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。     

基于视频数据的交叉口状态判别及排队长度估计

为了评价信号控制交叉口的交通状态及估计周期排队长度,本文以集散波为理论基础,分析视频检测的机动车通过上下游相邻交叉口的数据,提出了基于车辆延误时间的交叉口交通状态判别划分,进一步设计了欠饱和及饱和交通状态下的交叉口最大排队长度估计方法.实例分析表明,本文方法所估计的排队长度比较接近实际调查值,排队相对误差在可接受的范围内,结果验证了所设计的排队长度估计方法是有效可行的.     

基于号牌识别数据的车辆出行链分离方法研究

掌握车辆出行起讫点分布情况、精细刻画车辆出行特征可以为交通管理部门制定和优化交通缓堵政策提供参考依据。该研究以成都市为例,基于高清视频综合检测设备自动识别的车辆号牌数据,提出个体车出行链提取及分离方法,深入分析了车辆驻留点及起讫点分布特征,并对车辆号牌识别数据在公安交管工作中的应用进行了展望。     

基于RFID的交叉口流量检测

提出了1种交叉口流量检测方法,该方法采用RFID技术可准确、实时地检测交叉口流量,在交叉口信号控制中起到重要作用.RFID系统由电子标签、阅读器、微型天线组成,安装于交叉口的阅读器通过天线传播信号读取装有电子标签的车辆数据,从而达到交叉口的流量检测.基于RFID电子技术的流量检测方法在智能交通信息采集及交叉口管理中具备一定的应用前景.      

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.     

城市车路协同系统下实时交通状态评价方法

交通状态评价方法能够为交通管理系统提供可量化的实时路网信息,为动态引导交通流、缓解交通拥堵提供依据。受限于交通路网的时变性和评价过程的主观性,目前传统评价方法的精度时常无法满足需求。基于城市车路协同系统动态获取路网信息优势,提出一种利用车路信息融合的实时交通状态评价方法。首先,定义了一种网联汽车与路侧终端间的无线交互方式,并确定数据协议以保证实时车辆数据的准确性;其次,从实时数据中选取平均通过时间、平均停车次数、平均停怠时间作为一级评价指标进行模糊综合,应用多算子对计算的一级评价结果构成二级交通状态评价指标,并根据层次分析法确立指标权重,同时根据仿真和试验结果建立适用于各级道路参数的可变隶属度规则,从而融合动态车辆数据与静态路段参数,计算得出交通状态评价结果与评分;最后,由网联汽车、车载终端、路侧终端和无线通信模块搭建实际协同测试系统对该方法进行了试验验证。试验结果表明：测试系统所得到的路段实时交通状态评价得分与对应的交通状态变化趋势一致,能够准确体现城市车路协同环境下的交通状态特点。该评价方法运用信息融合方法提高了交通状态评价结果的实时性与客观性,同时为车路协同技术应用于实时交通诱导,缓解城市交通拥堵提供了理论依据。     

高速公路车辆行程时间预测研究

对高速公路联网收费系统的数据和交通监控系统的数据进行了处理和分析,研究了高速公路车辆行程时间分布的规律性和各参数之间的关联性,构建了高速公路车辆行程时间预测模型,最后通过比较实际值与预测值来验证提出的行程时间预测方法,分析了误差的原因.     

高速公路监控系统图像传输的研究

高速公路作为经济运输的大动脉，其承担的运输量与我国经济和社会需求同步增长。为了提高高速公路的使用效率和行车安全，高速公路需要有先进的监控系统对其进行管理。随着计算机软硬件设备的高速发展，使得数字录像监控系统设备已经达到了对交通监控系统实际应用的要求，通过对交通管理进行实时、快速的视频监控能够极大的提高交通管理的效率。章根据高速公路监控系统的实际应用情况，提出了如何选择传输介质和压缩技术，以实现高速公路监控系统的图像传输。     

基于速度分类算法的交通事件视频检测系统设计

提出基于速度分类算法的交通事件实时视频检测方法,并对交通量检测方法、车辆跨道处理、速度检测、交通状况检测及交通事件识别等进行了研究.在车辆检测与跟踪的基础上,可实现车辆停止、慢行、车道变换次数和车流拥挤等交通事件识别功能,通过自动检测车辆避障、车道变换、超速、慢速、停止和交通阻塞等事件,获得交通流量、占有率、排队长度、车型和平均车速等交通参数.与传统交通事件检测系统相比,具有直观方便、费用低等优点.      

