基于地空信息融合的无人机交通状态感知方法研究

现有的无人机（UAV）交通状态感知方法，主要针对宏观交通状态参数的获取，同时尚未克服UAV自运动对交通参数检测精度的影响，难以满足智能交通系统对于高精度微观交通参数的应用需求。为此，提出一种基于地空信息融合的UAV交通状态感知方法，该方法包括：地空信息融合模型、道路关键点（IKP）检测及跟踪、车辆目标检测及追踪算法和交通状态参数提取及估计。其中，地空信息融合模型利用地基信息（IKP世界坐标）与空基信息（IKP像素坐标）进行最优化融合，并通过自适应IKP追踪算法与自适应UAV位置偏移判断算法实时更新模型参数，以此克服UAV自运动对车辆轨迹精度的影响，进而获取可靠的车辆级（瞬时速度、车头间距和车头时距）与车道级（车道动态密度、车道流量和空间平均车速）交通状态参数。利用提出的感知方法获取实地拍摄视频的车辆级交通参数并进行了分布检验，同时比较了基于不同交通流模型的车道级参数估算方法。结果表明：该方法在车辆检测的mAP@0.5指数超过90%，同时提取的车辆轨迹相对完整，获取的车辆级和车道级交通状态参数也符合实际交通流状况。最后，将该模型应用于实地道路的交通拥堵检测及交通事件检测，该研究结果为UAV在现代交通感知和管理中的应用提供了一种理论和技术参考。     

基于固定场景视频的运动车辆检测

为提高智能交通系统中运动车辆检测的效率,在固定场景视频下基于类Haar特征和AdaBoost算法提出了一种运动车辆检测方法.通过提取交通监控图像的扩展类Haar特征,在OpenCV平台上应用AdaBoost算法进行特征提取及训练得到级联分类器,利用级联分类器进行固定场景视频的运动车辆检测.测试结果表明,该方法具有良好的实时性和鲁棒性,在智能交通领域有广泛的应用前景.     

基于ETC交易数据的高速公路行程速度提取模型

为了提高高速公路运行状态的监测水平,基于ETC交易数据预处理,根据计算周期内路段ETC数据量的大小,搭建了不同样本量水平条件下行程速度的提取模型.利用包含对象路段的多个OD对ETC交易数据提取路段的行程速度,提出基于OD对速度折减系数和可信度权值的速度修正方法,解决了小样本条件下速度提取可信度较低的问题.以北京市高速公路路段数据进行了现场验证.结果表明,模型的平均绝对误差为4.5 km/h左右,平均相对误差为6.5%左右;高峰和非高峰时期的误差均方差分别为2.38 km/h和3.39 km/h,说明高峰时期的速度提取稳定性优于非高峰时期.仅利用ETC数据不能完整反映车辆的行驶状态,未来可融合其他数据源,进一步提高高速公路运行状态提取的准确性和可靠度.      

基于一维直接线性变换的视频中车辆运动状态重建

为克服传统车辆运动状态重建方法不能全面反映视频图像中车辆运动状态,且使用条件受限较大的问题,基于近景摄影测量中的直接线性变换原理,结合车身外廓特征信息,提出一种完整重建视频中车辆运动状态的有效方法。该方法中的特征标定信息全部取自目标车辆的外廓特征,不受路面和环境标定条件影响,扩大了使用范围;标定区域覆盖车辆在视频中的整个运动过程,最大限度地保证了车辆行驶轨迹的空间完整性;方法中每相邻2帧之间车辆行驶距离、行驶速度及加速度的解算均独立,避免产生累计误差。最后,使用该方法分别对车辆处于低速、中高速或减速3种运动状态下,摄像方向与车辆行驶方向呈90°或30°夹角的6种组合试验中车辆的相关运动状态参数进行解算,并与试验中采集的实际运动状态参数进行分析对比。研究结果表明:当车辆分别处于低速、中高速或减速3种运动状态时,在90°摄像视角下,计算所得车速值与记录值误差在1.5%以内,行驶距离值误差在3%以内,加速度值误差在7%以内;在30°摄像视角下,计算所得车速值误差在4%以内,行驶距离值误差在5%以内,加速度值误差在9%以内;该方法计算的视频中车辆的车速和行驶距离精度较高,加速度精度满足相关行业应用要求,证明该方法用于重建视频中车辆的运动状态有效、可行。     

