基于Kinect深度虚拟线圈的夜间车流量检测

针对夜间环境下基于摄像机的车辆检测方法存在精度低、稳定性差以及无法对车型进行有效识别等问题,提出一种基于Kinect深度虚拟线圈的夜间车辆检测与计数算法.首先对Kinect深度图像进行预处理,分别获得运动目标深度图(MDM)与空洞深度图(HDM).然后在MDM与HDM上设置虚拟线圈,利用积分图像分别生成对应的一维运动信号,对其进行加权合成获得对车辆运动特征的表达,并在合成的运动信号范围内检测出车辆目标,并计算出车辆目标的几何特征,通过SVM对车型进行有效识别.实验结果表明,该算法对于单双车道的车辆计数正确率分别高达99.75%与99.25%,大小车型分类正确率可达99.80%,处理单张图片的平均时间仅为7 ms.      

基于视频图像的车辆计数新方法

针对道路车流量检测问题,从便捷性、实时性角度出发,结合视频图像处理技术,对视频车辆计数进行了研究。直接在RGB图像中进行自适应背景更新,以此为基础,对RGB图像进行背景差分,提取出运动车辆区域,避免了复杂环境下图像灰度化过程中的信息丢失;利用当前帧和背景帧的HSI颜色空间信息来滤除阴影;通过在视频图像中设置固定虚拟检测区,实现对车辆的计数。实验结果表明,该方法计算量较小,白天情况下的计数准确率在89.58%以上;夜间的计数准确率较低,还需进一步研究改进。     

基于混合高斯背景的交通视频分析

在将道路监控视频转单帧后,利用灰度变换、锐化、滤波、二值化等方法对图像进行预处理,以高斯混合模型对图像前景提取,进行边缘检测获取较为清楚的前景车辆图,在摄像机标定基础上,建立路面车辆和图像像素点的映射关系,再以虚拟线在图像上作计数依据,进而获得车流量。同时通过对普通背景差分模型与高斯混合背景模型的比较分析,选用高斯混合背景模型对预处理之后的图像进行背景分割。并结合粘连图像分割和阴影处理算法,对前景图像进行修复,得到良好的前景目标。采用高斯背景模型对样本视频处理,得到了满意的监控分析结果。     

基于SuBSENSE的内河船舶检测波纹干扰抑制算法

SuBSENSE是一种融合颜色特征和纹理特征的通用运动目标检测算法,同时算法中的参数自适应反馈机制使得背景模型能够良好地适应内河环境的多样性,在多种检测环境下达到参数最优化设置.针对一般运动目标检测算法用于内河船舶检测时,难以克服水波纹干扰这一问题,提出将SuBSENSE与基于全局对比度的显著性区域检测方法结合进行波纹抑制.利用水面显著值较低这一特性,通过设置适当阈值对显著图进行二值化,从而分离船舶与水面区域.将显著图与SuBSENSE检测结果进行与运算滤除背景干扰,即可得到船舶区域.实验证明,该方法能有效抑制内河环境中的波纹干扰,相比原SuBSENSE算法将综合表现提高了14.6%.      

基于YOLO＿V3的侧视视频交通流量统计方法与验证

为了研究因受限于观测点位的临时性和不确定性而导致自动化技术手段无法在临时交通观测中实用的难题,提出了一种适用于侧视角度拍摄视频、可快速识别车辆并实现交通流量统计的方法,该方法克服了传统视频识别技术无法满足侧视视角交通视频识别的困难。采用基于深度学习的YOLO_V3方法,以临时观测的路侧采集视频为对象进行车辆检测,提出基于车辆检测区域和流量计数区域的二级目标物检测框架,建立卡尔曼滤波+匈牙利分配+透视投影变换的交通流量计数模式,实现车辆的快速和高精度追踪。采集多组实际视频数据,从拍摄相机与道路相交角度、相机架设高度、道路车流密度3个指标,分析了不同条件下方法的有效性,结果表明:在相机高度为3 m,与路侧夹角为30°的环境中,车流计数精度在95%左右,但当公交、货车等大型车辆占比较高时,精度降为90%左右。在windows10 x64操作系统,2080Ti显卡,64 G内存,i7-7820XCPU的环境下,利用1080P视频流进行执行效率测试,显示相机架设角度和高度均对程序运行效率无显著影响,而车流密度则影响较大,在低密度流量下,FPS值约为44,而高密度流量下,FPS值降为33左右,表明该方法仍然具有较高的执行效率,可用于实时视频流量计数。     