基于视频图像的车辆灯光状态鉴定方法研究

违法使用车辆远光灯是导致夜间道路交通事故的重要原因之一,针对当前道路交通事故中车辆灯光状态鉴定方法存在的不足,本文基于视频图像,从车载监控视频和道路监控视频两个角度分析视频图像中目标车辆前照灯光斑特征、目标车辆前照灯灯光在道路环境参照物上的投影光斑特征等信息,比对分析视频图像中远光灯、近光灯反馈信息的异同点,总结基于视频图像的车辆灯光状态鉴定方法,为道路交通事故处理过程中充分应用视频物证提供技术保障。     

城市快速路交通拥堵判定方法研究

为弥补单点检测器判定交通拥堵方法研究的不足,在对实测数据分析的基础上,利用临界占有率将交通流状态划分为拥堵状态与非拥堵状态,提出了以速度-占有率比、速度差双指标判定交通拥堵状态发生、结束时刻的方法。并以北京城市快速路实测数据为例,对各判定指标阈值进行标定,判定结果表明:基于单点检测器设计的拥堵判定方法能够有效判定检测器断面拥堵发生时间、持续时间、结束时间。      

基于BP神经网络的道路交通状态判别方法研究

根据交通流复杂性的特点,提出了基于BP神经网络的交通状态判别方法。并以高速公路隧道为例,通过Matlab软件编程实现模拟仿真,最后通过对神经网络的输出结果与决策阈值相比较,确定其所反映的交通状态。仿真结果表明,该算法可用于实时交通状态判别,并具有很高的精度和较好的收敛度。     

基于车载式视频图像的车辆行驶速度鉴定

文章论述了基于车载式视频图像鉴定道路交通事故中目标车辆行驶速度的基本原理,提出一种依据射影几何学中的交比不变性原理测算目标车辆行驶距离的算法。该算法可以避免因车辆运动轨迹与视频摄录设备镜头光学轴线不垂直而产生的误差,从而提高了目标车辆行驶速度鉴定的精确度。最后根据一个真实案例,探讨了用车载式视频图像进行车辆行驶速度鉴定的方法、步骤以及主要注意事项,可为评价这一鉴定方法的准确性和科学性提供参考。     

RFID交通数据时间覆盖率分析

在交通状态判别领域,针对磁感应线圈的"时间占有率"参数得到广泛应用.由于RFID交通信息采集技术无法准确获得车辆占据检测区域内的时长,因此,基于对RFID数据特性的分析,提出时间覆盖率的概念及计算方法.选取7种时间汇集度进行时间覆盖率的计算,根据计算结果画出基站的时间覆盖率随时间汇集度变化的折线图,由折线图走势可对基站的工作状态、基站所在道路的流量大小及交通流的连续性做出初步判断.选取南京市区主干道上21个RFID基站的原始数据,对所提出的方法进行实例分析,发现基站的时间覆盖率折线图可分为3种类型:①日覆盖率小于100%;②日覆盖率等于100%,并且小时覆盖率至5 min覆盖率接近于100%;③日覆盖率等于100%,并且小时覆盖率至5 min覆盖率中出现了下降.每种类型的折线图对应一定的基站工作状态和道路交通流特性.由分析结果可看出,时间覆盖率这一指标对RFID基站自身性能评判和交通流状态分析都具有一定的实际意义.      

基于RFID通行卡的隧道交通事件检测系统设计与实现

针对现有高速公路隧道交通事件检测方法受隧道运营环境影响所导致的实时性和可靠性问题,提出了一种基于RFID技术的隧道交通事件检测方法,并基于组件设计的思想进行了应用系统的软硬件设计和实现,保证了系统运行时的稳定性、实时性、可靠性和可配置性。系统拟在浙江黄衢南高速公路江都坞隧道进行应用工程示范。该方法利用用于多义性路径识别的高速公路RFID通行卡,不会改变目前高速公路的管理模式,可更大限度地发挥RFID高速公路通行卡的效率。     