高速公路上坡路段6轴铰接列车运行速度预测模型

为确保车辆在上坡路段的行驶安全，针对高速公路6轴铰接列车在上坡路段运行速度预测误差大、安全运营管理难的问题，提出了面向上坡路段6轴铰接列车的运行速度预测模型。采用雷达测速仪和AxleLight路侧激光仪采集西南某山区高速公路5处连续上坡路段的6轴铰接列车的交通流数据，并对实际运行速度与现有规范预测模型进行对比分析。以纵坡坡度、纵坡长度、车辆比功率、初始运行速度4个参数为变量，构建上坡路段运行速度预测模型。提出了预测模型误差修正方法，并分析了模型的有效性。结果表明:现有规范运行速度模型对6轴铰接列车运行速度的预测平均误差率达到了25.37%，模型误差较为显著；上坡路段6轴铰接列车的运行速度与坡度、坡长呈负相关，与车辆比功率呈正相关；构建的多元线性回归模型拟合优度R2为0.978，且满足相关检验指标；模型预测速度与实际速度差在2~4 km/h之间、相对误差平均值为8.86%，其结果较规范模型降低了16.51%；考虑交通密度因素修正后，模型预测速度与实际速度差在1 km/h以内、相对误差平均值为1.08%，其结果较未经修正的预测模型降低了7.78%，较规范模型降低了24.29%。由此可见，该速度预测模型对长上坡路段6轴铰接列车运行速度预测的准确性提升明显。      

基于行程-时间域的路段行程时间预测

为了提高高速公路路段行程时间预测的实时性与准确性,提出了基于行程-时间域的路段行程时间预测算法.该算法依据实时检测的交通数据和BP神经网络预测路段单元在不同时间单元的空间平均车速,构建车辆出行的行程-时间域,通过车辆穿越行程-时间域获得路段的预测行程时间.通过比较行程-时间域算法与传统神经网络预测算法,揭示了行程-时间域算法在预测精度上优于传统神经网络算法.以沪宁高速公路路段作为示例背景,基于Vissim仿真软件,验证了所提算法的准确性与可行性.      

基于精确定位的交通标识识别系统的检测方法研究

为了填补目前智能网联汽车在智能标识识别系统检测方法中的空白,对交通标识识别系统检测方法进行研究。通过安装精密机器人控制系统并配合以高精度定位系统,搭建智能标识识别系统的测量平台。通过精确控制试验车辆的速度及行驶过程中的相应姿态,并且采用实时记录试验车辆与目标交通标识的位置信息的方式达到对交通标识识别系统进行可靠性检验的目的。实验证明:该方法的速度控制精度在±0.5km/h以内、距离控制精度在±0.1m以内。     

基于决策树模型的信号控制交叉口交通状态估计

为了探究城市干道信号控制交叉口交通状态与检测器数据之间的关系,以低频定点检测器(5 min集计)采集的流量、占有率、速度数据与交叉口离线信号配时方案作为特征变量,以路段平均行程速度为标签变量,基于分类回归树(CART)模型,提出了一种新的交通状态估计方法。首先,以车辆路段行程速度为评价指标,将交通状态分为畅通状态、拥挤状态与阻塞状态3类;然后,通过VISSIM软件建立微观仿真模型,采集不同周期时长、绿信比和饱和度下的64 000个样本对分类回归树模型进行了训练与验证。结果表明,训练集估计精度为84.41%,验证集估计精度为84.08%,模型总体估计精度在84%以上。不同因素对交通状态估计的影响程度不同,由大到小依次为:占有率、绿信比、检测器速度、流量、信号周期。最后,以107组微波检测数据与视频数据对模型进行试验验证。验证结果表明,拥挤状态下模型估计精度最高,为89.19%,其次为畅通状态,为75.00%,阻塞交通状态下模型估计精度最低,为63.15%,交通状态总体估计精度为75.70%。可见,分类回归树模型能够较为准确地估计城市干道信号控制交叉口交通状态,该精度能够基本满足我国中小城市交通状态估计需求。     