基于类Haar特征的驾驶者人眼疲劳状态的检测方法研究

使用摄像头采集视频图像,对输入图像做预处理(图像灰度化、中值滤波等);通过学习训练的方法构造基于类Haar特征的层叠式分类器,利用基于类Haar特征的层叠式分类器从输入图像中直接定位人眼;把人眼部分的图像截取出来,二值化人眼图像;然后计算二值化图像中垂直方向上瞳孔的宽度大小,从而判断眼睛的状态;最后通过多次的捕捉,计算眼睛闭合的频率来得出其疲劳状态。试验验证了上述算法的有效性。     

基于虚拟线圈的车型识别研究

在车型识别系统中,车辆的特征提取是非常重要的.传统的检测方法受摄像机的成像精度与架设方式等因素的影响,给车辆特征的提取带来困难.提出了一种采用虚拟线圈识别车型的方法.该方法将检测线与虚拟线圈相结合,对提取的车辆信息进行预处理,以检测线检测到达预先设置位置的车辆,然后触发虚拟线圈来提取车辆特征,通过BP神经网络来训练识别的车辆特征,以达到车型识别的目的.试验证明,该方法识别效果好,识别有效率达99%.     

道路交通参数检测系统设计

为了能够获取高速公路上的车流信息,基于电磁感应原理,设计了一种基于环型感应线圈传感器的单片机检测系统.通过检测、采集、分析振荡频率,可得到车流量计数、车速及车辆的分类等信息.介绍了工作原理、数据采集及硬件结构组成.     

高速公路车辆超速检测算法影响因素分析与对策研究

针对高速公路上车辆违章超速行为，给出了一种基于虚拟视频检测线的车辆速度检测与违章超速行为判定的实用算法。对影响该算法精度的各种影响因素进行了详细的分析，特别是针对检测线的数量与间距设置、图像采集卡的采集频率等对算法的影响进行了细致的讨论，并给出了算法条件下，所能检测的最高理论车速。对在应用中可能存在的漏检、误检情况，提出了解决办法。通过实验验证了该算法具有良好的适应性和较高的检测率。     

弯曲道路识别方法与目标函数选取的研究

首先对道路图像进行中值滤波、边缘增强和二值化处理获得道路二值图像.将图像等分为5×5像素的子块图像,建立抛物线模型,计算抛物线通过区域各子块灰度均值及子块间灰度方差,并以此作为图像特征构造合理的目标函数,运用蚁群算法优化抛物线参数,识别道路边缘.该目标函数既用于评价拟合程度,又用于决定算法中信息素增量.实验证明该方法具有良好的实时性、可靠性和鲁棒性.     

长江干线桥区船舶到达规律数学模型及检验

提出内河桥区船舶交通流量分析的数学方法,以2008-2009年荆州长江大桥的船舶交通流量观测数据为基础,分析了内河船舶的抵达分布规律。依据国家标准GB/T4089—2008,使用双侧检验的方法对泊松分布参数进行了假设检验。其结果表明：荆州长江大桥水域船舶24 h内船舶流量分布符合泊松分布,船舶相隔到达时间符合二项分布,该模型的分布参数=7.82,经双测检验符合国家标准。     

