基于视频的道路盲区能见度检测研究

基于道路视频图像的能见度检测方法可为智能交通系统提供实时、可靠、经济的交通能见度信息，但其应用效果受限于广泛存在的视频监控盲区。鉴于此，针对道路视频监控盲区的能见度实时检测方法展开研究，利用视频能见度检测算法，获取上下游路段能见度的两类检测数据，并提出一种基于能见度数据的高层信息汇聚融合模型，构建了盲区的能见度间接检测方法，给出 基于实时视频检测的道路盲区能见度预测值，与目测结果相比，平均误差小于10%。     

基于监控视频的高速公路能见度检测方法及系统

针对我国高速公路能见度天气的全面检测与预警处置的迫切需求,提出了一种基于监控视频的高速公路能见度检测方法.该方法从监控摄像头提取固定距离参照物的图像,根据图像的灰度失真状况计算能见度值,并通过数据融合的手段对多监控摄像头计算结果进行综合;并设计和开发了一款能见度监测与预警处置信息化系统,利用获取的实时能见度数据,从局部现场和宏观路网两个方面支撑能见度预警、应急处置、交通流调控、信息发布等智能交通业务.实验分析结果表明,该能见度计算方法的平均检测误差为13.4%,能够满足我国高速公路能见度检测的精度和计算性能要求;本文方法及系统可以充分复用高速公路沿线广泛架设的视频监控机电系统,可应用于我国高速公路的运营管理及效率提升等工作中.      

一种基于深度学习的离散化交通状态判别方法

在智能交通信号控制和交通流诱导系统中,交通环境状态的有效判别是影响交通控制决策的先决条件,本文针对交通流产生的大数据信息,结合深度学习算法提出一种离散化交通状态的判别方法.给出了包括交通状态数据采集、状态数据描述、状态深度学习和判别等功能模块的系统架构,构建了一种离散交通状态编码方法,为深度学习交通状态特征提供了数据基础.模型训练阶段,对采集到的二值和连续值交通状态数据,分别构建了两种不同的深度置信网络实现交通状态特征的无监督学习;模型微调阶段,在整合形成的高层抽象特征向量顶端增加softmax分类器,采用反向传播算法实现参数微调.最后,该方法基于VISSIM微观交通软件进行仿真,实验结果表明,离散交通状态编码方法可有效表达交通状态,基于深度学习的交通状态判别方法相对传统方法具有较高的准确度.     

考虑能见度的无信号交叉口行人与车辆冲突识别

为减少低能见度下无信号交叉口过街行人与车辆的交通事故,开展了考虑能见度影响的车辆与过街行人冲突识别研究.结合车辆行人相对位置、速度、加速度、车辆尺寸等信息,构建了过街行人与车辆冲突识别模型,确定了基于人-车间距的交通环境能见度测量方法,给出车辆速度与能见度之间的关系模型,在此基础上对模型进行修正,并验证了模型的有效性.结果表明:该冲突识别模型可对过街行人与车辆冲突进行有效识别,冲突识别的准确率为82.4％,该研究可为车-路协同下的无信号交叉口行人和车辆冲突识别提供决策,进而提高低能见度下行人与车辆的安全性.     

基于车辆身份感知数据的路段轨迹 重构方法研究

车辆轨迹蕴含着大量丰富的交通流时空信息,对于全面解构城市交通路网运行具有至关重要的意义.传统车辆轨迹重构模型大多基于定点线圈检测数据或者浮动车轨迹数据作为输入数据,并且普遍未考虑过饱和交通状态.本文提出了一种基于车辆身份感知数据的车辆路段轨迹重构方法,通过构建一种绿灯相位回溯框架,基于交通流激波理论分段重构车辆行程轨迹,每次回溯过程包含两个主要步骤,即估计车辆状态和分状态重构车辆行程轨迹;然后在Paramics 微观交通仿真平台上对本方法模型的准确性进行了验证.结果表明,该方法在各种饱和状态下均能达到令人满意的应用效果.     

