基于时空轨迹跟踪的交通流特性参数检测分析

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.     

����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。     

�����е�·�źŽ�������г������˵���Ϊ�о�

对北京市信号交叉口的自行车和行人在混合交通流中的微观行为进行研究分析。研究中使用视频采集技术和数据分析技术来收集和分析自行车和行人在交叉口的行为。论文的主要研究结果是信号交叉口字自行车和行人的各种微观行为特征和基础行为模型， 这些结果有助于理解信号交叉口混合交通流的行为，并为城市混合交通流的微观交通模拟模型提供基础数据和理论依据。     

基于轨迹谱聚类的终端区盛行交通流识别方法

为了改善终端空域扇区和进离场航线对实际空中交通的流量及空间分布的适用性,研究了从大量航空器飞行轨迹中识别主要交通流的方法.在分析飞行轨迹空间特征的基础上,建立了基于3D网格的轨迹间相似性模型.利用谱聚类算法对终端区飞行轨迹样本进行聚类划分,提出了一种基于轨迹聚类核密度估计的盛行交通流和异常轨迹的识别方法,用于从空管雷达记录的飞行轨迹中识别出盛行交通流的实验.实验研究结果表明:该方法将1 476条轨迹划分为5个聚类,识别出5个盛行交通流,且识别结果未受到异常轨迹的影响.      

基于组合前景提取的混合交通两轮车辆视频检测

针对混合交通流中两轮车辆视频检测问题,提出一种基于混合高斯模型（GMM）与背景累加模型（BAM）的组合前景提取方法,该方法将GMM与BAM组合得到的2 种前景图像分别经过滤波和形态学的膨胀操作处理,然后进行“与”操作,过滤掉高斯前景中的大量噪声,提取出感兴趣前景区域.针对两轮车辆的轮廓边缘特征,采用Canny 边缘检测提取边缘信息,去除前景区域中的非目标区域,采用两轮车辆的自建模板,通过欧氏距离进行模板匹配,定位并标记感兴趣区域中的目标区域.在OpenCV 和Matlab7.1 实验测试平台上,对典型城市混合交通路段的交通流视频进行测试.结果表明,该方法对混合交通流中两轮车辆的识别检测具有较高的准确率.     

基于跟驰特性的智能网联车混合交通流轨迹重构

车辆轨迹数据蕴含着丰富的时空交通信息，是交通状态估计的基础数据之一. 为解决现有数据采集环境难以获得全样本车辆轨迹的问题，面向智能网联环境，构建了混合交通流全样本车辆轨迹重构模型. 首先，分析了智能网联环境下混合交通流的车辆构成及其轨迹数据采集环境；然后，提出了基于智能驾驶员跟驰模型的车辆轨迹重构模型，实现了对插入轨迹数量、轨迹位置和速度等参数的估计；最后，设计仿真试验验证了模型在不同交通流密度和智能网联车（connected automated vehicle，CAV）渗透率条件下的适用性. 试验结果表明:CAV和网联人工驾驶车（connected vehicle，CV）的渗透率为8%和20%时，该车辆轨迹重构模型在不同交通流密度下均能重构84%以上的车辆轨迹；重构轨迹准确性随着CAV和CV渗透率的增加而提高；当交通密度为70辆/km，且CAV渗透率仅为4%的情况下，模型也能重构82%的车辆轨迹.      

混合交通流的动力学模型

引入超车换道流量，建立了混合交通流的连续性方程；通过对交通流参数的微分变换,建立了混合交通流的运动微分方程．连续性方程和运动微分方程构成了混合交通流的动力学模型．将模型应用于无超车换道交通流，求出了流量和密度之间的关系．结果表明在低密度段模型与实测数据吻合．     

运动车辆检测与跟踪方法

为提高城市智能交通综合管理能力,提出了基于视频分析的运动车辆检测与跟踪方法。在城市交通干道路面环境中,根据运动目标与道路背景统计特性的差异,基于贝叶斯概率准则,提出一个自适应背景更新算法,检测分离运动车辆目标前景,采用卡尔曼滤波器实现对视频序列中车辆目标的运动检测与实时跟踪,并对在重庆某交通干道的交通流视频进行检测。试验结果表明:该方法在常规视频分辨率下能实现实时处理视频,平均检测准确率为94%,具有较好的实时性与鲁棒性,能够实现城市交通环境中各类运动车辆的检测与跟踪。     

基于视频图像处理的微观交通数据的获取

微观交通数据对于通行能力的分析、智能交通系统的建立、异常交通状态的识别、微观交通流特性的研究以及微观交通仿真技术的发展具有重要意义.随着视频采集技术在交通领域应用的日益增加以及图像处理技术的发展,使得获取微观交通数据成为可能.鉴于此,利用摄影学原理,实现了图像坐标与实际坐标的转换,并从视频中提取了车辆的行驶轨迹、车速和车头时距,为研究微观交通系统提供了数据支持.     

