基于柔性车道管控算法的高速公路通行诱导系统

为提升高速公路在拥堵情况下的通行效率,解决在交通事故发生位置集中变道易引发二次事故的问题,以宁夏地区的高速公路为例,针对其通行诱导工作存在的问题,提出一种基于柔性车道管控算法的高速公路通行诱导系统。该系统通过综合应用多源的交通路况数据、突发事件数据和情报板信息发布技术,结合高速公路运营管理的需求和应急处置机制,实现智能化的通行诱导。实际应用结果表明,该高速公路通行诱导系统能有效提升高速公路通行诱导信息发布工作的效率和信息化水平,进而提升高速公路的通行效率。     

基于ST-GCN短时路况预测算法的预警系统

为提升高速公路车速预测的准确性,针对现有车速预测模型存在的时间相关性和空间相关性部分缺失的问题,提出一种基于时空图卷积网络(Spatio-Temporal Graph Convolution Network, ST-GCN)短时路况预测算法的预警系统。该算法综合考虑时间相关性和空间相关性的影响,根据实时和历史的交通数据,通过建立ST-GCN模型分析预测未来某段时间的交通流速度和路况。将预测结果推送给布设在高速公路上的多彩智能情报板,通过多彩智能情报板上显示的信息诱导司乘用户的行为,从而降低事故发生率,提升高速公路通行效率。     

基于深度学习和OpenCV的车速测量算法

传统的视频车辆测速算法对目标缺乏整体辨识能力,检测精度易受人、车、物和光线等诸多因素的影响,目标分割、跟踪等关键步骤存在技术瓶颈.为弥补这些不足,提出一种基于深度学习技术和开源机器视觉库(OpenCV)的车速测量算法.通过YOLO-V5算法进行车辆检测,通过OpenCV提供的方法进行车辆目标角点提取和轨迹跟踪,进而根据...     

一种基于交通态势算法的交通预警系统设计

为实时监控高速公路的交通状况,设计并实现一种基于交通态势算法的交通预警系统,该系统主要由态势计算、异常拥堵预警和交通迁徙计算等3个模块组成。采用Van-Aerde模型表征交通流的状态和变化规律,得到密度、速度和流量之间的关系;综合考虑交通预测的时空性,采用基于图卷积网络(Graph Convolutional Network, GCN)和长短期记忆(Long Short-Term Memory, LSTM)单元的时间图进化网络(GCN-LSTM)模型对未来交通流异常拥堵情况进行预警。试验结果表明,该预警系统能通过实时计算当前交通流的密度、速度和流量评估交通状态,并确定密度和速度阈值,警示当前道路在该阈值附近时通行效率高,帮助改善交通状况;相比传统的基于神经网络方法和机器学习方法的预警系统,该预警系统在预测精度方面表现良好,能有效降低误报率,且具有一定的鲁棒性。     

基于云平台的高速公路车辆路径还原系统的设计和应用

为快速、准确还原车辆行驶路径,提升高速公路收费车道的车辆收费效率和稽查效率,设计一种基于云平台的高速公路车辆路径还原系统.阐述私有云平台的概念,利用云平台在基础硬件设施资源整合管理、云计算、数据库、存储和网络安全等方面的信息化处理能力,对该高速公路车辆路径还原系统进行架构设计和功能设计.通过整合高速公路相关车辆通行路径...     

基于Logit模型的动态道路收费最优控制模型

在Logit动态的基础上建立了收费和通行能力的联合控制模型,通过控制时变的道路收费水平和通行能力,优化交通流的演化轨迹,使交通系统达到最优。通过简单的算例,在Logit动态的基础上对道路中的交通流进行分析和预测,进而对车辆进行诱导,从而达到交通管理的目的。     

重庆高速公路精确拆分系统的设计与应用

在全国高速公路取消省界收费站,实现"一张网"运营的情况下,存在高速公路省中心获取到的跨省通行车辆的交易数据信息有限,数据无法实现闭环的问题.同时,在投入大量资金建设门架,获取到海量的门架交易数据和车牌识别数据的前提下,经营业主对省级拆分系统提出了更高的要求.对此,以重庆高速公路省中心为例,基于其数据获取现状和省级拆分系统建设运营的要求,设计一套基于门架交易数据和车牌识别数据还原车辆实际通行路径的省级精确拆分系统.实际应用结果表明,该系统能有效解决通行路径不明确的跨省通行交易数据的路径还原问题和精确拆分问题.     

