高速公路智能稽查系统设计

高速公路的收费额伴随着联网收费里程的增加以几何级数增长,但偷逃漏通行费也给运营管理单位带来了巨大损失。各省高速公路管理部门高度重视,都在不同程度上开展了收费稽查管理方面的研究。联网收费数据是对收费工作最真实有效的记录。有相当一部分的偷、逃、漏费行为(如换卡、倒卡、利用特情车辆作弊等)会在联网收费网络数据库中留下痕迹,引发相关数据异常。如何充分将联网收费数据利用起来,更有针对性的开展稽查工作,完善现有稽查系统,开发一套智能稽查系统迫在眉睫。     

重点营运车辆的异常驾驶行为识别研究

为加强对重点营运车辆异常驾驶行为的监督与检测,本文基于时间序列符号化算法(TSA) 与多尺度卷积神经网络模型(MCNN)提出一种组合模型TSA-MCNN,用于识别重点营运车辆异常驾驶行为。首先,对北斗数据进行预处理,并基于营运车辆存在多种车型、多种速度限制、多种异常驾驶行为的特点划分4种异常驾驶行为,构建异常样本数据集。其次,构建TSA-MCNN模型识别样本数据集,其过程分为两阶段,第1阶段,针对重点营运车辆的特点,引入能够粗粒化处理数据特征的时间序列符号化算法与能够多通道参数输入的多尺度卷积神经网络进行组合,并基于Keras库完成TSA-MCNN模型的搭建;第2阶段,利用样本数据集作为模型的输入变量,完成模型的训练、测试与识别。最后,以广河高速重点营运车辆北斗数据验证TSA-MCNN模型的性能, 同时,与异常识别传统算法的卷积神经网络(CNN)模型与动态时间扭曲-K最近邻(DTW-KNN)模型进行对比分析。验证结果表明：TSA-MCNN模型整体识别准确率为97.25%,相对于CNN模型与DTW-KNN模型提高了20.50%与5.63%。其中,TSA-MCNN模型对于正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为、低速驾驶行为的识别精确率相对于CNN模型(DTW-KNN模 型)分别提高了26%(13%)、26%(6%)、23%(5%)、28%(3%)、0(0),说明该模型对于重点营运车辆异常驾驶行为的识别具有良好的性能。     

基于ETC门架数据的高速公路车辆行驶特征画像方法

为合理评估高速公路车辆驾驶行为风险和通行费稽查状态异常程度,进而对风险车辆进行提前预警,提出了一种基于ETC门架数据的车辆行驶特征画像方法。首先,通过分析车辆风险驾驶行为和通行费稽查状态,构建了以超速驾驶行为、疲劳驾驶行为、门架状态异常情况、收费状态异常情况、路径状态异常情况为指标的车辆行驶特征画像指标体系;然后,利用熵权-TOPSIS法和熵权-灰色关联分析建立综合熵权法确定各指标权重;最后,选取8辆车作为实验对象生成车辆行驶特征雷达图来验证该方法的有效性。研究结果表明：在4辆1类客车中,有3辆存在超速驾驶行为,其超速驾驶指数趋于0.8,其余的行驶特征指数均趋于0;在4辆6类货车中,有2辆在疲劳驾驶指数上表现异常,其疲劳驾驶指数趋于0.4,还有1辆的收费状态异常指数趋于0.4,可能存在偷逃费风险。可以看出,该方法能有效区分不同车型的风险类型,在高速公路管理中可用于有针对性的风险决策制定。     

基于改进AOE网络的低频浮动车数据地图匹配算法

由于低频浮动车数据时间间隔较长,现有地图匹配方法难以满足低频浮动车数据地图匹配的要求.综合考虑浮动车数据轨迹点之间的整体特性,在局部和全局地图匹配算法的基础上,提出了一种基于改进AOE网络的低频浮动车数据地图匹配方法.首先,采用相交分析判断GPS点缓冲区和候选路段的关系,以获取候选路段和候选匹配点;其次,基于四叉树空间索引和Dijkstra算法,获取候选匹配点之间的最短路径;第三,设计了一种改进AOE网络,提出了基于改进AOE网络的最短可达路径算法,以获取最终的地图匹配点;最后,对改进AOE网络的地图匹配算法进行评价,并通过实验分析了算法的时间效率和正确率.实验结果表明:基于改进AOE网络的地图匹配算法正确率为95.3%,程序执行总时间为96.8 s. 其正确率分别比点到线的局部地图匹配方法和基于弱Frchet距离的全局地图匹配方法的正确率高13.6%和2.8%.      

