考虑交通事件影响的动态交通信号控制策略

采用数值仿真方法评价了固定式信号控制、延误最小自适应信号控制与通行能力最大自适应控制3种典型信号控制策略下的路网动态运行效率; 采用双排队模型构建了动态交通流仿真平台, 提出了交叉口流量传输优化模型, 分析了双排队模型中交叉口内交通流运行的状态; 假定用户依据瞬时用户最优原则选择路径, 提出了考虑信号控制惩罚时间的瞬时用户最优约束; 以系统总行程时间、有无交通事件影响的行程时间为评价指标, 研究了低、中、高3级不同交通需求下的信号控制效果。试验结果表明: 在低、中级交通需求下延误最小自适应控制策略的系统总行程时间最小, 比通行能力最大自适应控制在无交通事件影响下总行程时间分别降低0.45%和0.18%, 在有交通事件影响下总行程时间分别降低5.95%和2.52%;在高级交通需求下, 通行能力最大自适应控制总行程时间最小, 对比延误最小自适应控制, 在有、无交通事件影响下系统总行程时间分别降低5.46%、5.31%;对比有无交通事件影响下系统总行程时间变化幅度, 固定式信号控制在不同交通需求下均表现出最高的稳定性; 在低、中级交通需求下, 延误最小自适应控制策略较通行能力最大自适应信号控制策略更稳定, 在高级交通需求下, 两者的稳定性无显著差异。可见, 当交通需求较大时, 应提升交叉口通行能力, 当交通需求较小时, 应降低车辆延误。      

雷达视频联合检测技术在北横通道的应用研究

针对城市地下道路的场景和数字化交通管控需求,比较当前车辆检测和事件分类技术(例如线圈检测、红外检测、雷达以及视频等方式)在交通信息检测中的优势与劣势,提出了基于雷达视频联合的交通流检测系统.该系统可以检测更加多元的交通流信息,在复杂特殊的交通场景下仍可以持续稳定地采集和获取交通流状态和事件信息,为道路管理者提供决策依据.通过在上海北横通道的实际应用证明,雷达视频联合检测系统基本满足对城市地下道路的交通流状态信息和事件信息检测的需求,为后期城市地下道路智慧化建设和主动管控提供参考.     

基于反馈背景模型的城市道路交叉口前景目标检测

为准确检测城市道路交叉口监控视频中缓慢行驶或短时停留的前景目标,提出了一种基于前景目标反馈的背景模型检测方法.首先基于观测样本的像素值构建背景模型,利用计数器观测像素点检测为前景或背景的次数并描述当前场景的交通状态和稳定性,其次根据场景自适应阈值判断当前像素点为前景点或背景点,最终通过交通状态和场景的稳定性更新背景模型.采用基于真实的交叉口视频场景对算法的有效性进行了定性与定量分析.实验结果表明,该算法在复杂的城市道路交叉口场景中检测出缓慢行驶或短时停留车辆的性能优于其他方法,同时能够满足城市道路交叉口智能视频监控实时性和准确性的要求,为交叉口前景目标的行为分析奠定了基础.     

视频检测技术在交通安全中的应用

为了能够有效预防交通事故和真实地再现事故过程,采用视频检测技术对交通事件进行实时检测,分析了检测的原理,交通参数采集的方法和事件算法,并对各种算法的性能进行了比较。在此基础上集成了车牌识别功能,运用在交通事故的再现分析上。最后,综合事件检测和事故再现上的应用,提出了基于视频检测技术的交通安全系统的框架结构,并在实际应用中验证了系统的性能。     

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。     

交通事件视频图像自动识别系统的研究

如何有效利用高速公路视频图像信息,实时全天候自动智能检测交通事件,提升交通管理部门应急处置能效,是当前公路视频监控亟需解决的问题．本文基于视频图像处理技术,开展交通事件自动识别算法和系统的研究：采用中值滤波、亮度缩放等图像预处理方法,提取交通视频图像的前景目标边界并抑制噪声;基于灰度阈值化方法,对车辆前景进行二值化分割处理;提出一种二值化场景图像连通区域标定算法,对交通事件前景目标进行特征提取与检测识别,并基于上述算法和识别流程开发了交通事件视频自动识别系统．试验表明,该系统对噪声干扰抑制能力较强,识别准确率较高．     

