无人机视频的交通参数提取方法及验证

为了研究无人机监测视频准确提取运动车辆交通参数信息,采用计算机人工智能图像处理技术和实际道路场景验证试验方法,提出一种基于YOLO v3神经网络模型的目标检测和Deep-Sort多目标跟踪算法相结合的运动车辆参数提取方法。为了验证无人机交通参数提取方法的可行性、准确性、可靠性,采用试验路段场景数字化、特征点标记、世界坐标采集的方法,标定世界坐标与图像坐标转换矩阵。采用装载高精度GNSS-RTK定位和车载OBD的试验车辆实时记录车辆微观运动参数(时间、速度、加速度等),对比验证视频提取车辆参数的准确性。共进行7组不同飞行高度(150～350 m)、不同行驶速度(40～90 km/h)验证试验,累计获得70 min试验路段监测视频,2辆试验车共获得5 400帧、1 192个速度验证信息。验证试验结果表明:视频识别算法目标检测精度为90. 88%、追踪精度为98. 9%,提取的车辆速度参数整体绝对误差在±3 km/h以内、相对误差在2%以内,参数提取整体准确率达98%。验证了无人机视频交通参数提取的可靠性和准确性,为交通管控提供了一种监测方法和数据提取手段,也为交通行为研究提供了数据采集手段。     

武汉市红庙枢纽立交通行能力仿真实验研究

红庙枢纽立交位于特长隧道出入口处,隧道与立交相互制约。针对特长隧道及其出入口交通枢纽的交通状况,以实地交通调查和城市交通预测数据为基础,运用VISSIM交通仿真软件建立仿真模型,通过改变流量、流速、流向等不同参数,分别对该枢纽立交交通瓶颈点预测、交通枢纽整体通行能力等进行交通仿真实验;分析实验数据,归纳了该枢纽堵塞区域瓶颈点发生规律,得到实际枢纽立交整体通行能力与规范"设计通行能力"的比值关系。     

基于视频检测技术的城市交通拥堵判别模型

针对日益严重的道路交通拥挤问题,基于视频检测获得的道路占有率、平均速度、车流量3个交通特征参数,提出适用于城市交通拥堵判别的改进模糊综合判别模型。通过研究交通特征参数与道路拥挤状况的关系,提出拥堵预判别和依据不同拥堵状况采用不同权重集合的方法。通过实际采集的视频数据,对算法进行验证,以证明本文方法的有效性。     

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。     

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。     

基于速度分类算法的交通事件实时视频检测

交通事件实时视频检测技术是当前流行的事件检测技术。通过对交通事件的特征分析,综合对比面积分布和速度分布信息对视频检测效果的影响,提出基于速度分类算法的交通事件实时视频检测方法。在此基础上给出运动目标的速度提取算法以及事件判定准则,并完成事件判定。最终给出算法的实际场景实验结果并对结果进行分析。     

基于RFID和视频监测的城市交通运行状态模糊判别（英文）

为了确定城市道路网路的交通状态,为主动的交通管理、交通诱导及控制提供支持,提出了一种基于无线射频识别(RFID)交通检测系统和视频监控系统的交通运行状态模糊判别方法。在该方法中,交通运行状态由从RFID系统获得的车辆行驶时间和从视频监控系统中获得的车辆速度决定。由于实际的交通状态可以从视频中直接观测,因此实际交通运行状态的阈值可以根据视频来校准,用以评估本文所提出方法的性能。基于安装于南京的RFID和视频交通检测系统进行实证分析,结果表明本文所提出的方法是可行的。下一步工作可推进交通数据,特别是RFID数据在交通管理中的应用。     

基于RFID和视频监测的城市交通运行状态模糊判别

为了确定城市道路网路的交通状态,为主动的交通管理、交通诱导及控制提供支持,提出了一种基于无线射频识别(RFID)交通检测系统和视频监控系统的交通运行状态模糊判别方法.在该方法中,交通运行状态由从RFID系统获得的车辆行驶时间和从视频监控系统中获得的车辆速度决定.由于实际的交通状态可以从视频中直接观测,因此实际交通运行状态的阈值可以根据视频来校准,用以评估本文所提出方法的性能.基于安装于南京的RFID和视频交通检测系统进行实证分析,结果表明本文所提出的方法是可行的.下一步工作可推进交通数据,特别是 RFID数据在交通管理中的应用.      