城市异常路段交通拥挤——消散分析

通过对城市中瓶颈路段的交通流特性研究,运用交通波理论分析了这一异常交通状况下的交通流变化情况,得出拥挤长度、拥挤持续时间和车辆排队时间等参数的计算方法,不仅为交通网络中搜索最短路径提供依据,还可为交通管理部门进行有效交通分流提供帮助。     

动态交通流诱导模型在交通出行服务中的应用研究

本文从浙江交通智能交通建设应用需求出发,分析了动态交通流诱导模型在浙江交通出行服务中的实际应用,提出了浙江交通高速公路、内河航道实时交通状况分析的方案。该方案包括了基于多个Agent诱导代理系统的诱导模型,交通流诱导系统框架等自主技术研究成果。同时,本文给出了在浙江交通出行服务实际应用中,结合GPS定位技术、GIS地理信息技术、GSM/CDMA无线通信技术,实现了浙江交通高速公路、内河航道实时交通状况的分析和播报的应用场景。     

基于移动终端的箱号识别方法及应用

基于深度学习、图像预处理、Flask服务端框架、微信小程序等技术,开发了一种基于移动端的集装箱箱号的算法,解决集装箱码头堆场人工记录箱号的问题。算法经过现场测试,单张识别率为97%,识别时间500ms,满足港口作业要求。系统的应用提升了港口装卸的智能化水平和作业效率。     

客船应急疏散三维仿真模拟

针对客船应急疏散效率问题,开展了应急疏散三维模拟研究,提出有宽路网模型构建方法。研究了有宽路段的密集人群通行算法、基于距离和人流量的疏散路径搜索算法,改进了个体碰撞避让模型。以某大型内河客船为例,基于三维船舶模型抽取出有宽路段;基于语义关系,连接各层甲板的房间、餐厅、影剧院等船内空间节点形成有宽疏散拓扑网络。以疏散路径搜索算法和个体碰撞避让改进模型为驱动,实现了人员的疏散模拟。开发了客船应急疏散三维仿真系统,进行应急疏散模拟,并分析了影响疏散效率的关键因素,提出了船内布局和疏散组织的优化改进方案。     

基于灰色小波神经网络的船舶交通流预测研究

船舶交通流预测的准确性和可靠性已成为制约港口经济科学发展的瓶颈因素。文章综合利用小波变换的局部化性质与神经网络的自学习能力,并引入灰色模型以反映船舶交通流的发展趋势,使得小波神经网络在灰色模型预测结果的基础上结合船舶交通流的影响因素再预测,构成基于灰色小波神经网络的船舶交通流组合预测模型。实验结果表明,灰色小波神经网络的预测精度高于BP神经网络与小波神经网络,提高了整个预测系统的精度及其鲁棒性。     

基于立体视觉的汽车安全车距预警系统研究

文章在对摄像机标定算法及立体视觉算法进行研究分析后,自行设计开发出基于德州仪器公司的TMS320DM642芯片的实时处理硬件系统,在此平台上实现了一种高速公路上的前方车辆检测识别和安全车距测量方案。该系统具有双通道图像采集、实时视频图像处理及视频输出功能,可以实现单帧图像的处理和显示。     

一种融合ST-GCN算法的高速公路节假日流量预测模型

为高效准确地预测节假日期间高速公路重要路段的交通流量,提出一种融合时空图卷积网络(Spatio-Temporal Graph Convolutional Network, ST-GCN)的高速公路节假日流量预测模型。该模型采用平均速度、交通流量等重要的交通指标作为交通状态评价体系要素,对节假日期间高速公路的交通态势进行综合预测;融合ST-GCN算法模型,综合考虑时空特性,得到准确度较高的预测结果。以宁夏回族自治区高速公路的节假日交通信息为研究对象,对该模型的有效性进行验证,结果表明,该模型相比其他常用预测模型准确度更高,具有更好的稳定性和鲁棒性,预测结果可供高速公路的管理和运营参考。     