基于车辆身份感知数据的路段轨迹重构方法研究

车辆轨迹蕴含着大量丰富的交通流时空信息,对于全面解构城市交通路网运行具有至关重要的意义.传统车辆轨迹重构模型大多基于定点线圈检测数据或者浮动车轨迹数据作为输入数据,并且普遍未考虑过饱和交通状态.本文提出了一种基于车辆身份感知数据的车辆路段轨迹重构方法,通过构建一种绿灯相位回溯框架,基于交通流激波理论分段重构车辆行程轨迹,每次回溯过程包含两个主要步骤,即估计车辆状态和分状态重构车辆行程轨迹;然后在Paramics 微观交通仿真平台上对本方法模型的准确性进行了验证.结果表明,该方法在各种饱和状态下均能达到令人满意的应用效果.     

大数据背景下的交通模型发展思考

将传统交通调查和模型与新的信息技术相结合,根据大数据的特征改进交通模型的方法体系,是交通模型发展面临的极大挑战.分析交通大数据对交通模型研发的促进作用,特别是在人口及就业岗位分布、综合交通网络数据和基于交通调查的模型参数等核心数据方面的支撑作用.从相关定义、市场细分以及信息完整性三个方面阐述大数据与交通模型的一致性问题.深入讨论应用大数据改进交通调查技术、4D模型研发、出行分布目的地选择模型、轨道交通出行接驳模型、出行成本校核等交通模型关键技术.通过对比大数据和交通模型的决策分析过程,指出大数据与交通模型互动发展的途径.     

融合多源数据与元胞传输模型的高速公路交通状态估计方法

针对高速公路管控和决策应对交通状态进行准确、可靠和精细化估计的需求,本文提出了一种基于多源数据+元胞传输模型（Multi-Source Data Cell Transmission Model,MD-CTM）的交通状态估计方法。该方法针对传统CTM模型要求元胞长度必须一致的局限性,提出了一种元胞长度划分的优化方法,能够灵活调整元胞长度和数量。同时,应用卡尔曼滤波技术,将ETC门架流量、稀疏视频检测器流量和样本车辆平均速度数据融合,并与CTM模型相结合,实现高速公路元胞级交通状态估计。为了验证本文提出方法的有效性和准确性,我们利用VISSIM软件构建了长度5 km的高速公路仿真场景。仿真案例结果表明,本文提出的MD-CTM模型能够较为准确地反映不同流量需求下交通流状态的时空演化特征,且相较于CTM模型,其元胞密度估计精度提高12.59%～36.26%。此外,本文选取了成都市绕城高速路段实际场景,对模型的运行效果进行了展示。     

区域交通模型建设思考——以广东省综合交通模型为例

中国区域交通一体化迫切需要开展区域交通模型研究,而传统交通模型建模方法在数据基础、调查方法上的不适用性造成区域交通模型的研究多停留于理论层面.打破传统的交通建模基础数据需求,明确多层次空间模型体系,依托高速公路联网收费数据,铁路、水运、航空等监测数据构建广东省综合交通模型.阐述在有限基础数据的背景下广东省综合交通模型框架、路网设置特点、交通分区方法、出行频次模型、目的地选择模型、区域货运模型等建模的关键技术方法.     

大数据背景下重庆市综合交通模型维护升级

利用传统交通调查数据开展交通模型维护升级工作存在抽样率低、样本量小、人工成本高、精度低、实施难度大等多种现实问题.在大数据技术不断更新完善的背景下,有必要探索新的模型维护升级技术和方法.首先,阐述重庆市交通大数据的发展历程、数据类型、数据采集与数据格式.其次,在重庆市综合交通模型的框架结构中,分别利用大数据资源探索公共汽车线网的构建、各等级道路流量延误函数标定、常住人口和就业岗位分析、出行分布特征分析和公共交通出行需求分析等相关技术方法.最后,以重庆市综合交通模型的应用实践成果验证模型的可靠性和准确性.     