城市出入口立交道路交通参数采集与通行状态判别技术研究

城市出入口立交的通行状态是影响城市交通管理与出行诱导策略的重要因素,为了弥补固定型检测手段采集覆盖面小、获取立交路面交通信息少的不足,提出了基于无人机视频的城市出入口交通参数提取及通行状态判别方法。首先对无人机航拍采集的视频图像进行预处理和分析,通过背景建模和运动目标检测跟踪方法提取无人机悬停航拍视频中的交通流量、流速和占有率等参数;然后利用图像特征匹配方法校对不同拍摄角度与实际立交地理位置图,校准图像中的实际地理位置信息;最后,结合城市出入口立交特点建立基于运动目标占有率的通行状态判别模型,解决了通过无人机视频自动判别立交整体通行状态的问题。无人机视频技术的应用可为城市出入口交通诱导和交通应急管理提供前期决策依据。     

多帧速度场估计方法及在交通视频监测中的应用

基于速度场的运动估计方法是进行运动物体分割的有效途径,提出了一种视频图像处理中基于多帧速度场的运动物体分割方法,针对简单速度场运动物体分割方法的不足,提出对多帧速度场图像提取的运动物体信息相融合的方法。试验结果证明:用此方法提取的运动物体核心点更完备,提高了运动物体分割的准确性。该方法在智能交通、视频监控系统中都有广泛应用。     

基于元胞自动机模型的路侧停车行为对交通流的影响研究

针对路侧停车带来的进出停车位排队延误、低速巡游降低通行效率、过量停车加剧交通负荷等问题,研究了路侧停车对路段动态交通流的影响分析方法。基于视频识别算法,提取路侧停车车辆在驶入车位过程中的运行轨迹和速度波动数据,解析路侧停车过程中的驶入行为特性,并按照行为差异将停车车辆停车全过程细分为进入路段、寻找车位、找到车位、驶入车位、静止停放、驶离车位、汇入路段和错失车位8类状态;分别依据停车车辆和通行车辆的实际驾驶行为,从跟驰特征、速度矫正、换道规则和位置更新等方面对路侧停车元胞自动机模型进行了改进;在选择目标车位时综合考虑了步行至目的地时间和驶入车位耗时2个要素。与常规通行车辆相比,深入分析了停车车辆提前换道和停车完后汇入路段行为对后车的影响。基于实际交通流数据对仿真模型进行参数标定,经验证,模型拟合度为77.6%;仿真分析了在差异化的停车需求强度下,巡游速度对道路通行能力和延误时间的影响规律。结果表明:固定的巡游速度和停车需求强度下,道路延误时间随道路交通量先增加后减少;在低停车需求强度下,巡游速度对道路通行能力影响微弱,在高停车需求强度下,当巡游速度从30 km/h降低至20 km/h,外侧车道饱和流量降低500 veh/h,最高延误时间增加105 s。      

无人机视频车辆跟踪算法研究

鉴于现有算法在复杂环境下易造成目标跟踪丢失的问题,为研究精准高效的车辆跟踪算法,实现无人机视频交通参数提取,将传统KCF(核相关滤波)算法中的固定尺度检测窗口替换为多尺度检测窗口,提出多尺度KCF优化算法;与CamShift算法和KCF算法的对比结果表明,在不同场景下多尺度KCF优化算法的跟踪效果均优于其他两种算法,在目标遮挡和存在阴影的情况下表现更优异,具有较强的鲁棒性和适用性。     

