏不同排队阶段的精细感知和关联，无法得到全面、精细的交通参数. 对此，提出一种基于视频、分阶段感知再关联的排队过程感知及预测方法. 该方法包括3 部分：第一，通过目标检测和边缘检测提取道路和车辆信息；第二，对道路和车辆边缘信息进行卷积融合，检测排队区域和排队长度；第三，利用车辆位置重构和KCF跟踪等方法感知并关联不同排队阶段，重构并预测交叉口车辆运行轨迹，得到精准到车辆个体的排队车辆数和停车延误等参数. 实验结果表明，所提方法在检测正确的情况下，平均95.7%的排队车辆轨迹重构结果是准确的；并且在实际应用场景测试中，在不同车流量和光照条件下均可取得满意的效果.     

基于形态检测与深度学习的高空视频车辆识别

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示：AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.     

倒计时信号对信号交叉口交通特性的影响

从运行效率和交通安全方面,对信号交叉口换相提示的影响进行研究。基于视频数据,提取不同换相提示方式下驾驶人启动反应时间、车头时距、黄灯期间交织区车辆滞留率等参数,运用SPSS中的T检验方法获取运行参数,基于倒计时信号对交叉口交通特性的影响进行显著性分析,验证倒计时信号的有效性。研究结果表明:倒计时信号换相提示装置能显著降低驾驶人的启动反应时间,使车队达到饱和车头时距的时间提前,提高交叉口的运行效率,但增加了黄灯期间交织区车辆滞留率,对交叉口交通安全可能具有一定潜在的负面影响。     

考虑上游交叉口信号设计的排队长度计算

排队长度是拥挤道路或短距离交叉口交通设计或信号控制重点考虑的交通评价指标之一.针对传统排队长度计算仅考虑单个交叉口交通运行参数的不足,构建了综合考虑上下游交叉口交通运行参数的排队长度计算模型.该模型以交通波理论为基础,综合考虑了上下游交叉口的信号设计、转向流量、路段长度,以及相位差等因素,通过各相位最大排队长度状态点的时空演化计算,得到了交叉口最大排队长度计算方法.经VISSIM和SYNCHRO等交通软件的对比分析表明,模型具有较高的计算精度,可定量分析上下游交叉口各交通要素对排队长度的影响,适用于关联交叉口的交通设计优化或拥挤路段的实时信号控制.     

基于视频图像分析的地铁列车车辆拥挤度识别方法研究

准确掌握地铁车辆内拥挤程度是提高城市轨道交通服务质量的手段之一。本文在对地铁车辆监控视频图像提取与分析的基础上,提出了一种基于卷积神经网络的车辆拥挤度识别方法。该方法使用车辆监控视频建立了车厢乘客数据集,通过提取视频图像检测区域以及人群特征检测来实现地铁列车车辆拥挤度识别。实验结果表明,所提出的方法检测速度快,能够满足实际应用中实时性要求,三级拥挤度分类识别实验准确度为98%,四级拥挤度分类识别实验准确度为87%,其检测结果可辅助城市轨道交通管理者快速掌握线网实时客流拥挤情况。     

基于遗传算法的城市干道协调控制

探讨了传统解法城市干道协调控制中存在的典型问题，对城市干道协调控制中交通流在协调控制系统内各交叉口的“驶离一到达”模式进行了分析，提出了基于遗传算法的城市干道协调控制相位差优化设计方法。范例分析表明本文的方法求解结果优于传统数解法，能更准确地反映实际的交通运行情况和控制效果。     

基于SOGA的VISSIM仿真模型参数标定方法

微观交通仿真模型是对交通系统进行管理、控制和优化的重要试验手段和工具,而微观交通模型的参数标定是确保微观交通仿真模型能真实、直观地反映交通流运行情况的必要前提.针对遗传算法(GA)的不足,提出了基于自适应正交遗传算法(SOGA)的微观交通仿真模型参数标定方法.选取应用较为广泛的VISSIM仿真模型作为基础平台,给出了该优化方法中染色体的编码解码、适应度函数和自适应正交交叉算子的详细设计.最后将算法应用到北京市荣华中路与荣京西街交叉口模型参数标定中,通过与GA算法、正交试验法对比,SOGA算法得到的适应度函数值为19.43,优于其他标定算法的适应度函数值;同时,SOGA算法迭代时间比GA算法少了40.5%,验证了SOGA算法在VISSIM参数标定上的优越性.     

