����ʱ�չ켣���ٵĽ�ͨ�����Բ���������

基于视频的交通流检测在智能交通系统中具有重要意义。本文针对广泛采用的低位摄像机,提出了一种交通流特性参数的检测分析方法。首先基于三级虚拟检测线和自适应更新率局部背景建模来快速提取车辆特征点并消除活动阴影对提取精度的影响;然后基于Adaboost（Adaptive Boosting,自适应增强）分类器实现特征点按车分组,并在跟踪过程中根据运动特征相关度消除分组误差,获取高精度的车辆轨迹;进而自动生成多车道轨迹时空图并提取各车道交通流的多种特性参数。实验结果验证了算法的高效性;同时,自动生成的多车道轨迹时空图也为更多的交通信息获取和更深入的交通流特性分析提供了有力支持。     

基于驾驶人特性的双车道跟驰模型稳定性分析

为了研究交通拥堵问题,了解交通拥挤形成的过程及驾驶员自身特性对双车道交通流稳定性的影响.本文基于复杂网络聚类同步理论,对一类基于驾驶员特性的双车道跟驰模型的稳定性进行研究. 通过设计适当的控制器使得基于驾驶人特性的双车道车辆跟驰模型趋于稳定,并得到了模型稳定性的条件.此外,在双车道上的车辆受到随机外部扰动的情形下,利用具有外部扰动的复杂网络自适应H∞ 聚类同步理论,研究了外部扰动情形下基于驾驶人特性的双车道车辆跟驰模型的稳定性.最后,采用MATLAB仿真技术进行数值模拟,验证所设计控制器对双车道交通流稳定性的影响及不同的驾驶员性格特性对交通流运行的影响.     

基于驾驶人特性的双车道跟驰模型稳定性分析

为了研究交通拥堵问题，了解交通拥挤形成的过程及驾驶员自身特性对双车道交通流稳定性的影响.本文基于复杂网络聚类同步理论，对一类基于驾驶员特性的双车道跟驰模型的稳定性进行研究. 通过设计适当的控制器使得基于驾驶人特性的双车道车辆跟驰模型趋于稳定，并得到了模型稳定性的条件.此外，在双车道上的车辆受到随机外部扰动的情形下，利用具有外部扰动的复杂网络自适应H∞ 聚类同步理论，研究了外部扰动情形下基于驾驶人特性的双车道车辆跟驰模型的稳定性.最后，采用MATLAB仿真技术进行数值模拟，验证所设计控制器对双车道交通流稳定性的影响及不同的驾驶员性格特性对交通流运行的影响.     

一种基于视频虚拟检测线的交通流参数检测方法

实时交通流参数检测在智能交通系统中起着重要的作用。参数检测有多种方式,其中基于图像处理的视频车辆检测方式近年来发展很快,由于它具有检测区域大、系统设置灵活等突出的优点,已成为智能交通系统领域的一个研究热点。车辆的检测基于车道,在每个车道设置两条虚拟检测线来检测交通流参数,虚拟检测线的作用类似于电磁感应线圈。系统通过对视频虚拟检测线的预处理将二维的数字图像转化成一维的检测信号,减小了运算量,降低了运算负荷。提出的基于视频虚拟检测线特征的交通流参数检测系统已经在PC机上用VC 6.0实现,并对不同典型天气条件下的交通流视频进行了实验,实验结果表明该系统具有较高的车流量统计精度。     

双车道普通车辆-自动货车混合驾驶交通流建模与仿真

作为未来交通的一部分,自动货车队列被认为是最早实现的自动驾驶场景之一.为深入探讨普通车辆与自动货车构成的混合交通系统可能呈现的特征及其原因,分别建立了适用于描述普通车辆和自动货车驾驶行为的元胞自动机(Cellular Automaton,CA)模型,运用数值模拟的方法探究交通流状态的演变过程.研究发现：双车道环境下自动货车的加入是一把“双刃剑”,在交通流密度较低且自动货车占比较小时,对普通车辆影响甚微;在交通流密度较高且自动货车占比较高时,普通车辆换道条件苛刻导致换道频率降低,无法获取更高车速进而影响了整个道路系统的通行效率.     

城市道路交叉口自动事件监测系统

提出一种基于事件特征来检测交通事件的监测系统.系统选取3个特征值,交通流、车辆角度和车辆加速度.从CCD摄像头获取图像序列之后做车辆检测,提取车辆移动方向、交通流和车辆加速度来获得检测结果.该方法通过计算得到正确率97.8%,误报率1.02%,检测时间只要30 s.结果表明,该方法比检测效果更好.     

城市道路交叉口自动事件监测系统

提出一种基于事件特征来检测交通事件的监测系统.系统选取3个特征值,交通流、车辆角度和车辆加速度.从CCD摄像头获取图像序列之后做车辆检测,提取车辆移动方向、交通流和车辆加速度来获得检测结果.该方法通过计算得到正确率97.8%,误报率1.02%,检测时间只要30 s.结果表明,该方法比检测效果更好.     