顾及小目标特征的视频人流量智能统计方法

人流量统计对智能安防等领域具有重要研究价值. 针对视频监控系统中人流量统计准确率较低的问题,提出一种顾及小目标特征的视频人流量智能统计方法,重点研究用于小目标检测的Faster R-CNN （Faster region-convolutional neural network）改进算法、运动目标关联匹配以及双向人流量智能统计等关键技术,根据人头目标的小尺度特点对Faster R-CNN网络结构进行适应性改进,利用图像浅层特征提高网络对于小目标的特征提取能力,通过基于轨迹预测的跟踪算法实现运动目标的实时追踪,同时设计双向人流量智能统计算法,以实现人流量高准确率统计;为证明方法的有效性,在密集程度不同的场景中进行了测试. 测试结果表明:改进的目标检测算法相较于原始算法,在Brainwash测试集和Pets2009基准数据集上的平均准确率分别提高了7.31%、10.71%,视频人流量智能统计方法在多种场景下的综合评价指标F值均能达到90.00%以上,相较于SSD-Sort算法和Yolov3-DeepSort算法,其F值提高了1.14% ~ 3.04%.      

���ڸ�����Ƶ�ı������˿���·��ͨ�ۺϼ��ϵͳ

高清视频技术在交通检测中的应用是目前发展的热点领域。北京奥运快速路建立了基于高清视频的交通综合检测系统,实现了对快速路出入口的综合监测、交通流信息采集和多业务应用。本文介绍了基于高清视频技术的北京奥运快速路交通综合检测系统的设计和实现,对系统的总体情况进行了描述,给出了系统的总体结构设计,对所实现的主要功能进行了分析说明,讨论了交通流综合检测系统的信息处理流程,并从集成的体系框架、功能模块集成和数据集成、应用创新等方面阐述了北京奥运快速路交通综合检测系统建设的集成化思路。     

����SVM�ij��п���·�г�ʱ��Ԥ���о�

随着城市快速路交通信息采集系统的发展,特别是视频车牌采集系统的应用,使实时动态获得快速路行程时间成为可能,同时也促进了高精度行程时间预测的理论研究和实际应用需求. 本文基于快速路车牌识别数据检测的海量历史时间序列数据,选择预测时段的前4个时段的数据作为输入特征值,以遗传算法建立模型参数优化算法,得到训练模型及其参数,从而实现车辆行程时间的动态预测. 最后以上海市快速路系统中的三个典型路段的实测数据进行实例分析. 结果表明：与传统的指数平滑法、多元回归法、ARIMA法预测结果对比,基于SVM的预测路段平均绝对百分误差在5%以内,希尔不等系数非常接近0,SVM模型显示了更高的预测精度.     

自适应铁路场景前景目标检测

现代铁路系统中,智能视频分析技术已被广泛应用于异物入侵监测,前景目标检测是入侵判断的必要过程. 背景差分常用于检测前景目标,但铁路场景复杂,存在动态变化的背景区域和未知类型的目标,现有基于阈值分割或深度学习的背景差分算法都不能满足需求,故提出一种基于阈值自适应调节的前景目标检测算法. 利用像素值在时间上的动态信息,分割结果的反馈信息和由超像素提供的空间信息确定阈值调节因子,动态调节阈值以适应环境变化;提出一种灵活可靠的背景模型初始化方法,消除鬼影问题,实现一帧到多帧初始化的灵活切换. 实验结果表明,所提算法在铁路场景上取得了较好的准确率和误分类率,且平衡了精度和速度.     