基于目标空间分布特征的无人机航拍车辆实时检测技术研究

针对无人机航拍视角下存在整体图像分辨率高但占比较高的小尺度车辆检测特征点稀少这一问题,从卷积网络检测器针对性优化与基于目标分布特征的航拍图像自适应切分2个角度综合考虑,提出一种基于目标空间分布特征的无人机航拍车辆检测网络DF-Net。以单阶段目标检测框架SSD为基础,引入深度可分离卷积和抗混叠低通滤波器对网络结构进行优化搭建E-SSD,为后续检测网络搭建提供高效检测器;接着基于条件生成对抗CGAN思想构建密度估计网络生成器,从而得到航拍图像中车辆的准确分布特征,生成高质量的车辆密度图;将E-SSD与车辆密度估计网络结合,对车辆密度图进行自适应切分,并将切分后的局部图像与全局图像一同输入E-SSD,最后在决策层融合检测结果,由此实现对航拍视角道路交通场景下车辆目标的精确高效检测。在试验中,一方面将设计的基于目标空间分布特征的无人机航拍车辆检测网络DF-Net与E-SSD进行对比分析,另一方面将DF-Net与航拍目标检测领域表现较为优秀的网络进行比较。研究结果表明：设计的方法对于2个试验在均值平均精度指标上均有提升,与E-SSD网络对比时提升了至少4.4%,与航拍目标检测领域优秀网络比较时也有一定提升,并保持了较好的实时性。     

城市快速路交通状态转变时刻确定方法研究

研究了城市快速路交通状态转变时刻的确定方法。在分析快速路拥挤状态和不拥挤状态交通流参数特性的基础上,根据Dganzo等提出的交通流参数调整累计曲线,设计了一种用于确定交通状态转变时刻的方法:利用流量和时间占有率两个参数的调整累计曲线来判定快速路交通状态转变时刻。论文利用北京快速路系统的调查数据检验了该方法,得出的交通状态转变时刻与实际情况相符,证实了该方法的有效性。交通拥挤转变时刻的确定可以应用于道路交通状态判别、交通波理论研究以及现有交通事件检测方法的技术评价。     

基于视频技术的微观交通流信息采集系统研究

现代检测理论与技术，完全有能力采集到完整的微观交通流数据，即断面或区域车辆序列信息，包括每一辆车的车辆属性、位置属性和运动属性．微观交通流信息对于通行能力分析、智能交通控制、异常交通状态识别、微观交通流特性研究、宏观交通流行为理解以及实验交通工程学的发展，具有重要的意义。视频检测技术在微观交通流信息采集和研究中具有无可替代的作用。章系统分析和完整描述了断面和区域两类微观交通流信息，介绍了在此基础上开发的微观交通流视频信息采集系统．     

城市快速路交通流特性分析

城市快速路是城市道路网的主骨架,对交通状态进行状态划分及稳定性分析,结合城市快速路交通信息采集系统的交通流检测数据,对速度一流量关系模型进行分析,建立了城市快速路快速交通流流量、速度、占有率关系模型,并进行交通流基本参数时变特性和空间特性分析。首先利用基本图理论,对3种城市快速路交通流状态进行稳定性分析。随后,结合北京市典型路段实测数据散点图,对各种速度一流量关系模型的适用范围和适用程度进行对比分析,从而得出Greenshields模型的拟合效果最好。最后分析交通状态转换过程中的交通流参数时变特性和空间特性,对实际交通疏导有指导意义。     

航拍视频车辆检测目标关联与时空轨迹匹配

高解析度轨迹数据蕴含丰富车辆行驶与交通流时空信息.为从航拍视频中提取车辆轨迹,构建了车辆检测目标跨帧关联与轨迹匹配融合方法.采用卷积神经网络YOLOv5构建视频全域车辆目标检测,提出车辆动力学与轨迹置信度约束下跨帧目标关联算法,建立了基于最大相关性的断续轨迹匹配与融合构建算法,实现轨迹车辆唯一编号.将轨迹从图像坐标转换...     