封闭式联网计重收费高速公路逃费治理

随着经济发展,交通事业也日趋兴旺,四通八达的高速公路推动社会经济发展。然而越来越多的偷逃费车辆造成经济损失,同时助长了超载超限的嚣张气焰。昌吉公路管理局实行偷逃费车辆"黑名单"制度,有效治理车辆偷逃费行为。分析逃费车辆主要特点和形式,提出治理逃费车辆的措施,并以一段时间以来所取得的成果作为说明。     

基于SVM-LSTM的车辆跟驰行为识别与信息可信甄别

为利用智能车路协同系统内实时交互信息有效提升交通系统的安全性,提出了基于交通业务特征的交通信息可信甄别方法;重点构建了基于支持向量机(SVM)-长短时记忆(LSTM)神经网络的车辆跟驰行为识别与信息可信甄别模型,包括基于SVM的车辆跟驰行为识别模型和基于LSTM神经网络的车辆跟驰速度预测模型;设定了表征车辆行驶状态的特征向量,基于SVM的车辆跟驰行为识别模型将车辆行驶状态分为跟驰与非跟驰;对于跟驰车辆,基于LSTM神经网络的车辆跟驰速度预测模型根据其历史数据进行速度预测;SVM-LSTM信息可信甄别模型通过检验跟驰车辆的预测速度与其实际速度的差是否在合理范围来判断车辆数据的可信性,实现信息的可信甄别;采用公开数据集对提出的模型进行了训练与测试,并构建了不同异常类型和异常幅度的多个异常测试数据集,对基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型进行了验证。研究结果表明：基于SVM的车辆跟驰行为识别模型对车辆行驶行为识别的准确率达到了99%,基于LSTM神经网络的车辆跟驰速度预测模型的跟驰速度预测精度达到了cm·s^-1数量级;基于SVM-LSTM神经...     

基于高速公路自然驾驶数据的自动驾驶车辆跟驰智能性评价模型

为解决当前自动驾驶车辆跟驰智能性评价中存在的以主观评价为主、缺少微观驾驶行为数据支撑的问题,以高速公路自然驾驶数据为基础,从自动驾驶车辆与人工驾驶车辆驾驶行为一致性的角度出发,构建自动驾驶车辆跟驰智能性评价模型。首先,通过无人机视频拍摄和图像处理,获取了国内18个省份部分高速公路上的高精度车辆轨迹,利用K-means聚类方法提取了15 446组稳定跟驰数据。然后,采用描述性统计方法对速度、加速度、跟车间距及跟车时距等指标进行分析。通过Gamma分布拟合不同速度下的跟车间距,以不同速度下跟车间距众数为中心,将跟车间距按照样本量的70%、20%、10%划分为与人工驾驶车辆驾驶行为一致性较好、一般、较差等3种情况,以此为基础建立自动驾驶车辆跟驰智能性评价模型。最后,通过自动驾驶车辆跟驰试验,证明所建模型适用于自动驾驶车辆跟驰智能性评价,相比既有研究,该模型的特点是能基于全过程、微观跟驰行为数据对自动驾驶车辆做出综合的量化评价。这表明基于自然驾驶数据与驾驶行为一致性构建的模型能客观、量化评价自动驾驶车辆跟驰行为,可用于自动驾驶车辆跟驰行为研究与技术参数设计。     

船舶异常行为的一致性检测算法

为了准确检测船舶的操纵异常行为和降低异常行为误报警率,提出了船舶异常行为的一致性检测算法;在船舶轨迹点中引入能够体现操纵模式的特征,以转向行为与变速行为度量了操纵行为相似性;将空间位置相似性与操纵行为相似性进行组合,定义了船舶综合行为相似性,计算了单个轨迹点与训练轨迹序列中的最近邻特征点,构建了一致性检测的样本序列;为克服样本重叠的类分布情形,改进了一致性检测算法的奇异值度量,并用综合行为相似性计算样本间的非一致性得分,利用单个轨迹点的随机性检验值判断该轨迹点与样本序列的分布一致性;以琼州海峡实测AIS数据作为正常数据,以计算机模拟随机产生异常轨迹和人工自定义操纵异常行为作为异常数据,分别进行异常检测试验。试验结果表明:随机产生的异常轨迹检测正确率为100%,但是轨迹评价集中有一部分正常轨迹被错误划分成异常轨迹,在指定置信度水平分别为99.0%和99.7%的情形下,误报警率分别为0.6%和0.2%,分别低于显著性水平0.01和0.003,因此,利用一致性检测算法能有效检测计算机产生的随机异常轨迹,并可通过指定显著性水平严格控制检测误报警率,能有效检测人工自定义的船舶变速与转向异常行为,而且检测结果能随船舶行为改变而变化。     