Lightweight Occupancy Estimation on Freeways Using Extended Floating Car Data

Advanced traffic management systems rely heavily on technology to perform accurate estimations of the current state of the traffic as well as its short-term evolution. The objectives are improving traffic flow and enhancing road safety. Their success is based on accurate monitoring of two key variables, specifically speed and occupancy. The latter of the two has, to date, received significantly less attention from the scientific community. In this work we present a lightweight method to perform “on-line” occupancy estimation. We first propose three occupancy measurements calculated from data collected by a floating car: vehicle count, percentage of stop time, and headway. We then extend these discrete values to a continuous estimation of occupancy in space and time. The proposed estimators are based on a pairwise linear regression of each of the previously calculated measurements over certain references obtained from other floating cars or magnetic loop detectors. The method has been calibrated and validated under real traffic conditions and data. Despite the ease of implementation, the method is able to reproduce the occupancy values generated by the actual loop detectors, achieving promising results, with estimation errors down to 6.52%, even before multivehicle systems are considered.     

基于冲突概率的无信号控制T形交叉口安全评价

为了更合理地评价无信号控制 T 形交叉口的安全水平,研究在交叉口类型划分的基础上,提出1种以交通冲突数的概率分布为评价指标的安全评价方法。其中,交通冲突数的均值和分布分别采用广义线形模型和泊松分布描述,在广义线形模型中,交通冲突数的均值为被解释变量,冲突交通流的交通量为解释变量,根据交通冲突数的均值估算,计算交通冲突数的泊松分布的概率。在利用实测数据对广义线形模型的参数进行标定后,根据主路直行与非直行交通流量之间的差异性,进一步提出了简化模型,将主路直行交通的影响简化为影响系数,并根据流量不同划分为4个等级,通过分析交通冲突数的概率计算值与安全阈值数的概率临界值之间的关系,进行无信号控制 T 形交叉口的安全评价。最后通过实际案例,对模型的可操作性和准确性进行了检验。研究表明,非直行流向流量较直行交通流量对交叉口安全水平的影响更大,利用文中所提出的简化模型,可重点调查其它流向流量,而主路直行交通流量只需观测其流量大致范围即可,平均工作效率提升25%。      

基于双基站交通数据采集技术的假套牌车辆识别方法

假牌、套牌车辆对社会安全和交通运输行业的秩序造成了极大的负面影响,寻找快速有效的假套牌车辆识别方法十分必要.研究了一种基于射频识别(RFID)技术和图像识别技术结合的假套牌车辆识别方法.对同一处基站的RFID系统和视频抓拍识别系统采集的车辆车牌信息进行对比分析,得出疑似假套牌车辆.然后对多基站检测信息联合比对,相比于单基站,降低了疑似假套牌车辆的数量.选取南京市主干道上6个基站的检测数据作为实例,检测结果发现,通过5处基站检测的假套牌车辆比通过2处基站检测的假套牌车辆减少了210辆,降低了假套牌车辆的误检率.对建立的疑似假套牌车辆数据库验证分析,其正确率达到94.5%.相比较传统的方法,其具有覆盖范围大、不受时间限制、反应迅速等优势,可为交警部门查处假套牌车辆提供有力支撑.      

基于小波变换的关联交叉口群关键路径识别方法

为提升关联交叉口群信号控制的性能,针对关联交叉口群各交叉口关联性强的特点,采用小波变换对关联交叉口群各进、出口的交通检测流量数据进行分解、降噪、重构,并利用系统聚类方法识别关联交叉口群的关键路径;最后应用南京市广州路某交叉口群的实测数据对模型的可靠性进行了检验。结果表明：该模型识别的交叉口群关键路径与实际情况相符;该关键路径识别方法受外界干扰小,适用于各种交通状态,拥有较高的运算效率和可靠性,可作为关联交叉口群信号控制优化的基础。     

Artificial intelligence for traffic signal control based solely on video images

Learning-based traffic control algorithms have recently been explored as an alternative to existing traffic control logics. The reinforcement learning (RL) algorithm is being spotlighted in the field of adaptive traffic signal control. However, no report has described the implementation of an RL-based algorithm in an actual intersection. Most previous RL studies adopted conventional traffic parameters, such as delays and queue lengths to represent a traffic state, which cannot be exactly measured on-site in real time. Furthermore, the traffic parameters cannot fully account for the complexity of an actual traffic state. The present study suggests a novel artificial intelligence that uses only video images of an intersection to represent its traffic state rather than using handcrafted features. In simulation experiments using a real intersection, consecutive aerial video frames fully addressed the traffic state of an independent four-legged intersection, and an image-based RL model outperformed both the actual operation of fixed signals and a fully actuated operation.