基于53H滤波的船舶综导信息在线平滑方法

针对船舶综合导航系统接收的导航信息存在野值点的问题,本文提出一种基于改进53H滤波方法的在线平滑方法。该方法利用连续几个信息的中值预测当前时刻的信息,然后与测量值进行比较,如果两者差值超过一定阈值,则用预测值取代测量值,从而实现在线平滑。通过将该方法应用于海试试验数据的处理,结果表明相对于传统的最小二乘滑动滤波与5点3次平滑算法,该方法计算简单、容易实现,而且具有较好的在线平滑效果。     

基于FCM-ANFIS模型的船舶交通流预测

提出一种基于模糊C均值聚类自适应神经模糊推理系统(Fuzzy C-Means Clustering Algorithm with Adaptive Neural-Fuzzy Inference System,FCM-ANFIS)的船舶海上交通流预测模型,采用相关分析法预测网络模型的输入变量个数;采用模糊C均值聚类算法对仿真数据进行分析和模糊聚类,从而确定模型的聚类中心,进而建立ANFIS预测网络结构。该模型采用BP算法与最小二乘算法相结合的混合学习算法进行网络参数训练,可克服传统预报模型收敛速度慢和局部最优等问题,进而提高预报精度。同时,选用船舶自动识别系统(Automatic Identification System,AIS)记录的船舶交通流数据进行仿真预报,仿真结果验证了该模型的可行性和有效性,并取得良好的效果。     

基于深度学习算法的舰船通信网络流量估计研究

传统舰船通信网络流量估计算法输出结果与实际流量数值之间的误差较大,导致后期数据流量分析结果可信度降低。为了提升通信网络流量估计准确度,提出基于深度学习算法的舰船通信网络流量估计研究。首先,对通信网络空间中的数据流进行数据流模型建立,获得通信流量基础特征数据;然后,对其流量波动值域范围进行特征计算,以此获得深度学习样本。最后,通过深度学习算法,对样本数据进行学习,通过学习完成对流量估计系数的更新,进而提升估计精准度。通过对仿真数据的对比测试,证明提出的估计算法能够有效减小估计值与实际值之间的误差,满足适应估计场景的应用要求。     

高速公路隧道驾驶员注视点分布特征分析

驾驶员的眼动特征能很好地表现视觉信息加工过程,可通过对高速公路隧道路段驾驶员注视点变动特征的记录及分析来判定隧道环境的安全性和舒适性。运用IView X HED Laptop眼动仪系统,以高速公路隧道驾驶员的注视点变动为研究对象,选取浙江省上三高速公路4座典型隧道,对2名驾驶员分别进行16次有效行车试验,得出驾驶员白天及夜间注视点分布范围。统计表明：在隧道路段,驾驶员注视点在车辆前方0.604～2.557s,夜间注视点分布比白天更靠近车辆前方。并提出交通信号系统改善方法。     

基于灰色系统理论的航道交通流预测研究

将陆上交通运输流的预测研究方法引入水路交通流预测研究之中,重点分析航道交通流观测系列的非线性特性,通过状态空间的重构,计算关联算子。提出航道交通流量的预测工作流程,基于灰色系统理论建立GM(1,1)的预测模型,将该模型应用于航道中、长期交通流,能实现较好的预测准确性和有效性。     

基于Faster R-CNN的高速公路抛落物检测

采用传统的基于图像处理的检测方法对高速公路抛落物进行检测不仅耗时耗力,而且检测效果不理想,为解决该问题,提出一种基于Faster R-CNN的深度学习检测方法.在原始Faster R-CNN的基础上,采用残差网络Resnet101代替传统的VGG-16网络和ZFNet网络,作为图像特征提取网络;采用尺寸为4像素、8像素和16像素的锚框代替原始锚框,得到高速公路抛落物检测模型.采用自制的高速公路抛落物数据集对该检测方法的有效性进行验证,结果显示,采用该方法检测的平均准确率达到了91.75％,相比原始的Faster R-CNN算法和yolov3算法,分别提高了7.02％和11.13％.