基于监控视频的公路能见度检测方法

雾霾、沙尘等低能见度天气状况的频繁发生,严重影响到日常交通管理及出行者的生命、财产安全。针对低能见度环境下极易发生公路交通事故的问题,提出一种利用公路沿线已经架设的监控设备对各路段的监控视频数据进行实时图像处理分析的公路能见度检测方法。该方法是在传统暗原色先验算法的基础上,将监控视频帧转换为灰度图像,并结合自适应导向滤波算法和四叉树图像分割算法,提取监控图像所包含的空气透射率及大气光值等特征参数。然后基于能见度计算模型,依据监控设备与检测目标物之间的实际距离及偏移角度,估测道路的能见距离。实验结果表明,优化后的图像处理方法可以解决图像清晰度低、色彩失真、场景适应能力差等问题,且检测的能见度值误差率满足我国公路能见度检测精度要求。最后,结合能见度检测方法,提出了相应的能见度预警策略并应用于公路能见度检测与预警系统,为驾驶员实时提供雾区路段的能见度值信息和预警建议。     

多形态几何约束的道路障碍物检测新方法

针对道路监控固定图像传感器采集的交通视频图像,开展动态场景下障碍物的检测研究。通过道路感兴趣区域的建立,提取停止车辆和遗撒物的共同特征,提出多态几何约束的障碍物检测算法,实现障碍物的检测;通过对仿真视频和实际道路采集的视频进行实验,结果证明该方法对障碍物检测的鲁棒性高,实际的检测效果较基于混合高斯模型的背景差分法的结果更好。     

驾驶风格对不同跟驰场景下跟驰行为影响分析

为了分析驾驶风格对不同跟驰场景下跟驰行为的影响,利用高逼真度驾驶模拟器设计晴天、雾天两种天气状况和自由流、拥挤流、阻塞流三种交通流状态组合的六类典型跟驰场景。以跟驰过程中的最大加速度、最大油门踏板受力、最大油门踏板受力速度作为指标,通过K-means聚类识别方法,对六类典型跟驰场景下不同驾驶风格的驾驶员进行聚类识别,并以跟车间距、车头时距为风险指标评价不同驾驶风格的驾驶员在六类典型跟驰场景下的跟驰风险。结果表明：六类典型跟驰场景下,不同驾驶风格驾驶员的跟驰行为存在明显差异;激进型驾驶风格驾驶员倾向保持更小的跟车间距和车头时距,跟驰过程中的碰撞风险更高;晴天和自由流场景下不同驾驶风格驾驶员跟驰行为差异性更加显著。