五路环形交叉口交通量卡片调查法

为了系统而简便地获取5路环形交叉口分流向的交通量,在分析传统的记录车牌号法和交织断面调查法的基础上,设计了针对5路环形交叉口交通量的卡片调查法。调查方法为利用不同颜色的卡片标记从某一进口流向其他出口的抽样车辆,计算右转交通量的理论比例;记录所有进出口交通量和右转交通量,得到右转交通量的实际比例。根据调查量求解约束方程,可得到各进口分流向的交通量。以南京市新庄立交为例,运用该方法调查,计算底层平面环形交叉口各进口分流向的交通量。结果表明,在抽样率为5％时,右转交通量理论比例与实际比例的最大误差为9．16％。     

基于动态定价的共享汽车自适应调度策略

汽车共享在满足居民日益增长的出行需求的同时,也能有效缓解私家车快速发展带来的交通拥堵等问题.但由于用户出行随机性的特征,汽车共享供需平衡的解决成为关键问题.价格优惠激励的用户自适应调度作为一种有效的解决办法被提出,在450份用户问卷调查的基础上系统分析动态定价对消费者取还车行为的影响机制,并进一步利用自动控制原理以系统不平衡指数作为控制变量,构建动态定价机制下共享汽车自适应调度模型.最后,本文以上海汽车城运营的EVCARD汽车分时租赁项目为案例,证明基于动态定价的自适应调度策略可使得系统不平衡指数下降42%.     

基于半监督哈希算法的交叉口交通状态识别

准确辨识交叉口交通状态是实施有效交通控制策略的前提. 传统交通状态识别方法是利用占有率、排队等统计数据设计指标实现状态识别,存在只能从单一角度刻画交叉口交通需求的问题. 对此,提出基于半监督哈希算法的交叉口交通状态识别方法. 从原始数据丰富特征入手,构建交叉口有效检测区域的图像化模型;将交叉口交通状态识别转化为图像搜索问题,利用监督哈希算法实现基于部分标签信息的图像搜索,进而得到交叉口的交通状态;最后,利用仿真对该方法进行了验证. 结果表明,所提方法在识别精度和速度上具有可行性和有效性.     

基于非线性优划的干道交通信号过渡模型研究

传统的干道协调系统中,干道信号控制方案间切换将会产生车流中断或扰动,无论是多时段控制、感应控制或自适应控制都存在这样的问题。针对传统过渡方法不是建立在优化过渡时期评价指标的基础上以及为了提高城市干道信号控制过渡时期车流的运行性能,建立了基于干道总延误最小的非线性约束过渡模型。通过同步式调整干道各交叉口的过渡周期长度与相位差来优化干道系统过渡时期性能,考虑车流离散因素对干道延误性能的影响,并通过改进的遗传算法求解。最后采用Visual C++调用仿真软件VISSIM内部COM接口进行案例分析。结果表明,与传统过渡方法两周期、三周期、减法（Subtract）、短路径（Shortway） 相比,所提出的过渡方法使道路延误性能平均提高了19.6%, 15.2%, 10.5%, 9.8%。该方法在大范围的交通和几何条件下的表现具有一定优势,在保证干道过渡延误性能的同时也给干道提供了最优的绿波带。     

Design and Simulation of an Optimal Control System on Freeway Based OD Prediction Information

According to the information of real-time Origin-Destination (OD) prediction, based on the hierarchy idea, a novel hierarchical optimal control system of a freeway is proposed. There are three control layers in this control architecture: The network load assignment layer predicts, in advance, the total traffic demands for a long time, and makes the upper bound of the future queue length. The area-wide optimal control layer predicts the future traffic state and builds harmonious restrictions for each ramp. The local feedback control layer adjusts the model parameters according to the real-time traffic conditions, and the results are optimized by the area-wide optimal control layer. The simulation results show that the control system has a good dynamic performance. It harmonizes the benefits of every ramp and optimizes the whole performance of the freeway network.     

