我国弱势交通参与者交通安全现状及问题分析

对我国交通中的弱势交通参与者进行界定,总结了目前我国城市交通中存在的一些有关弱势交通参与者交通安全方面的问题,详细分析了过去15年我国弱势交通参与者道路交通事故的现状与特征,研究了导致弱势交通参与者交通死亡的主要原因,并提出改善其交通安全状况的对策建议。     

融合改进YOLO和背景差分的道路抛洒物检测算法

针对现有道路抛洒物检测算法识别准确率低、识别种类有限、实时检测效率低的问题，探索了将深度学习目标检测和传统图像处理相结合的抛洒物检测算法。提出在YOLOv5s目标检测算法基础上，对模型结构进行修改以满足实时性需求。具体地，使用卷积优化YOLO中的降采样模块，采用Ghost网络替代原始的特征提取网络以减少计算量，根据抛洒物检测对象的特点设计符合数据集的锚框以提高目标识别准确度。使用优化后的YOLO检测道路场景中车辆、行人作为交通参与者得到检测框，在检测框周围设定感兴趣区域，并在感兴趣区域内用背景差分算法实现前景目标识别。计算前景目标与YOLO检测结果的交并比，排除交通参与者目标后实现道路抛洒物的识别。针对交通参与者检测的实验结果表明，改进后的YOLO检测算法在整体识别精度没有损失的情况下单帧检测速度为20.67 ms，比原始YOLO检测算法速度提升16.42%。真实道路抛洒物实验结果表明，在没有抛洒物训练数据情况下，传统混合高斯模型算法平均精度值为0.51，采用融合改进YOLO和背景差分的抛洒物检测算法平均精度值为0.78，算法检测精度提高52.9%。改进后算法可适用于没有抛洒物数据或正样本数据稀少的情况。该算法在嵌入式设备Jetson Xavier NX上单帧检测速度达到24.4 ms，可实现抛洒物的实时检测。      

基于DEVS的交通事故主动预防系统模型构建

为了实现交通事故预防的两种突破:即从群体预防行为到个体预防行为的突破和从事后预防到事前预防的突破,提出交通事故主动预防系统概念,突破传统事故预防的局限性,进一步提升事故预防成效。交通事故主动预防系统是指交通参与者出于自我需求,将正确的交通行为规范渗透到潜意识并自发地执行以防止交通事故发生的应对措施,主体是人(交通参与者),其核心是人的安全意识和安全行为两个维度。从行为学视角依据交通事故与人的交通行为的关联度属性将交通参与者简化为非驾驶群体(行人集群、乘客集群)和驾驶群体(无事故驾驶人集群、事故驾驶人集群),具体对应的主动预防技术分别为:学龄前儿童交通安全认知系统、中小学生交通安全教育互动系统、安全驾驶行为在线训练及矫正系统、危险驾驶体验系统4个技术功能模块,采用DEVS分层递阶建模法,将各子系统模块之间的信息流整合,结合系统模型内部的耦合机制,构建主动预防系统形式化模型,并结合实际典型案例对系统模型进行验证试验,结果证明系统模型的输出结果与实际调查数据基本吻合,该模型可以为实际应用提供一定的指导与参考。     

基于视频图像的交通事件检测系统研究与开发

交通事件检测是智能交通系统中的重要组成部分和关键技术.文中基于计算机视觉技术与数字图像处理技术,结合当前我国高速公路交通监控所需和已有监控设施,对基于视频图像的交通事件检测进行了研究,并完成了系统的开发和测试.     

盲图像质量评价在智能交通系统中的应用

针对交通系统图像的特点,构建了盲图像质量评价在智能交通系统中应用的框架。对于获取到的交通图像首先进行预处理（包括车身区域分割和车牌检测）,然后对影响交通图像质量的亮度、对比度及清晰度分别进行评价。对实际获取的图像利用算法进行了验证,实验结果表明,算法可以较好地对交通图像进行分类且评价结果与主观评价一致。     

“全球新能源汽车前沿及创新技术”评选结果发布

正创新技术华为5G+C-V2X车载通信技术华为5G+C-V2X车载通讯技术助力5G时代智能网联汽车的发展。5G的高速率和低时延特性可支持智能汽车更快获取高精度地图等道路数据;C-V2X可支持车辆与道路基础设施、其他车辆、弱势交通参与者等进行直连通讯,该技术基于华为自主研发的5G车载通信模组MH5000和5G通信芯片     