视频车辆检测技术中的阈值分割算法研究

为了提高视频交通检测交通流参数提取的精度,研究了视频交通检测技术．中的阈值分割算法;文中使用分形维数法、双峰法、迭代法和大津法研究了获取图像的阈值分割方法使得车辆和背景分离。结果表明,分形维数法处理时间较长;迭代法编写程序较复杂,且运算时间长;由于双峰法对满足一定要求的图像处理效果较好,而试验证明双峰法不适用与车辆视频图像处理。大津法分割后得到的二值图像中仍然存在车辆内部存在黑色像素点的问题,但其效果图中车辆与背景的分离情况较好。所以课题中选取大津法作为视频车辆检测中闽值分割的最终处理算法。     

基于MOVES的小半径圆曲线路段载重柴油车碳排放预测模型

半径小于等于550 m的圆曲线路段是车辆易产生高碳排的路段。为揭示载重柴油车在这些小半径圆曲线路段的二氧化碳排放水平变化规律,以MOVES模型为基础,应用符合我国实际情况的道路、交通、车辆、燃油等信息,对MOVES模型中的参数做本地化修正及设置。通过采用MOVES模型进行载重柴油车碳排放模拟,得到了不同平面线形及行驶速度组合条件下的碳排量数据库。在此基础上,首先采用回归分析的方法分别建立了单位圆曲线长碳排量与圆曲线半径、圆曲线长度、车辆驶入圆曲线路段的初始速度3个参数的关系模型,其次采用迭代的方法建立了小半径圆曲线路段载重柴油车累积碳排放量预测模型。通过实地油耗试验,选用IPCC碳排放核算方法,将车辆油耗数据转换成碳排放数据,对比了碳排量核算值与模型预测值,验证了模型的预测精度。结果表明:单位圆曲线长碳排量以圆曲线半径、车辆驶入圆曲线路段的初始速度这2个参数分别为变量作二次函数形式的变化,以圆曲线长度为变量作幂函数形式的变化;累积碳排量以上述3个参数为变量作多元非线性函数形式的变化;经过参数本地化修正及设置的MOVES模型可以用于我国实际道路交通条件下的载重柴油车碳排放水平预测,以MOVES模拟为基础而建立的多元碳排量模型预测值与试验实测值的相对误差平均值为6. 02%,小于10%,具有较高的预测精度,可以在无需借助MOVES模型的情况下方便、快速地估算载重柴油车在小半径圆曲线路段的碳排量。     

基于蒙特卡洛模拟的无人车高速公路变道虚拟测试场景自动生成算法

高速公路环境下,相邻车道前方车辆变道切入是常见的高风险场景.基于场景的虚拟仿真测试,是验证无人车应对其他车辆变道切入时控制算法安全性与可靠性的有效方法.基于蒙特卡洛模拟方法,提出一种无人车高速公路变道虚拟测试场景自动生成算法,实现测试场景中变道车与测试车的运动轨迹生成.利用高速公路真实交通数据集highD提取真实变道场...     

山区高速公路长大下坡路段安全性评价方法研究

为了提高高速公路长大下坡路段的安全水平,对3种常用长大下坡路段车辆制动器温升模型分析,充分考虑项目交通特性,分析长大下坡制动性,结合不同载重及运行速度情况下的主制动器温度值预测结果,对评价路段改善前后的安全性进行检查,研究结果表明:在长大下坡路段,当载重为40t、50t,行驶速度为50km/h、60km/h、70km/h和75km/h,温度始终在260℃范围以内,当超载至60t,行驶速度为50km/h、60km/h、70km/h和75km/h,仅在坡底温度超过了260℃,这主要是因下坡距离过长引起;路段改善后,制动器温升有所降低。     

视频交通场景的背景生成方法研究

通过对视频交通场景特点的分析,提出了基于视频技术的交通场景背景生成及其更新方法--背景相异像素迭代法.并通过试验和与其他算法进行比较,证明了该算法背景生成和更新的可行性和先进性,解决了在交通流密度比较大的情况下难以进行背景生成和更新的问题.本算法对于提高交通视频检测在实际应用中的准确性和适用性具有重要的意义.     