����ODԤ����Ϣ�ĸ��ٹ�·�Ż�����ϵͳ��������

根据时变的OD预测信息,基于分层递阶的思想,建立了一个新颖的高速公路优化控制系统。控制结构分为三层：网络负荷分配层对长时期内总的交通需求进行预测,提前确定将来排队长度的上界;全局最优控制层预测未来的交通状态,为路网中的各个匝道建立协调约束;局部反馈控制层根据实测的交通条件及全局最优控制层的寻优结果决定匝道调节率。仿真结果表明,控制系统具有良好的动态性能,协调了各个匝道之间的利益,实现了高速路网整体性能的优化。     

卷积神经网络及其在智能交通系统中的应用综述

从特征传输方式、空间维度、特征维度3个角度,论述了近年来卷积神经网络结构的改进方向,介绍了卷积层、池化层、激活函数、优化算法的工作原理,从基于值、等级、概率和转换域四大类总结了近年来池化方法的发展,给出了部分具有代表性的激活函数对比、梯度下降算法及其改进型和自适应优化算法的工作原理和特点;梳理了卷积神经网络在车牌识别、车型识别、交通标志识别、短时交通流预测等智能交通领域中的应用和国内外研究现状,并将卷积神经网络算法与支持向量机、差分整合移动平均回归模型、卡尔曼滤波、误差反向传播神经网络、长短时记忆网络算法从优势、劣势和在智能交通领域的主要应用场景三方面进行了对比;分析了卷积神经网络在智能交通领域面临的鲁棒性不佳和实时性较差等问题,并从算法优化、并行计算层面和有监督学习到无监督学习方向研判了卷积神经网络的发展趋势。研究结果表明:卷积神经网络在视觉领域具有较强优势,在智能交通系统中主要应用于交通标志、车牌、车型识别、交通事件检测、交通状态预测;相比其他算法,卷积神经网络所提取的特征更加全面,有效地提高了识别准确度与速度,具有较大的应用价值;卷积神经网络未来将通过网络结构的优化、算法的改进、算力的提升以及基准数据集的增强,为智能交通带来新的突破。      

����֧���������ij��е�·��ͨ״̬ģʽʶ���о�

城市道路交通状态识别是现代智能交通系统的重要组成部分,是交通智能控制、诱导和协同系统的基础.基于支持向量机建立车流量、平均速度和占有率的三维反映空间,以堵塞流、拥挤流、平稳流和顺畅流为标签对道路交通状态进行分类;并在MATLAB平台下利用LiBSVM工具包进行实验分析,对SVM各种核函数的分类效果进行比较研究,实现了支持向量机技术的交通状态模式识别.结果表明：选择的指标能很好地反映交通状态的特征,SVM核函数可以以较高的分类精度区分开交通流的状态识别,数据的归一化对分类的结果具有重要的影响.     

����ģ���߼��Ľ�ͨ�źſ��Ʒ�����������ɳ�ذ�������Ӧ��ǰ��

模糊控制器的应用于1977年首次在文献中提出,其中指出对于有简单绿灯延时控制的单车道交叉口,模糊控制器比车辆感应式控制器更具优势。此后,模糊控制器有了进一步发展,关于交通信号控制的模糊逻辑方法的研究也进一步深入,该方法被陆续应用于无转向车流的双车道交叉口、无限制的单车道交叉口、多交叉口、相位顺序和相位时长控制、拥挤交叉口和路网等等,尤其在高负荷和不均衡交通流条件下表现出优于传统交通信号控制方法的特性。模糊逻辑方法可以改善自适应交通信号控制,改变自适应控制器和TMS的整个决策过程,很大程度上改善未来的交通需求管理方法,然而这类交通信号控制和交通需求管理方法的实际应用并不多见。在诸如沙特阿拉伯这样的发展中国家,学者应根据本国的特有情况研究基于模糊逻辑的交通信号控制与TMS的发展潜力,从而减少拥挤导致的各种损失。