基于运行参数-几何参数关系的信号控制方法——以K型交叉口为例

受城市发展历史原因影响,畸形交叉口在中国城市老城区的分布较为普遍,其中包括K型交叉口。为了提升城市道路通行效率及安全水平,结合哈尔滨市5处典型K型交叉口调查数据,在分析其几何参数及交通流运行参数的基础上,构建K型交叉口运行参数-几何参数关系模型。通过交叉口的交通流线分析、交通冲突点计算、交通冲突强弱界定等步骤,提出一种旨在提高K型交叉口通行效率的信号控制方法。最后,以某典型K型交叉口为案例,对实施前后的交叉口交通流运行状态进行仿真与对比分析。结果表明,基于运行参数-几何参数关系的K型交叉口信号控制方法,可以减少车流在路网上的绕行时间,有效提升交叉口及其周边道路网的通行效率。     

���˽�ͨ����Ƶ��ⷽ������

行人交通是我国城市居民出行的主要交通方式,而行人交通的视频检测技术对于智能交通系统的发展与应用具有重要意义,通过对行人检测和分析确定行人的运动轨迹,提取行人交通参数,为交通规划、管理与控制提供科学的数据。首先回顾行人交通视频检测技术的发展历程,综述研究的方法、技术和主要成果;其次,从行人交通系统的一般处理框架—行人检测、识别、跟踪和交通参数的提取,分层次回顾低级、中级和高级各处理阶段的发展水平;重点阐述各处理阶段的现有技术和方法,并将每阶段相应地划分为不同方法子类加以讨论;最后,分析行人检测研究的技术难点及未来的发展趋势。     

基于粗糙集和遗传算法的道路交通事故分析

通过对道路交通事故的原因分析,确定了造成道路交通事故的影响因素.研究了利用粗糙集理论从交通事故历史数据中提取有效信息的方法,并给出了基于遗传算法的道路交通事故决策表属性约简算法,得出了道路交通事故决策规则表.计算结果表明:文中所建数学模型科学合理,算法高效可行.为建立道路交通事故智能分析系统提供了一个有效的方法.     

一种基于激光与视频信息时空数据融合的行人检测方法

针对城市交通行人安全问题,本文提出了一种基于激光与视频数据融合的行人检测方法.通过激光与视频数据空间和时间上的融合,将激光数据映射到图像坐标;在激光聚类过程中,采用K-means 聚类算法对激光云点进行聚类分析,然后运用行人宽度模型提取候选行人区域;在基于图像的行人检测过程中,选取头肩、躯干以及腿部人体特征部位,采用Haar-like 特征集和Boosting 算法进行训练,得到部位检测器;最后,基于贝叶斯决策的组合策略对候选行人区域进行有效判定.实验结果表明,本文所述算法有较好的检测精度和实时性能.     

城市路网交通状态分析方法研究

城市路网交通状态分析是智能交通系统中具有理论和实际应用双重性的基础问题,是涉及多尺度、多变量、高度随机和时变的复杂系统分析问题。其难点在于如何建立交通路网模型、如何定义交通状态变量和如何分析路网交通状态。本文对这些问题进行了研究,从中观角度把交通路口参数归入到路段参数,从路段的角度再定义新的路段交通状态系数,并建立用于交通状态分析的路网交通模型。提出了基于可达矩阵的路口分层方法,使用该方法能够得出在不同路段拥挤程度之下的路口层次,得出路口可达性、路段连通性以及整体路网交通状态的判别结果,可以找出路网中关键路口、关键路段,可以得到交通状态的演变方式, 进而为研究交通拥堵形成机理奠定基础。这种分析方法可以直接应用于交通状态分析中,对交通诱导、旅行信息发布也有重要价值。     

基于遗传模拟退火算法的TRANSMODELER仿真模型参数标定研究

大多微观仿真软件是针对国外交通流特性而开发的交通仿真软件,而我国的交通特性与国外相比存在一定的差异,因此在运用仿真软件进行交通仿真之前,需要针对我国城市路网的实际交通调查结果,对相关参数进行标定.其目的是提高仿真模型的精度,使仿真结果更真实、更准确.文中设计了详细的参数标定流程,利用参数敏感性分析选取所需要标定的参数,再引入遗传模拟退火算法进行参数最优组合的搜索,并设计其功能界面,利用TRANSMODELER的二次开发功能,将参数标定的算法植入其仿真模块,实现仿真、评价的一体化和自动化.以昆明市一二一大街、学府路及相关联路道路为示范路网,验证所建立参数标定流程与算法的有效性与可行性.     

�źŽ���ڹ����������������ͻΣ�նȽ�ģ

为定量评价信号交叉口行人过街安全性,量化过街行人与机动车冲突的严重程度,从过街行人行为特征出发,基于模糊聚类的SOMK聚类算法,提出信号交叉口过街行人与机动车冲突危险度模型。以南京市6个信号交叉口为例,采用基于视频的人工观测法采集高峰时刻行人与机动车冲突数据,给出TTC、PET、DST等评价指标的获取和计算方法,阐明交叉口行人过街冲突危险度的分析过程。结果表明,TTC、PET、DST三个指标变量对于聚类分析都起到明显作用,不同类型冲突的发生频率及其严重程度存在差异性。