基于CNN技术的灰度视频交通图像边缘检测

车辆或道路的边缘是灰度视频交通图像的重要特征，文章采用细胞神经网络技术，合理地选择了网络参数，并编制了基于Matlab 5．3平台的程序，将其用于检测灰度交通图像的边缘。经算例与传统的Sobel方法进行比较，证明采用该方法提取交通图像边缘是有效的，实用的，并通过分析推荐了网络参数。     

城市道路场景下考虑多类交通参与者的多模态车辆轨迹预测方法研究

车辆轨迹预测是自动驾驶的关键技术之一,针对以往模型较少考虑城市道路场景中车辆以外多类交通参与者的问题,本研究提出了一种多类交通参与者的多模态车辆轨迹预测模型。该模型使用门控循环单元对历史轨迹信息进行编码,并利用注意力机制将多类交通参与者的特征映射到用图结构表达的驾驶场景中,通过图注意力网络进行环境特征提取,从而使模型能感知环境中的多类交通参与者。此外,模型通过节点轨迹预测与坐标轨迹预测模块输出最终的多模态轨迹预测结果。基于城市道路场景数据集nuScenes的实验结果表明：相较于同类现有模型,所提出的模型算力需求更低、预测更准确,且能适用于人车混合的城市道路驾驶场景。     

基于Prescan软件的行人检测仿真

行人的安全问题是智能交通系统中一个重要的环节,针对目前交通环境使用了一种融合了车载的激光雷达和摄像头数据的行人检测方法,将雷达和摄像头联合标定,将由雷达数据聚类得到的目标区域投影到图像中获取兴趣区域,然后根据行人对称度分析,腿部垂直边缘统计和基于Hausdorff距离的模板匹配的结果,分辨行人与非行人区域.并在交通仿真软件PRESCAN中把该车载的行人检测系统建模仿真,并添加该文的行人检测算法模块,论证了该算法的鲁棒性.      

城市混合交通场景中的多目标参数检测

针对城市混合交通的复杂场景图像中多目标及其参数的检测问题,提出了一种由改进的帧间差分与边缘提取相结合的算法。利用帧间差分法检测车辆的存在,对帧差图像运用统计滤波算法提取多运动目标,通过形态学方法提取并细化目标边缘,根据主边缘（轮廓）信息完成车辆定位,最终结合摄像机标定结果计算出多目标交通参数。算法避免了复杂场景的背景建模,减少了运算量。实验结果表明,该算法不仅能较为准确地检测多运动目标的参数,而且具有较强的实时性。     

一种新的快速路交通事件综合检测算法

介绍了传统交通事件检测系统的组成及传统交通事件检测算法,在指出传统交通事件检测算法存在的主要问题的基础上,提出了一种新的快速路交通事件综合检测算法。该算法主要舍事件检测、检测学习、综合判断三部分,将加州算法、基于交通流模型优化的McMaster算法、基于统计的相邻车道数据比较算法、基于模糊聚类的事件检测算法的检测结果进行综合判断,从而得到交通事件信息。实验表明,该交通事件综合检测算法的判断准确度优于其他算法,且运算速度满足实际应用需要。     

基于稀疏分解的交通图像压缩

随着道路实时监控系统的广泛应用,需要处理的数据量激增,为了解决传统图像压缩方法随压缩比增大解码图像质量急剧下降的问题,提出一种新的基于稀疏分解的交通图像压缩算法。该算法将稀疏分解引入到交通图像压缩中,先根据交通图像特点,引入背景差法对交通图像进行预处理,然后采用稀疏分解算法对图像进行分解,最后通过分析交通图像稀疏分解后的数据分布规律,并根据低比特率图像压缩要求,提出改进的排序差分编码方案进行编码,以期在低比特率下,获得较好的解码图像质量。仿真试验结果表明,与现有的排序差分编码算法相比,该算法能够更有效地实现交通图像的压缩,相同压缩比下,解码图像有更高的峰值信噪比和主观图像质量。     

一种基于模糊推理的交通监控图像客观评价方法

交通监控图像好坏是闭路电视监控系统的重要性能参数。在分析现有交通监控图像评价方法的基础上,提出一种操作简便的无参考评价方法,从基本属性、清晰度、抗干扰性能角度构建客观评价指标体系,并采用模糊推理算法对多个指标进行推理以获得反映图像好坏的中间量,进而建立中间量到图像客观评分的映射关系。试验结果表明,该方法有效且评分结果符合人眼主观感受。     