混合车流交通流特性分析

混合车流基本交通流特性描述是混合车流理论研究的基础。分析了未来我国高等级公路车型结构、界定混合车流研究的合理范围;提出描述混合车流运动自由度的随机度和相互影响的粘度两个基本概念;通过理论计算和实地测定得到混合车流的速度模型和堵塞密度。     

信号交叉口自行车群通行阶段划分

我国城市信号交叉口处机动车、自行车和行人的混合交通流具有典型性. 对其有效的组织是保障交通通畅运行的关键措施之一. 本文以信号交叉口多辆自行车形成的自行车群为研究对象,选用视频采集技术获取自行车群在北京市和天津市两个信号交叉口的通行特性. 然后采用聚类分析的方法,用自行车群的平均速度、群的长度、群的宽度3个指标对两个信号交叉口自行车群通行阶段进行聚类划分. 结果表明,自行车群通过交叉口的过程可以分为3个阶段--群逐渐扩散阶段、膨胀阶段和逐渐收缩阶段.     

混合交通流交叉口共享空间交互行为建模及仿真

为准确刻画交叉口共享空间内交通个体的运动和交互过程，并为智能汽车虚拟测试提供可靠背景交通流仿真环境，本文提出一种混合交通流交叉口共享空间交互行为模型。基于人类认知过程，模型被设计为“感知-决策-执行”的3层通用框架结构，模拟混合交通流中不同类型交 通个体从感知、决策直至执行的交互全过程。感知层提出一种二维平面交互对象选择方法，通过个体感知范围和轨迹冲突有序筛选交互对象，表征冲突交互的动态性特征；决策层基于当前时刻的交互对象和实时交通环境状况，使用交互行为决策方法为不同类型的交通个体分别选择适合的行为进行交互；执行层通过计算生成执行当前行为决策所需要的轨迹、加速度等关键参数，共 同控制仿真个体按照行为决策结果在二维平面上运动和交互。基于智能汽车Opendrive高精度 路网，构建虚拟测试仿真平台，并将所提出的模型注入平台进行测试。仿真结果表明，模型能较 好地复现交叉口共享空间中交通个体间的交互。研究结果有助于为智能汽车虚拟测试提供可靠背景交通流环境，并进一步提高虚拟测试工具的测试可信度、测试效率及泛化能力。     

混合交通流环境下单交叉口自动驾驶车辆轨迹优化

信号交叉口对城市道路的通行能力以及车辆的燃油消耗具有重要影响。本文提出一种在自动驾驶车辆和人工驾驶车辆混合交通流环境下的自动驾驶车辆的轨迹优化方法。基于交叉口信号灯的配时方案,构建车辆旅行时间估计模型,并以自动驾驶车辆燃油消耗最小以及通行效率最大为目标,构建自动驾驶车辆轨迹优化模型,对车辆进行动态轨迹规划和控制。车辆轨迹滚动优化模型采用高斯伪谱法进行离散化求解,并基于SUMO仿真平台对模型结果进行验证。仿真结果表明,自动驾驶车辆可以通过优化自身控制变量影响人工驾驶车辆的运行状态,减少交通流的排队以及时走时停现象。本文提出的车辆轨迹优化方法对于降低车队整体燃油消耗、提升车队平均速度、缩短平均行程时间具有重要作用。     