武汉天兴洲公铁两用长江大桥1号墩防撞设计与分析

介绍天兴洲大桥的工程特点和设置防撞装置的必要性,提出适合该桥梁防撞要求的等截面桥墩防撞设施,并采用有限元方法对船与该防撞装置的碰撞过程进行了模拟,得出了桥梁设计所关心的技术指标,满足了设计要求。     

长江干线大桥水域通航环境安全评价

随着经济的发展．长江干线上建桥越来越多．跨江大桥对船舶航行安全造成了一定的威胁。通过建立长江大桥水域通航环境危险度评价指标体系，根据各指标对安全影响程度的研究结论和专家调查结果．确立通航环境危险度评价标准．并应用模糊综合评价的方法实现对桥区通航环境危险度的综合评价．从而掌握桥区通航环境的安全状况。     

多特征点驱动的船舶轨迹聚类方法

轨迹聚类在船舶行为分析与海事监管等领域发挥着重要作用。船舶轨迹存在长度与采样率不一致、结构差异明显等特点,在大范围水域难以实现大量船舶轨迹的高精度与快速聚类。针对该问题,在利用船舶自动识别系统获取海量船舶历史航行数据的基础上,提取与船舶航行行为、船舶交通密度相关的位置特征点,进而提出了多特征点驱动的船舶轨迹聚类方法。针对船舶航行时在大多数情形下具有保向、保速的特点,采用数据压缩的方法捕获船舶航行状态以及船舶航向发生显著变化的轨迹点,作为船舶轨迹结构特征点;针对目标水域中某些特定区域常存在船舶交叉会遇的情形,利用概率密度估计法分析船舶交通流的空间分布特点,并提取船舶会遇局面下的轨迹点,作为船舶交通流特征点;为剔除2类特征点中的异常值,采用密度聚类算法对特征点进行聚类,进一步提高特征点提取的可靠性,并将聚类结果中每类特征点的中心作为代表性特征点;统计途经代表性特征点的船舶轨迹分布情况,将具有相似分布的船舶轨迹视为同一类。实验结果表明:相比于常用的K-medoids聚类、层次聚类、谱聚类和DBSCAN等方法,提出的轨迹聚类方法在成山头水域、长江口南槽水域及舟山水域等典型区域均可获得优异的聚类结果;在上述典型水域,平均轮廓系数分别提升约53%,71%,63%和41%,戴维森堡丁指数分别降低约57%,67%,63%和45%;同时,此方法可平均降低约56%的聚类时间,显著提升了船舶轨迹数据聚类分析的效率。      

内河船舶AIS网络通信性能研究

随着船舶数量的日益增长,密集通航水域AIS系统的信道负载迅速增大,出现系统时隙冲突、信道拥塞、AIS网络通信异常等现象,导致AIS应用的可信度降低,成为船舶航行安全的隐患.为了更为精确、及时地反映AIS网络通信性能的实际状况,基于AIS综合应用平台实时监测AIS网络通信性能指标,以长江武汉段AIS数据为基础,选取一周的指标监测数据,从网络容量、网络信道负载率、网络吞吐率、网络阻塞率、网络利用率5个方面对该水域AIS网络通信性能进行评价分析,并通过仿真研究了AIS网络通信性能的变化趋势和极限状况.研究结果表明现阶段长江干线武汉段AIS网络信道负载率在15%左右,吞吐率接近100%,通信性能良好.随着船舶数的增加,网络信道负载率达到60.5%时,出现AIS网络通信阻塞现象,并得到通信阻塞时13种运动状态下的船舶数分布.研究结果客观、准确地反映了研究水域的AIS网络通信性能,为内河海事主管机关监控、管理、调控AIS系统提供技术支撑.      