基于小波提升框架的交通目标检测与跟踪

交通图像分析是智能交通领域的关键技术之一。为实现复杂交通场景中的多目标检测与跟踪,设计了一种结合小波提升框架和KLT特征点跟踪的多运动目标检测与跟踪算法。对序列图像中相邻两帧图像的融合图像进行小波提升变换,求取水平和垂直方向上的小波能量,通过合理阈值二值化小波能量矩阵,再利用贴标签方法检测出运动目标;利用KLT特征点集合代表目标,通过跟踪后的特征点集合与目标检测区域的相互关联,实现多目标的跟踪。实验结果表明了所提算法的有效性。     

浅谈北京市远郊区县电视监控系统的建设情况及应用效果

为维护好首都的交通治安秩序，把好北京的门户，预防和查处违法逃逸机动车辆通过各进出京交通要道，建立了远郊区县电视监控系统。此系统主要解决过境车辆监控，包括全天候24小时监控，无遗漏视频移动检测、数字图低压缩记数据库管理、图像实时显示、图像回放、利用光缆或电话线实现在数据图像的远程传输等。该系统的应用，收到了良好的社会效益，有力地维护了交通秩序及社会治安环境。     

交通图像在智能交通系统中的应用

介绍了交通图像的相关内容,包括其获得方式、交通参数的提取、图像的压缩方式及形式,针对交通图像在智能交通系统中的应用进行了相关讨论,如车牌检测和识别、闯红灯检测技术、超速检测技术、道路识别系统,提出了在处理过程中一些尚待解决的问题.     

ADAS 软目标物吸波材料及其雷达反射特性分析

随着智能网联汽车技术的快速发展,对智能网联汽车的测试需求也在迅速增长。主动安全软目标物能够模拟真实交通参与者,是车辆高级驾驶辅助系统测试中的重要组成部分,其雷达反射特性与真实交通参与者的一致性不仅直接影响测试结果,还是汽车障碍物识别的关键参数。因此,对影响主动安全软目标物雷达反射特性的填充吸波反射材料的性能需求进行研究。根据主动安全软目标物的毫米波吸波反射特性要求,制备新型吸波材料,并对其性能进行了实验室测试。结果表明：使用该吸波材料制备主动安全软目标物,其雷达目标散射截面积（RCS）能够满足 ISO 标准中的参数要求。     

《中国公路学报》“交通行为、心理与安全”专刊征稿通知

<正>中国机动化和城镇化高速发展,交通需求猛增,交通安全形势严峻,安全改善任重道远。交通行为是交通事故发生的主要致因,为深入理解交通参与者的行为特征,交通安全研究人员借助心理学、人因工程等学科的理论与交叉知识,围绕交通参与者的交通行为、心理与安全等问题,基于问卷调查、现场观测、驾驶模拟、自然驾驶等手段开展了大量的数据采集工作,对交通行为及其心理进行了大量的深度分析。智能网联驾驶环境则对交通参与者的心理和行为研究提出了新的需求。     

基于多种算法的高速公路路面裂纹检测分析

为了提高高速公路路面裂纹检测的精确性和高效性,提出了高速公路路面裂纹检测车检测装置的设计方案。首先是通过对路面动态检测系统的设计与选型,研究设计出路面图像采集系统,然后把数据图像传递并保存在计算机中;基于多种算法进一步提取线性特征识别出裂缝目标,通过对裂缝的长度、宽度进行计算,进而求出裂缝面积等操作,得到比较满意的处理图像结果。结果表明:该装置节省人工时耗,提高了路面裂纹检测的精度和效率,改善了经济效益,可为今后的高速公路路面裂纹检测分析提供基础。     

基于图像纹理分析的动态车辆识别方法研究

在智能交通系统中,动态图像识别技术是系统应用的基础核心技术之一。以应用于交通监控、智能驾驶系统等场景的HSV空间动态车辆识别为基础,研究并论证提出了新的检测识别方法,实现对运动车辆的检测识别、目标追踪、驾驶辅助等功能。研究问题的难点是,如何从复杂的背景中分割运动物体,是检测方法能否有效的至关重要的一步,在研究了目前存在的各种方法之后,提出了一种新的基于阴影检测的HSV空间自适应背景模型的车辆追踪检测算法,算法基于HSV空间图像处理,采用最大类间方差法获取相邻帧二值化阈值,利用纹理信息进一步确定动态图像以及确认图像范围。通过截取由监控系统获取的视频信息,并对其进行图像处理检测车辆移动轨迹。从监控视频信息中获取两帧不同时刻的图像信息,在HSV空间进行相邻帧检测。由于阈值的选择将直接影响判断精度,本研究将固定阈值法进行了改进,该阈值是通过统计模型对整幅图像上灰度值进行计算,并通过最大类间方差法确定阈值。最后经过实际视频图像验证,仿真试验流程清晰,试验结果达到预期设想。