智能网联环境下多车道异质交通流建模与仿真

为探究智能网联自动驾驶车辆(Connected and Autonomous Vehicle, CAV)与人工驾驶车辆 (Human Driving Vehicle, HDV)混合行驶的多车道异质交通流运行特征,本文剖析了异质交通流中不同类型车辆的跟驰模式,提出不同类型车辆双车道及多车道换道模型,进而构建了多车道异质交通流仿真模型,并分析了不同CAV混入率下的道路通行能力及换道行为特征。研究结果表明,随着CAV渗透率的提高,单车道通行能力由1678 pcu·h-1提升至4200 pcu·h-1,交通流临界密 度由25 pcu·km-1增长至35 pcu·km-1 ,同一渗透率下不同车道数的道路通行能力及临界密度值呈现显著差异性。异质交通流换道行为呈现三阶段特征：在低密度下,不同类型车辆均可自由行驶及换道;密度在20~100 pcu·km-1 时,车辆换道频率呈“上凸”状,CAV渗透率越高,HDV凸形峰值越大,而CAV峰值较低;在高密度下,受可换道空间的约束,不同类型车辆均无法完成换道。此外,进一步讨论了不同CAV渗透率及密度条件下的异质交通流仿真效益,包括交通量提升及秩序改善特征等。研究成果有助于理解智能网联环境下多车道异质交通流运行状况,为未来异质交通流管理提供理论参考。     

����CAģ�͵ĵ�������ͨ��������о�

在Nege1．Schreken berg单车道元胞自动机交通流模型的基础上，考虑面向高速公路的一维交通流运行状况，细化格点并进行计算机仿真。观测车辆的运行情况，并对车辆的平均速度和延误加以研究。仿真结果表明，车辆平均速度和延误符合它们的基本变化趋势。从仿真结果生成的时空图上我们可以看出，本文模型所生成的时空图所出现的阻塞相要比NS模型所出现的阻塞相平缓。且由于我们在仿真过程中使车辆加速度降低到合理的大小，让车辆的运行过程更加连续，因此本文模型比NS模型更加贴近现实。     

基于社会力模型的无车道划分异质交通流研究

考虑当前针对无车道划分时的交通流特性研究较少,而且没有考虑车辆类型的异质性,因此本文基于社会力模型提出了一个无车道划分异质交通流模型.利用仿真软件Matlab搭建仿真平台,分析所建立模型的特性,以及道路条件、大车比例对交通流的影响.结果表明,本文所建立的交通流模型能有效地模拟无车道划分情况下的异质交通流特征.在无车道划分时,道路通行能力和平均速度会随着道路宽度减小而减小,当道路宽度小于7m时,通行能力会急剧下降.当交通流密度比较低时,增加大车比例对道路通行能力和平均速度影响很小;当交通流密度比较高时,大车比例的增加会降低道路通行能力,但交通流会变得更加稳定.     

基于RFID的道路交通拥堵信息识别模型

为推动交通智能化发展,引入射频自动识别技术获取道路上车辆运行信息,进行基于RFID的车辆信息采集框架设计。然后利用信息融合约简方法计算交通流特征值,最后根据速度、密度、流量三变量建立基于模糊层次分析的道路拥堵评价模型,判定道路交通拥堵级别,并在此基础上提出道路交通拥堵峰值异常和总体评价并行的预警机制。实验分析表明,该模型能够快速准确地确定当前道路的拥堵状态,及时预警拥堵路段,保证道路行车通畅和安全。     

基于实测数据的终端区空中交通流特性分析

研究机场终端区空中交通流时空特性,为揭示交通流内在相互影响及拥堵机理,优化终端区管控策略提供科学依据.本文根据实测的空管雷达信息,首先确定目标航段上空中交通流参数的时序分布;然后从交通流参数关系基本图出发,结合终端区空中交通运行方式与管制规则的分析,将空中交通流状态划分为自由流、弱管制干预流和强管制干预流三个阶段;最后,在状态划分的基础上,采用线性回归分析建立空中交通流的速度-密度模型、流率-密度模型和流率-速度模型,并以F和T检验对回归模型及回归系数的显著性进行检验.研究结果表明,本文建立的交通流模型能够较好地反映空中交通流特性,且对终端区空中交通时空态势的评估具有应用价值.     

����ʵ�����ݵ��ն������н�ͨ�����Է���

研究机场终端区空中交通流时空特性,为揭示交通流内在相互影响及拥堵机理,优化终端区管控策略提供科学依据。本文根据实测的空管雷达信息,首先确定目标航段上空中交通流参数的时序分布;然后从交通流参数关系基本图出发,结合终端区空中交通运行方式与管制规则的分析,将空中交通流状态划分为自由流、弱管制干预流和强管制干预流三个阶段;最后,在状态划分的基础上,采用线性回归分析建立空中交通流的速度—密度模型、流率—密度模型和流率—速度模型,并以F和T检验对回归模型及回归系数的显著性进行检验。研究结果表明,本文建立的交通流模型能够较好地反映空中交通流特性,且对终端区空中交通时空态势的评估具有应用价值。     

公交专用道对城市路网的影响及综合效益研究

本文基于时空消耗概念,提出了公交专用道设置后路网容量修正公式;根据Logit模型和交通阻抗函数分析出公交专用道将有助于优化城市居民出行交通结构;指出不同等级道路交通流车辆组成将重新分配.引进公交专用道规划前评价和设置后评价理念;建立多级指标层次结构图,建议采用层次分析法和模糊数学进行综合效益评价.     