��ͨ��Ϣ�Ƽ��㼰��Ӧ���о�

云计算借助高速网络将各种计算能力联接起来,为交通信息提供了几乎无上限的可伸缩的计算能力. 本文分析了交通信息云计算的优势、特征、方法和部署,认为交通信息云计算也是一种信息高效采集和服务的概念,是实现交通行为控制的基础. 以车辆GPS定位信息的获取、传送、计算和应用为例,对比了浮动车信息现有处理模式与云计算信息处理模式,提出了以云计算模式产生高效用度、闭环可验证的个性化路径导航信息作用于海量驾驶员个体,实现控制性路径诱导的方法.     

基于少数据云推理的短时交通流预测模型

针对短时交通流所存在的不确定性即模糊性与随机性特点和准周期规律,提出基于灰色关联分析和少数据云推理的短时交通流预测模型.首先,针对短时交通流的准周期规律,运用灰色关联分析提取不同日期相同时段历史序列中最相似序列;其次,提出少数据逆向云算法,建立交通流序列一维云推理机制;最后综合利用历史云及当前云生成预测云,用于短时交通流实时预测.实例分析表明,预测精度良好,能够有效实现短时交通流的实时预测.该模型解决了少数据条件下正向云参数确定问题,降低了数据处理工作量,开拓了云模型在短时交通流中的应用.     

基于组合深度学习的快速路车道级 速度预测研究

随着物联网、云计算和大数据在智能交通领域的普及应用,传统的以道路断面为研究对象的预测方法已经无法满足智能网联技术发展的需求.本文以车道断面为研究对象,提出一种基于组合深度学习(Combined Deep Learning,CDL)的城市快速路车道级速度预测模型.该模型利用基于信息熵的灰色关联分析提取空间特征变量,采用长短期记忆神经网络提取空间特征变量的时间特征,并利用门限递归单元神经网络得到预测结果.通过北京市东二环路车道断面实测微波数据验证发现,提取车道交通流的时空特征,CDL模型能够很好地拟合不同车道不同时段的速度变化趋势,可有效地实现车道速度的单步及多步预测,且该模型的预测精度和稳定性均优于传统预测模型.     

基于组合深度学习的快速路车道级速度预测研究

随着物联网、云计算和大数据在智能交通领域的普及应用,传统的以道路断面为研究对象的预测方法已经无法满足智能网联技术发展的需求.本文以车道断面为研究对象,提出一种基于组合深度学习(Combined Deep Learning,CDL)的城市快速路车道级速度预测模型.该模型利用基于信息熵的灰色关联分析提取空间特征变量,采用长短期记忆神经网络提取空间特征变量的时间特征,并利用门限递归单元神经网络得到预测结果.通过北京市东二环路车道断面实测微波数据验证发现,提取车道交通流的时空特征,CDL模型能够很好地拟合不同车道不同时段的速度变化趋势,可有效地实现车道速度的单步及多步预测,且该模型的预测精度和稳定性均优于传统预测模型.     

高速道岔尖轨点云的复合拼接及数据处理优化

为实现高速铁路尖轨磨耗的高效检测,结合高速尖轨的检测需求及其几何特征,提出了基于距离编码器的复合拼接方法.该方法将距离信息融合到点云拼接中,提高了检测系统的自动化程度.在计算点特征直方图（point feature histograms,PFH）的过程中,引入OpenCL（open computing language）异构加速模型调整点云的数据结构,发挥GPU的并行处理优势获得了更快的数据处理速度.利用实际尖轨开展磨耗检测实验,证明了针对高速尖轨的结构光检测系统有效可行.经过点云拼接和点云扫描数据处理的优化,系统的整体检测效率获得了70%左右的提升.      