高速公路相机自动标定及道路坐标系构建

为解决高速公路场景下利用视频监控系统正确描述车辆相对于道路的空间位置问题，通过引入Frenet坐标系概念，提出一种基于相机自动标定的道路坐标系模型。在相机自动标定阶段，利用线分段拟合方法从曲线车辆轨迹中提取平行于直线路段的轨迹点，并通过级联霍夫变换精确估计道路方向的消失点。然后,根据多车辆三维模型约束，对相机参数进行迭代优化。基于标定结果，将车辆轨迹映射到世界坐标系平面上，并用3次样条插值进行拟合。根据大量运动车辆在道路平面内形成的轨迹域分布特征，综合边界约束估计道路中心点。最后，结合道路中心线在各点处的法线向量与车道宽度信息确定平移量，并利用点平移运动拟合车道线，实现道路坐标系的自动建立。使用真实高速公路视频数据，在多种道路条件下进行试验。研究结果表明:在标定阶段，构建方法对不同高速公路场景的最大标定误差不超过11.55%;与最新的方法相比，直线道路平均标定误差分别降低6.68%和3.58%，弯曲道路平均标定误差分别降低7.43%和2.61%;在道路坐标系构建阶段，构建方法的平均投影距离为0.077 m，接近最新方法的0.069 5 m；而其平均精度为0.916，显著优于最新方法的0.663；所提道路坐标系能够自适应道路形态的变化，有效解决了从监控视频中描述车辆与道路之间相对位置关系的问题。     

基于工程实测的加速度-速度参数阈值分析

微观交通仿真中的参数标定是科学应用仿真技术的前提.为了减少参数标定的维度,提高仿真手段工程应用效率,将微观仿真参数分为基础参数和模型参数2个部分,并设计道路工程试验方案,对部分基础参数进行工程实测研究,构建实际运动场景下车辆运行加速度取值特征及加速度-速度的关系探究.根据车辆运行过程,将车辆加速过程分为车辆起步、提速、稳定3个阶段,并依据道路实测数据,应用数据包络的方法确定加速度与速度的函数关系及取值范围.在车辆起步阶段(0~7.2 km/h),需要较大动力完成起步动作,速度低加速度高,加速度-速度斜率k=0.1832;车辆提速阶段(7.2~35.4 km/h),需要确定周边运行环境处于安全状态,加速度有一定程度减少然后逐渐上升,加速度-速度关系整体斜率k=0.0259;车辆稳定阶段(35.4 km/h以上),速度相对稳定,加速度-速度斜率约等于0.由此确定了基础参数中加速度的阈值范围,对仿真软件中默认加速度-速度关系进行优化.      

安全切入场景下的驾驶人初始制动时刻分析

基于中国自然驾驶项目的China-FOT数据库，研究安全切入场景下的驾驶人制动响应，为研究自动驾驶功能在安全切入场景下的控制策略开发及测试评价提供参考。首先使用人工截取车载视频的方法初步筛选出266例安全切入场景工况，通过观看车载视频提取交通环境参数（包括光照条件、切入车辆切入方向、车辆类型、横向位置变化等）以及本车驾驶人制动响应等视频数据；通过自动截取CAN总线数据提取本车车速、加速度等车辆动力学参数；并使用MATLAB图像分析的方法估算两车相对速度、相对距离等图像处理结果。然后基于提取到的工况数据，分析驾驶人响应类型及分布，得出在前车安全切入场景下，本车驾驶人保持本车道行驶的响应行为占96.24%，保持本车道行驶且同时制动的响应比例为51.13%。因此，对前车安全切入时，本车驾驶人保持本车道行驶的同时采取制动响应的行为进行了更深入的研究，以提取的136例符合此响应行为的工况数据为基础，以THW（Time Headway）值作为表征参数分析驾驶人初始制动时刻特征。预设交通环境、切入车辆参数、本车参数中可能对THW值产生影响的因素，分析THW值在预设的影响因素下的分布情况，并使用皮尔逊相关性检验验证THW值与该因素的相关关系，最终确定切入车辆类型、两车相对车速及相对距离与THW值显著相关。最后使用以上显著影响因素的参数进行聚类分析，得到5种典型的安全切入场景下的制动工况。