一种改进的基于轮廓特征拐点的遮挡车辆分离方法

在传统的基于4类特征拐点的遮挡车辆分离方法的基础上进行改进,提出了一种基于8类特征拐点的分离方法．该方法以车辆常用的矩形模板为先验知识,首先对存在遮挡的连通区域提取边缘轮廓,并将轮廓上的特征拐点分为8类;然后在对相邻且同类的轮廓特征拐点进行合并的基础上,利用改进的车辆轮廓特征拐点的类型组合来实现遮挡车辆的识别和分离．仿真实验表明,本文所提出的新方法具有更好的鲁棒性和精确性,且方法简单,具有很高的实际应用价值．     

设置非机动车等候区的信号交叉口交通流模型

城市机非混行交叉口的管理与控制是交通管理的重要内容.针对信号交叉口设置非机动车等候区的交通组织方式,建立了交叉口元胞自动机模型.对机动车流采用基于经典 NaSch(NS)的改进多车道元胞自动机模型,建立了交叉口换道规则,增加主动减速规则;对非机动车流采用具有侧向运动的扩展多值 CA模型.研究了设置等候区的车流状态特性,以及非机动车密度和等候区纵向长度对信号交叉口的影响.研究结果表明：设置等候区能在一定程度上提高交叉口的通行能力,但长度并非越长越好,当长度过长时在一定条件下会增大对机动车流的阻滞,总体上等候区是一种值得借鉴的方式;非机动车密度对机动车流的基本图具有显著影响.     

基于Darknet框架下YOLO v2算法的车辆多目标检测方法

针对道路车辆目标检测传统方法需随场景变化提取不同特征, 检测率较低与鲁棒性差的问题, 提出了一种基于Darknet框架下YOLO v2算法的车辆多目标检测方法; 根据目标路段场景与车流量的变化对YOLO-voc网络模型进行改进, 基于ImageNet数据集和微调技术获得分类训练网络模型, 对训练结果和车辆目标特征进行分析后进一步调整改进的算法参数, 最终获得更适合于道路车辆检测的YOLO-vocRV网络模型下车辆多目标检测方法; 为验证检测方法的有效性和完备性, 采用不同车流密度进行了车辆多目标检测试验, 并与经典YOLO-voc、YOLO9000模型进行了对比; 采用改进YOLO-vocRV网络模型, 选取20 000次迭代, 分析了多目标检测结果。试验结果表明: 在阻塞流样本条件下, YOLO9000网络模型检测率为93.71%, YOLO-voc网络模型检测率为94.48%, 改进YOLO-vocRV网络模型检测率达到了96.95%, 因此, 改进网络模型YOLOvocRV检测率较高; YOLO-vocRV模型精确度和召回率均聚集在0.95, 因此, 在获得较好精确度的条件下损失的召回率明显较小, 达到了很好的折中; 采用混合样本训练后, 基于YOLO-vocRV模型的车辆多目标检测方法的检测率在自由流状态下可达99.11%, 同步流状态下可达97.62%, 阻塞流状态下可达到97.14%, 具有较小的误检率和良好的鲁棒性。      

设置非机动车等候区的信号交叉口交通流模型

城市机非混行交叉口的管理与控制是交通管理的重要内容.针对信号交叉口设置非机动车等候区的交通组织方式，建立了交叉口元胞自动机模型.对机动车流采用基于经典 NaSch(NS)的改进多车道元胞自动机模型，建立了交叉口换道规则，增加主动减速规则；对非机动车流采用具有侧向运动的扩展多值 CA模型.研究了设置等候区的车流状态特性，以及非机动车密度和等候区纵向长度对信号交叉口的影响.研究结果表明：设置等候区能在一定程度上提高交叉口的通行能力，但长度并非越长越好，当长度过长时在一定条件下会增大对机动车流的阻滞，总体上等候区是一种值得借鉴的方式；非机动车密度对机动车流的基本图具有显著影响.     

基于类锚虚拟线圈的多流向车流量检测算法

针对城市道路车流量检测中车辆误分类问题,提出一种基于类锚虚拟线圈的多流向车流量检测算法。首先,采集车辆图像样本并随机裁剪以构建小客车、公交车和摩托车的均衡数据集,通过 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法聚类获得 3 类车型的高度、宽度尺寸,以此校正场景车辆识别线圈尺寸,布设物体检测线圈与组合车辆识别线圈;其次,基于均衡数据集训练ResNet18卷积神经网络完成车辆类型判断;最后,采用改进的核相关滤波器追踪算法追踪车辆轨迹,通过计数线完成多流向车流量检测。验证分析表明：对单向车流,高峰、平峰正检率均值提升了5.09%、4.57%,误检率均值降低了5.31%、2.35%;多向车流中,直行车流的高峰、平峰正计率提升了 5.01%、5.99%,左转车流的高峰、平峰正计率提升了 4.29%、 4.56%。