基于自动车牌识别数据的混合交通流饱和流率实时估计

为解决混合交通流饱和流率测算的实时性和时变性问题,实时获得混合交通流的饱和流率用以信号配时,本文提出基于自动车牌识别数据(Automatic License Plate Recognition,ALPR)的混合交通流饱和流率实时自动估计方法。首先,分信号周期提取车头时距数据,在当前车和后车车辆类型确定时车头时距满足同一正态分布的假设基础上,构建车头时距的高斯混合模型并应用 EM(Expectation Maximization) 算 法 求 解 ;其 次 ,基 于 赤 池 信 息 准 则 (Akaike Information Criterion,AIC)选取高斯混合模型的最优个数,拟合数据得到高斯混合模型参数;最后,根据车头时距的高斯混合模型推算出混合交通流饱和流率。以杭州城市道路3条路段的ALPR数据为例,分析基于 ALPR 数据获取车头时距的采样误差,对模型进行验证,并与传统的 HCM(Highway Capacity Manual)方法进行对比。结果表明：基于ALPR数据的车头时距采样误差满足精度要求; 与HCM的实测法相比,模型所得的混合饱和交通流率相对误差小,结果准确;该方法与传统的标准车流饱和流率折算法效果相近,并考虑混合交通流时变特性,能自动部署实时计算,鲁棒性良好,有实际应用意义。     

基于服务池的高速铁路应急资源全域优化调度方法

为提高高速铁路应急处置效率,实现资源统一调配,融合云计算和大数据技术,研究了高速铁路应急服务资源的调度问题。在应急云资源建模、应急云服务虚拟化建模、云服务池建模、高速铁路现有应急救援系统的资源使用建模、云计算模式构建的基础上,建立了跨总部和区域的高速铁路应急资源服务池的全域优化调度模型,提出了云资源传输总距离最小、资源协调成本最低、运行处理时间最短、当资源缺乏时需增加的资源数最小等4个优化目标;针对问题的特征,研究提出基于双层粒子群的高铁应急服务优化调度方法。对于给定的案例,选取距离最小作为优化目标,运用提出的方法可给出优化的资源调度方向和资源调度数量,验证了所提出的方法对于求解分布式应急云资源调度问题的有效性。     

能见度不良天气下海上交通安全风险预警系统

为了提高海上交通安全风险预警的实用性与精度, 建立了能见度不良天气下海上交通风险预警系统, 由风险矩阵知识库、交通流密度预测子系统与能见度预警子系统组成; 通过采集大样本, 运用不完备信息条件下模糊信息分配理论修正了专家调查法, 确定了海上交通风险矩阵; 采用人工神经网络中极限学习机理论的短时船舶交通流密度预测算法计算了交通流密度; 采用区域大气模式系统对气象和海洋预报部门提供的能见度预报数据进行空间和时间精细网格化划分, 计算了能见距离; 采用系统预测了空间网格为2nmile×2nmile和时间步长为10min的关注海域的能见距离和交通流密度, 以验证系统的有效性。仿真结果表明: 2个不同时间段12个时间点的能见距离预测准确率分别达到75%、75%、80%、75%、80%、75%和75%、75%、80%、80%、80%、75%, 相应的交通流密度预测准确率全部达到80%, 预测结果可靠, 并且, 实现了能见度不良天气下海域航行风险的可视化与智能化监控。      

物联网环境下的重点车辆监控海量信息处理研究

重点车辆监控是借助物联网技术,通过感知设备对重点监控车辆进行识别、定位、跟踪、监控和管理。重点车辆监控平台需面对海量数据的处理问题．云计算信息处理模式为重点车辆信息管理提供了新思路。借助云计算的概念,提出基于Hadoop分布式并行编程框架的重点车辆信息管理模式和基于MapReduce编程模型的重点车辆海量信息处理方案。然后,采用广东省的重点车辆监控平台的历史数据作为样本,搭建基于Hadoop的重点车辆海量信息处理测试平台。实验结果表明,该平台能够实现物联网环境下的重点车辆海量数据的快速处理与查询．满足实时监控的要求。