基于改进孤立森林算法的交通流异常数据检测模型

针对交通流异常数据实时检测问题,提出一种基于改进孤立森林算法与K-Means++算法相结合的交通流异常数据检测模型。首先,使用交通流量和交通流速度数据构建交通流序列;然后,利用改进孤立森林算法,构建交通流数据的异常评分模型,并通过K-Means++算法构建滑动窗口计算出异常评分的阈值,以此来实现对交通流数据异常值的实时检测;最后,通过实例分析验证模型的合理性和可行性。研究结果表明：改进孤立森林算法与K-Means++结合的方法可以准确地确定异常评分的阈值进而检测出异常数据;该模型与仅考虑交通流流量的模型、传统孤立森林模型相比,AUC分别高出29.7%和5.3%,与其他常用的LOF、ABOD、OCSVM方法相比,AUC均有所提高。该模型准确率明显提升,在交通流异常数据检测中具有更好的适用性,能够为交通管理部门提供交通状况检测支持,提高交通管理效率。     

浅谈省际高速公路逃费车辆黑名单取证的方法与对策

随着高速公路省内联网和跨省联网收费的广泛应用,联网收费里程越来越长,单车单次通行费额急剧上升,各种逃费手段亦多种多样。针对这种情况,建立高速公路黑名单管理系统,实现逃费车辆的主动快速识别尤为重要,主要方法是收集通行车辆图片和行驶资料,与有关部门确定核实建立黑名单库,并进行系统的管理。     

智能网联环境下单交叉口车辆轨迹优化

为了提高信号灯前车辆的通行效率,改善交通流整体运行水平,本文从减少车辆延误和降低燃油消耗两个角度入手,在智能网联环境下,提出了一种车辆编组识别算法和针对编组头车的多目标线性轨迹优化模型(MOLP-pl)。首先对智能驾驶员跟驰模型（IDM）进行改进,调整车辆状态,减少车辆随机到达状态下车辆速度和车头时距分布的差异,同时为后续MOLP-pl轨迹优化模型的运行提供先决条件。在此基础上,以车辆编组为优化单元,通过车辆编组识别算法识别编组头车和跟随车辆,将编组头车的行驶轨迹作为优化对象并建立相应的数学模型。为了提高车辆轨迹优化模型的求解效率和精度,对其进行线性化重构,采用线性求解器计算编组头车加速度,构建编组头车最佳时空轨迹,然后,利用IDM跟驰模型计算跟随车辆的行驶速度,从而使编组车辆最大效率的通过交叉口。最后,利用SUMO构建的仿真实验表明：本研究提出的车辆轨迹优化算法可显著提高信号灯前车辆的通行效率,在三种不同的交通饱和度条件下,相对于无速度引导场景,车辆延误分别降低了8.56%、12.42%、64.79%,燃油消耗分别降低了17.21%、18.34%、12.64%;相对于逻辑控制场景,延...     

���ڻ��Markovģ�͵�ETC�շ������ھ��о�

ETC收费数据中蕴含着大量的信息,如何利用数据挖掘技术解决运营管理中的问题成为高速公路管理部门的迫切需求.本文选取ETC历史数据构建路径序列事务数据库,针对基本Markov路径预测模型预测准确率低、覆盖率低的缺点,提出了一种基于混合Markov路径预测模型预测高速公路车辆路径的方法,利用该方法实现了高速公路ETC车辆未来通行状态的预测,同时检测出异常的路径序列.实验结果表明,该方法检测结果可靠,总体预测准确率达到83%以上,能够为高速公路管理部门开展收费稽查、提高ETC管理水平提供理论依据和决策参考.     

可变速度控制下快速路联动协同控制策略研究

以快速路主线通行能力最大、入口匝道排队长度及延误最低为目标,在分析城市快速路可变速度引导的基础上,提出快速路匝道感应控制算法,构建基于可变速度控制下的快速路主线与入口匝道协同控制模型.并利用实际城市快速路路段调查数据,采用VISSIM仿真软件对所建模型、算法进行了仿真验证,结果可知,文中提出的快速路协同控制模型算法可有效提高快速路主线通行能力,大幅降低入口匝道车辆排队长度及平均延误,减少车均行程时间.     

基于GPS数据的高速公路车辆异常行为检测

车辆异常行为是造成高速公路交通隐患的主要原因之一。为了提高高速公路的安全管理,通过对车辆GPS数据进行分析,将连续11次定位的车辆速度、加速度作为输入参数,进行神经网络分类器的设计与训练,设计基于GPS数据的车辆异常行为分级检测算法。通过GPS实验和VISSIM模拟仿真各类车辆异常行为,分析检验检测算法,结果表明提出的分级检测算法具有较高的检测率,能够有效的识别各类车辆异常行为。     

基于行车安全场模型的交叉口车辆控制算法

为了提高网联环境无信号交叉口自动驾驶车辆的行车安全与通行效率问题,首先,建立无信号交叉口的行车安全场模型,构建包括车辆动力性能、制动性能以及通行交叉口所有车辆行车风险的目标函数,并设定相应的约束条件;然后,采用模型预测控制方法优化驶向交叉口车辆的行车策略;最后,基于VISSIM、MATLAB和NS3构建联合仿真试验平台,分别以车辆碰撞冲突类型、行车风险改善和道路拥堵程度验证并分析算法性能. 试验结果表明:在车流量和流量容积比大于1.0时,相比于传统的感应控制系统,本文提出的算法在延误时间、行程时间、冲突数目和通行能力的收益率分别大于90%、10%、10%和5%;在通信延迟低于100 ms,数据丢包在35%内,仍能够保证交叉口内车辆的通行效率.      