基于参数预测的高速公路交通状态判别

针对目前基于单截面检测数据的高速公路交通状态判别算法存在着判断阈值多,对拥挤样本依赖性强而拥挤样本采集困难等问题,提出了基于交通流预测的交通状态判别模型.预测过程中以车辆的平均占用时间作为预测的目标参数,利用神经网络建立预测模型,并通过相关系数法确定神经网络的输入层.在预测的基础上,以实测值与预测值之间的差值作为判别的依据,判别道路的交通状态.应用广深高速公路实测数据对判别模型的有效性进行检验,并与经典的McMaster检测算法做了对比,结果表明,所提出算法对拥挤样本依赖较少,判别精度高,鲁棒性高.      

考虑连锁冲突的城市公交车行车风险量化分析方法

为了量化城市公交车给区域混合交通带来的安全风险，通过提取交通冲突数据并识别连锁冲突，研究了公交车行车风险的量化分析方法。在数据采集上，采用了航拍图像并基于YOLOv4网络学习航拍目标的外观特征，检测并跟踪航拍车辆，从而提取带精细属性的车辆轨迹数据。在冲突识别上，将不同车道上可能发生横向碰撞的车辆对之间的相对位置作为约束条件，在跟驰模型的基础上补充了匹配相邻车道上车辆对的动态关系，从而将经典碰撞时间(TTC)模型扩展至可同时识别侧向冲突的二维TTC模型；基于车辆刺激-反应理论标定每个冲突车辆对区域交通造成连续干扰的时空范围，根据干扰范围的动态变化建立冲突间的作用关系并形成时序性的冲突树模型，从而识别连锁冲突并追溯连续风险形成的因果过程。在风险研究上，从3个方面量化不同状态下城市公交车的行车风险:①基于二维TTC模型解析冲突频率；②在此基础上结合累积频率法解析冲突严重性；③通过连锁冲突比例及冲突树长度解析冲突聚集的概率和范围大小。采集广州大桥路段航拍视频进行实验研究，结果表明:城市公交车在拥堵常发路段不仅冲突风险高，且带有较高的冲突严重性和区域聚集性；拥堵流中公交车的冲突频率超过9次(/ veh·min)；公交车的严重冲突率为33.39%，远远高于小汽车的16.61%；公交车的区域连锁冲突发生率为30.75%，达到了小汽车(14.67%)的2倍。      

恶劣天气条件下城市快速路通行能力研究

通行能力是道路交通工程的重要参数。特别是在恶劣天气条件下,交通组织管理需要准确的通行能力数据支撑。基于上海市快速路监控中心采集存储的海量交通数据,结合气象局发布的天气状况信息,提取出恶劣天气条件下快速路的交通流参数。根据气象数据对交通流参数关系的影响程度,对气象条件进行了分级。提出了基于交通流模型拟合的通行能力计算模型,计算并标定了不同气象等级下通行能力的折减系数。     

基于视频跟踪方法的行人过街状态表达与分析

提出了一种基于视频跟踪的行人过街状态表达与分析方法。采用自适应的混合高斯背景模型实现复杂交通场景下的背景抽取,提取运动行人目标;通过扩展的Kalman滤波算法对过街行人进行跟踪,获取行人的运动轨迹;根据有限状态自动机理论将行人过街过程表达为连续的微观行为状态;在行人过街运动参数的基础上,对行人的过街状态进行推理并分析,得出合理的过街行为方式。通过实际无信号交叉口行人过街视频跟踪实验表明,该方法具有较好的应用性。     

基于视频检测的交通冲突判别方法和模型

为了克服交通冲突传统人工判别方法的缺陷,提出了基于视频检测的交通冲突发生判别的基本流程,将交通冲突发生的判别划分为交通参数的视频检测、坐标变换和交通冲突判别3个阶段。在借助OpenCV和Matlab标定工具箱进行交通实体检测和坐标变换的基础上,建立了以冲突角度、速度和距离等指标为核心的交通冲突综合判别模型,并通过现实场景验证该模型的有效性。     

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。     

基于视频检测技术的城市快速路交通状态分析研究

基于视频检测技术采集得到的北京城市快速路交通特征参数,对城市快速路交通状态进行分析研究.选择车辆行驶速度和速度方差作为城市快速路交通状态分析的决策变量,根据城市快速路交通流特征将交通状态分为自由流、谐动流、同步流和拥堵,利用模糊C均值聚类算法建立交通状态辨识算法,算法经验证表明其有效可行.