新型混合交通交叉口信号与车辆轨迹协同控制方法

新型混合交通环境下的交叉口交通控制可通过信号灯控制与自动驾驶车辆的轨迹控制协同实现,能够极大地优化道路通行资源利用效率。已有研究中,信号配时与车辆轨迹集中优化的控制策略难以应用于车辆自组织控制的现实场景,且往往计算复杂度较高。本文提出一种无中心框架下基于逻辑的交叉口信号与车辆轨迹协同控制方法。基于协同理论中的快慢变量主动伺服控制原理,设计一种交叉口信号配时慢变量与车辆轨迹策略快变量协同框架,并分别提出基于逻辑的信号配时优化和网联自动驾驶车辆轨迹协同控制方法。协同控制方法可以在车辆自主控制的条件下,一方面,实现交叉口信号配时动态适应交通需求;另一方面,实现网联自动驾驶车辆主动优化驾驶速度,高效通过交叉口。而且网联自动驾驶车辆在进口道可引导混合车队高效通过交叉口,降低绿灯启动损失,提高交叉口通行效率。仿真实验表明,本文的协同控制方法相较于传统控制方法可显著降低交叉口车辆平均延误,同时,基于逻辑的决策模型可实现快速求解。通过对网联自动驾驶车辆控制策略关键参数的敏感性分析,进一步讨论新型混合交通流交叉口通行公平性,并比较在不同网联自动驾驶车辆渗透率下的控制效果。     

混行环境下网联信号交叉口车路协同控制方法

为了提高网联信号交叉口车路协同控制对真实交通环境的适应性,以智能网联汽车与网联人工驾驶汽车混行的典型交通应用场景为研究对象,通过构建八相位网联信号交叉口,研究了混行环境下的交通信号和网联车辆轨迹车路协同优化控制方法;在对场景中的网联车辆运动学特性和跟驰行为进行建模的基础上,构建了一种混行车辆编队方法;基于混行车队模型、安全约束与燃油消耗模型,建立了基于滚动优化的交通信号-车辆轨迹协同优化控制方法;基于异步分层优化思路,将该协同控制问题分解为上层交通信号优化与下层车辆轨迹优化两方面,以交叉口车辆行驶延误时间和燃油消耗量为优化目标,利用遗传算法和“三段式”轨迹优化法分别对交通信号优化问题与车辆轨迹优化问题进行求解;对不同稳态车速与智能网联汽车渗透率下构建的混行交通流的稳定性进行了验证,并通过仿真测试分析了所提出的协同优化控制方法的控制效能与关键参数对控制效能的影响。分析结果表明:在不同交通流量与智能网联汽车渗透率下,提出的控制方法均可有效提升交叉口通行效率与燃油经济性;在完全渗透环境下,较固定配时交通信号控制方法最高可分别提升57.3%和13.3%;随着智能网联汽车渗透率的增加,其控制效能不断提高,较无渗透条件最高可分别提升42.0%和14.2%;即使智能网联汽车渗透率仅达到20%,较无渗透条件也可以在交通效率方面实现20.4%的显著改善;较长的交通信号周期与较短的网联人工驾驶汽车驾驶人反应时间有助于协同控制效能的提升。      

���˽�ͨ����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。     

基于车灯追踪的夜间交通信息采集方法

本文提出了一种专门用于采集夜间交通信息的新方法。车灯是在夜间路网中行驶的车辆最突出的视觉特征,通过对视频图像中的车灯灯光区域进行识别、追踪,可以确定车辆的位置和粗略的轨迹,基于此,可以进行流量、速度等交通参数的计算和统计。本文给出了详细的技术路线描述,并针对流量统计进行了软件程序实现,通过试验,证明了方法的可行性。     

基于视频采集方式的交通信息质量测试和评估研究

道路交通信息贯穿在整个ITS建设和运营流程当中,交通信息采集的质量能够直接影响整个系统的运行成效,所以交通信息采集质量的测试和评估工作非常重要。基于视频采集方式,给出交通信息质量测试评估五阶段流程,研究在视频采集方法下交通信息质量基准值标准化处理过程,估计不同样本量采样率下基准值精度,提出交通信息质量测试评估方法,结果表明：基于视频采集的方法能够准确且有效地对待测采集手段进行交通信息质量的测试评估。     

不同CACC渗透率条件下的混合交通流稳定性分析

未来协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆和传统车辆混合交通流的稳定性决定了CACC技术对交通拥堵、能耗排放的改善程度.鉴于此,研究不同CACC渗透率时这种混合交通流的稳定性.应用基于轨迹数据标定的IDM(Intelligent Driver Model,IDM)模型和由加州伯克利PATH实验室实车测试验证的CACC模型分别作为传统车辆跟驰模型和CACC车辆跟驰模型.依据传统车辆在扰动下的稳定性,确定高稳态速度和低稳态速度,并考虑两种车型相对数量、相对位置的随机性,设计数值仿真实验.实验结果表明,在高稳态速度下,不同CACC渗透率时混合车队均整体稳定;在低稳态速度下,当CACC渗透率较小时,车队整体不稳定,CACC渗透率需达到50%以上时,才有可能使得混合车队由不稳定转变为稳定.