基于状态空间的连续断面船舶交通流量预测研究

船舶流量预测是船舶交通流研究的重要内容,建立科学合理的船舶流量预测模型有助于航道的设计、规划和管理。将传统的单断面船舶交通流预测方法向多断面进行改进和推广,提出基于状态空间和卡尔曼滤波的多断面交通流预测模型。利用船舶交通流多断面流量数据的时间序列进行多维线性回归,并转化为状态空间模型形式;在此基础上由卡尔曼滤波算法对交通流量进行递推预测,得到多断面交通流的预测值。作为实证研究,分别对武汉长江大桥、武汉长江二桥2个断面,以及长江重庆段朝天门、万州、巫山3个断面进行实际数据分析来验算模型的有效性,并与单断面多维线性回归预测方法进行对比。结果表明,使用状态空间模型得到的武汉长江大桥、二桥预测结果的平均相对误差分别减少4.59%,0.97%;而重庆段3个连续观测点采用状态空间法预测比使用时间序列预测平均绝对误差和平均相对误差均有不同程度的降低,其中平均相对误差分别降低1.08%,4.28%, 3 .54%。因此,在不同时间维度上,该模型有助于提高多断面交通流预测精度。      

长江三角洲区域大型公路桥梁交通事故特征分析及安全对策

长江三角洲地处长江和钱塘江与东海的入海口,水域环境复杂,气象条件恶劣。大型公路桥梁是长江三角洲区域道路交通网中的重要通道,对减少区域间行车时间、促进区域经济发展起着重要的作用。因此,长江三角洲区域大型公路桥梁的交通安全研究具有重要的现实意义。基于苏通大桥通车以来的交通事故资料,对事故的时空分布、事故形态、车辆类型、天气状况等多角度进行了分析。分析得出,交通高峰时段是交通事故高发时段,周五事故最多,2月、9月、10月是事故高发月,事故类型主要是撞物和追尾,事故车型以轿车为主,雨天事故率最高,事故原因与车流、天气、人的失误及车辆自身性能有关,并提出一些改善建议。研究结果为大桥管理部门制定行之有效的预防控制策略、减少交通事故提供了一定的理论依据。     

武汉青山长江公路大桥路线总体设计

青山长江公路大桥作为武汉长江上第11座大桥,是武汉市四环线的重要过江通道。大桥采用双向八车道高速公路标准建设,全长7.548 km,设计速度为100 km/h,南汊主跨设计为938 m双塔双索面钢箱及钢箱结合梁斜拉桥,是目前世界上跨度最大的全漂浮体系斜拉桥,桥宽48 m,也是目前长江上最宽的桥梁。文中从项目背景、工程概况、过江通道拟定、起终点衔接、路线平纵横设计等方面,介绍了青山长江公路大桥的路线总体设计思路和设计重难点。     

基于船舶AIS及签证数据的长江内河货运阻抗及分布模型研究

为了研究长江内河各航段复杂多变的航道环境对水路货物运输的影响,根据船舶AIS数据及三峡船闸过闸数据建立一种考虑不同月份、不同航段的船舶逆水而上、顺流而下2种情况的货运阻抗函数,并基于Matlab求解得到长江内河重要港口节点之间不同月份的时间阻抗矩阵.以2010年10月船舶签证数据为例,结合距离阻抗矩阵和时间阻抗矩阵,标定阻抗函数为幂函数和指数函数下的重力模型的参数,建立相应的货运分布模型.并在不同模型下分别预测了2012年10月货运量分布情况.对货运实际观测值和模型预测值结果进行货运距离分布(trip length distribution,TLD)方法检验.结果显示,以时间为阻抗指标的幂函数和指数函数重力模型预测结果的重合率(coincidence ratios,CR)值分别为0.83和0.86,比对应的以距离为阻抗指标的预测结果的CR值0.81和0.82要高,所建立的以时间阻抗模型更能反映长江内河货运实际情况.      

绿色长江航运智能化信息服务系统及其关键技术研究

在构建绿色长江船舶动态交通流智能信息服务的基础上,结合绿色长江航运的特点,从信息采集、数据传输、数据分析、智能决策等方面对长江航运智能信息服务系统的方法与关键技术进行了探讨,并对长江绿色航运的未来发展方向做出了展望。