基于演化博弈的高速公路共谋逃费行为分析

高速公路联网收费的实现使车辆单次收费里程增长,逃费者在节省更高额过路费的诱惑下,增加了对现有联网收费系统的作弊动机.本文以减少公路运营企业因逃费造成的经济损失为目标,利用演化博弈的方法,将监管者(收费稽查员)看成博弈的一方,被监管者（司机和收费站员工）看成博弈的另一方,探讨收费稽查员监管、司机与收费站员工共谋逃费的问题,得到了稽查员选择不监管策略及司机与收费站员工选择共谋逃费策略时的复制动态方程,分析了在司机逃费罚款的机会成本等因素影响下双方的行为演化和演化稳定策略.结果表明,增强对监管者的监管和处罚力度、增加司机逃费成本、降低司机逃费少缴金额的可能性是遏制共谋逃费现象的有效途径.     

ӵ��״̬���źŽ����ͨ���������㷽��

车头时距分布是研究交通流特性的重要方法。本文基于北京市若干交叉口的实测样本数据,研究分析了拥堵状态下信号交叉口的排队车辆越过停车线的车头时距分布及其变化特点,结果表明在第6个车辆之后达到饱和车头时距。在此基础上,针对中心城区拥堵区域次干道以上等级的信号交叉口,提出拥堵状态下的通行能力模型。进一步地,利用实测数据作了案例计算与对比分析,直行与左转车道通行能力的平均误差率分别为2.27%与4.28%,验证了模型的可行性与有效性。此外,该结果优于其它计算方法所得结果,表明在拥堵状态下,该方法的适用性更高。     

����ʱ��ռ���ʷ����ij�������ϵ���о�

车辆折算系数是高速公路通行能力和服务水平研究的重要参数。在简要介绍国内外车辆折算系数计算方法的基础上,对时间占有率和车辆折算系数的关系进行分析,提出一种新的基于时间占有率的车辆折算系数计算模型。模型首先根据车辆速度和交通构成对交通检测数据进行分类,建立时间占有率、密度和交通量之间的相互关系模型;然后利用实测数据求得各模型的回归参数;进而采用微分比值的方法计算车辆折算系数。通过京津塘高速公路的数据验证,表明基于时间占有率分析的车辆折算系数能够反映车流中车型间的差异及相互影响,有助于特定交通流交通状况的分析。     

基于深度学习的车辆异常事件检测研究

基于全连接神经网络以及在高速公路场景下采集的真实车辆数据,设计一种车辆异常事件检测方法。所设计的方法利用激光雷达检测出目标与车道线信息,经过计算组成具备时空特征的输入数据,在将目标数据制作成数据集后,利用神经网络进行训练并提取输入数据的多维度特征,实现车辆异常事件检测。之后利用异常事件检测的时间信息与激光雷达和视频相机的目标融合数据,在视频数据中进行事件取图并加以验证。所述方法的总体检出率为 97.11%,准确率为 97.10%,相关值均高于传统事件检测算法,且算法耗时与传统事件检测算法相比更少。试验证明相应方法能更快速、更准确地识别车辆异常事件。     

FMCW毫米波雷达检测车辆目标跟踪方法

为有效获取复杂交通场景下的高分辨率车辆轨迹数据,提出了一种基于FMCW毫米波雷达的车辆轨迹跟踪方法。首先,在实际场景中利用毫米波雷达系统获取目标运动状态原始数据,经预处理剔除异常量测值。然后,通过轨迹状态管理机制,利用设置了矩形跟踪门和关联准则的改进最近邻点迹关联算法产生点迹关联对,实现目标轨迹的状态更新,进而完成车辆轨迹提取。最后,采用三阶贝塞尔曲线算法对车辆原始轨迹做平滑处理。实例应用发现,在前250帧原始数据中共提取到13条有效车辆轨迹,正确率为100%,有效提高了多目标轨迹跟踪准确度;经平滑处理后,13条原始轨迹4次多项式曲线拟合的平均径向距离误差由0.555降至0.446,有效改善了原始轨迹平滑度,这表明所用方法能够有效实现复杂交通场景下的多车辆目标检测与轨迹跟踪。