城市道路交叉口自动事件监测系统

提出一种基于事件特征来检测交通事件的监测系统.系统选取3个特征值,交通流、车辆角度和车辆加速度.从CCD摄像头获取图像序列之后做车辆检测,提取车辆移动方向、交通流和车辆加速度来获得检测结果.该方法通过计算得到正确率97.8%,误报率1.02%,检测时间只要30 s.结果表明,该方法比检测效果更好.     

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.     

基于手机运动传感器数据的交通流拥挤识别

准确的交通流状态识别是智能交通管理与控制的基础.通过所开发的手机端软件从手机中提取车辆的加速度与角加速度数据,在研究了其统计特征后,发现该数据可反应周围车辆对目标车辆运行环境的影响,从而与交通流状态的变化有着密切关系.利用支持向量机学习算法,以加速度与角加速度统计参数作为输入变量识别断面交通流状态.实验结果识别精度最高达到92%,表明加速度和角加速度指标可作为交通流状态的表征参数.该研究采用Lasso模型和最小角回归算法对输入参数进行变量选择,在降低计算成本的同时保证了良好的识别效果.      

高速公路交通事件视频车辆检测技术

交通事件自动检测技术概述 交通事件自动检测(AID)技术可分为"间接检测方法"和"直接检测方法"两大类.绝大多数的AID方法都属于前一种,其原理是根据交通流的变化来间接地判断交通事件的存在.实时交通流参数可用多种手段获得,最普通最常用的做法是通过设置在路上的交通检测器(环型检测器或超声波检测器)动态采集各路段的交通数据,由此推断可能发生的交通事件.交通检测器需要埋设在车道下面,使用过程中可能会损坏,属于有损检测器.由于数据误差及交通情况的复杂性,这类系统事件的检测与鉴别时间较长,误报率高,而且不适合在交通量较低的情况下使用."直接检测方法"是指使用图像处理技术来发现车辆行驶异常的一类方法.这类方法实际上是"看到"发生了交通事件而不是通过交通事件的影响来检测到它的存在.在潜在的意义上看,在检测速度方面远远胜于"间接检测方法",在交通量较低的情况下也能有良好的检测效果.另外,"间接检测方法"一般只能判断有没有事件,而不能对事件的类型进行鉴别,还需要人工对事件进行鉴别;而"直接检测方法"则既能检测事件,又能对事件的类型作出判断,这有利于减少事件的响应时间,减少事件延误.     

交通流的积分建模方法

采用积分方法建立交通流基本方程的物理意义更为明确.参照流体力学,提出研究交通流的欧拉方法、交通流系统和控制域的概念.交通流中的系统是一组车辆的集合.交通流中的控制域是车道中某一个确定的区域.推导出交通流系统所具有的物理量对时间的全导数的积分公式,即系统内物理量对时间的全导数等于控制域内该物理量对时间的偏导数与单位时间经过控制线的该物理量的通量之和.应用全导数的积分公式建立了积分形式的交通流连续性方程.     

一种基于视频虚拟检测线的交通流参数检测方法

实时交通流参数检测在智能交通系统中起着重要的作用。参数检测有多种方式,其中基于图像处理的视频车辆检测方式近年来发展很快,由于它具有检测区域大、系统设置灵活等突出的优点,已成为智能交通系统领域的一个研究热点。车辆的检测基于车道,在每个车道设置两条虚拟检测线来检测交通流参数,虚拟检测线的作用类似于电磁感应线圈。系统通过对视频虚拟检测线的预处理将二维的数字图像转化成一维的检测信号,减小了运算量,降低了运算负荷。提出的基于视频虚拟检测线特征的交通流参数检测系统已经在PC机上用VC 6.0实现,并对不同典型天气条件下的交通流视频进行了实验,实验结果表明该系统具有较高的车流量统计精度。     

基于最优间距的车辆跟驰模型及其特性

为真实地反应车辆跟驰机理,假设在跟驰状态下,驾驶员倾向于保持最优跟驰间距,在分析最优间距函数的基础上,建立了车辆跟驰模型(optimal distance model, ODM).利用NGSIM数据,对ODM模型和经典Gipps车辆跟驰模型进行参数标定和评价.用仿真方法分析了ODM模型再现宏观交通流现象的能力和加速度特性.研究结果表明:与Gipps模型相比, ODM模型的加速度、速度和距离的仿真精度分别提高了0.36 m/s2、0.99 m/s和0.73 m,并能够再现实际交通流中稳定车流和冲击波等交通现象;在稳定交通流中, ODM模型总是趋向于使车辆间距等于最优跟驰间距,或在其附近小幅度波动.      

行人主动安全系统对交通流运行状态影响分析

行人主动安全系统能够有效降低人车碰撞风险,但其对交通流长时间运行状态的影响有待探究.运用Net Logo软件,基于智能体建模思想设置车辆和行人运动模式,选择平均车速波动情况和车辆等待时间、行人等待时间、行人速度分布评估传统车辆、行人检测系统车辆和人车通讯系统研究车辆运行时的交通流稳定性和通行效率.研究结果表明:行人主动...     

基于视频的交通流参数检测

随着经济的发展,如何保障交通的畅通与安全已成为当今世界的热点研究课题之一。基于视频的交通流参数检测系统具有直观、安装简便、费用低等优点,它代表了车辆检测器的发展方向。简要介绍了视频车辆检测在智能交通系统中的应用,给出了基于视频的交通流参数检测的常用方法,以及检测系统提取的主要交通流参数,分析了影响检测精度的因素和提高精度的相应对策。     

混合交通环境下网联自动驾驶车辆跟驰模型与优化策略

为进一步提高混合交通环境下车辆的行车效率与交通流的稳定性，在考虑后视效应的基础上，融合多辆前车速度与加速度等状态信息，以指数平滑方式构建了网联自动驾驶车辆(CAV)跟驰模型；在此基础上，研究了前后方车辆数和状态信息完整度对模型稳定性的影响，结合Lyapunov第一方法和线性谐波微扰法进行了线性稳定性分析，并确定了模型最优参数；利用混合交通环境特性，在考虑通信信息丢失的情况下提出了CAV在不同位置和状态下的跟驰策略，并在该策略支撑下进行了不同CAV渗透率的车辆启动、车辆刹车停止、环形道路3个典型场景下的数值仿真。研究结果表明：在刹车停止场景中，全部车辆的停止波速最大提高了26.1%;在车辆启动场景中，启动波速最大提高了15.5%,车辆加速度和速度变化更为平缓；在环形道路场景中，当混合交通流中CAV渗透率由40%提高至100%时，在较大扰动条件下车辆的平均速度波动时间相较于低CAV渗透率场景下降了44.8%,波峰下降了5.7%,波谷上升了19.4%,而CAV渗透率较低时提出的优化策略对混合交通流的改善并不明显。由此可见，在当前构建实际混合交通环境与开展CAV实车试验比较困难的情况下，该跟驰...