交通事件检测系统在高速公路中的应用

介绍了新一代智能交通信息管理系统,它融合了车辆跟踪检测技术、虚拟线圈技术,极大地满足了高速公路运营管理部门对实时交通事件的监控管理需求.     

试论高速公路交通事件视频车辆的检测技术

交通意外事故一直威胁着车辆及人员的安全,视频车辆交通事件检测技术的运用可显著改善交通运行的安全性,通过监控交通的方式及时报警事故处理。基于此,主要对高速公路交通事件视频车辆的检测技术进行了探讨。     

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.     

视频交通图像自适应阈值边缘检测

应用小波变换对视频交通图像进行边缘检测, 研究了边缘评价指标、尺度对性能指标的影响及自适应阈值边缘检测, 并与经典的边缘检测Sobel算子进行了对比。提出用大尺度滤波器去抑制原图像的噪声, 可靠地识别噪声; 而用小尺度滤波器为图像边缘精确定位, 并构造出紧支二次B样条小波。结果表明, 二次B样条小波边缘检测方法具有计算量小, 抗噪能力和适应能力强, 且有改进余地等优点, 仿真效果也明显好于经典的Sobel算子。     

交通事件自动报警系统应用分析及对策研究

基于视频检测技术的交通事件自动报警系统可以对交通事件和交通流参数进行实时检测,并对交通事件以报警的形式通知管理者,能够有效预防交通事件和真实地再现事件过程,对提高城市道路交通安全和交通管理水平具有重要应用价值。文章结合杭州市采用的视频检测交通事件自动报警系统的应用实践,分析了系统在实际应用中存在的问题,并从交通管理角度出发,提出了相关解决办法与建议。     

交通事件检测算法研究进展

自动事件检测系统利用检测算法来分析交通数据和快速检测事件的发生，以便于尽量减少事件所造成的不利影响．自20世纪60年代以来。人们开发了各种各样的公路交通事件检测算法，如：基于交通流理论、模式识别、统计理论和近年来发展起来的人工智能与模糊逻辑的检测算法等．文中总结评述了现有的各类算法。指出了改善算法性能的研究方向．     

基于视频图像的车速检测研究

基于视频图像计算车速的方法进行相关图像处理、运动目标特征点提取、摄像机标定、车速计算、误差分析等,并分析其应用条件。最后运用matlab软件编程得到一个可操作界面,具有较强的实用性。该方法能检测到车辆碰撞前后的真实车速,为交通事故鉴定提供依据。     

基于3D CNN的道路视频交通状态自动识别

为了从视频直接有效地提取交通信息,提出了基于三维卷积神经网络 （3D convolutional neural networks,3D CNN）的交通状态识别方法.首先,以C3D （convolutional 3D）深度卷积网络为3D CNN原型,对卷积层数量与位置、平面卷积尺寸及三维卷积深度进行优化调整,形成了37个备选模型;其次,建立了视频数据集,对备选模型进行系统的训练测试,提出了交通状态识别模型C3D*;然后,对C3D* 和现有三维卷积网络模型进行视频交通状态识别测试分析;最后,对比测试了C3D* 及常用二维卷积网络的交通状态识别效果. 对比结果显示:针对视频交通状态识别,C3D* 的F均值为91.32%,比C3D、R3D （region convolutional 3D network）、R (2+1) D （resnets adopting 2D spatial convolution and a 1D temporal convolution）分别高12.24%、26.72%、28.02%;与LeNet、AlexNet、GoogleNet、VGG16的图像识别结果相比,C3D* 的F均值分别高32.61%、69.91%、50.11%、69.17%.      

基于统计预测的交通事件检测门槛值研究

为确定基于统计预测的交通事件检测门槛值,利用统计原理,可建立无事件和事件发生情况下,上游和下游交通流占有率的预测误差分布图和相应的密度函数、由此可得到不同置信水平和判定准则下的检测效率变化情况。     

基于粒子群优化SVM的高速公路交通事件检测

为了更加准确地检测出高速公路上的偶发性交通事件,采用一种粒子群优化SVM参数的高速公路交通事件检测算法,提升事件检测效果。文中运用高速公路实测数据集（L880）,对支持向量机算法进行分类性能测试,并且采用改进的粒子群优化算法对支持向量机的参数进行优化,进而利用测试集数据对该模型进行验证比较,获得满意的检测效果。     

异常事件下高速道路交通状态的分析与仿真

为了考察异常事件对高速道路交通运行的影响, 对事发后高速道路局部交通状态的演变过程进行了分解, 分析了各阶段的事发点通行能力, 并将事发点通行能力的影响因素归纳为事件性质、阻塞行车道宽度、事件发生位置、现场行车秩序与上游交通量等五类, 针对交通事故引起局部车道临时关闭这一典型的异常事件, 进行微观交通仿真。仿真结果表明: 行车延误随着车道关闭开始大幅度增长, 直至车道开放, 之后开始降低, 整个演变过程伴随着波动; 当交通量接近于道路通行能力时, 交通流系统处于脆弱的平衡状态, 异常事件极易引起大范围、长时间的交通拥堵, 此时, 应采取交通诱导和匝道控制等必要的措施来转移部分交通量, 减小异常事件的影响。     

交通事件小波分解与支持向量机声频识别方法

分析了现有交通事件自动检测和识别方法, 提出了应用小波分解与支持向量机相结合的交通事件声频识别方法。将车辆行驶的声音信号进行小波分解, 以不同频段的重构信号能量作为特征向量, 对由多个支持向量机构成的交通事件分类器进行训练, 并对正常行驶、刹车和碰撞事件的声音信号进行识别。试验结果表明: 利用车辆声音信号能够正确识别不同的交通事件, 识别准确率达95%, 识别方法可行。     

基于序列图像运动分割的车辆边界轮廓提取算法

为了准确获得图像感兴趣区中运动车辆的形状特征, 提出了一种新的车辆边界轮廓提取算法。利用连续3帧图像, 对包含同一运动车辆的图像感兴趣区进行光流场分割, 以获取目标运动区域, 通过平移运动区域的左、右边界获得正确的车辆区域及其封闭边界轮廓, 通过放大运动矢量计算公式的阈值来提高其运行效率。试验结果表明: 该算法可从具有复杂自然场景的图像序列中检测出完整的运动车辆边界轮廓, 检测正确率在95%以上。     

交叉口交通冲突严重程度量化方法

为提高交通冲突严重程度的判别精度, 基于运动单元圆假设与视频检测技术, 提出了交叉口两车交通冲突严重程度量化方法。利用视频处理程序与实地采集的视频图像提取圆单元运动学参数, 并通过迭代方法进行了冲突检测与冲突时间判定。充分考虑车辆的制动性能, 将非完全制动停车距离与瞬时车速的比值作为冲突严重程度判别临界值, 以冲突时间与临界值为参数, 建立了冲突严重程度量化值, 并对其严重程度进行了量化与分级, 以北京市某交叉路口为例进行了应用实例分析。分析结果表明: 两运动单元驶入交叉口后, 二者之间的冲突严重程度量化值由1.32增大为2.45, 后又不断减小直至无交通冲突; 随着冲突严重程度的增大, 驾驶人会采取紧急制动措施使冲突严重程度减小, 直至冲突消解。可见该方法可以方便地检测交通冲突, 准确量化交叉口两运动单元之间的冲突严重程度。     

交通事件影响分析传递函数-噪声模型

着重探讨了干预型交通事件影响分析传递函数 噪声模型的一般形式,及其识别、标定与检验的方法,并应用该模型对高速公路隧道内交通事件的交通量的影响进行了分析.     

基于数字图像技术的汽车行驶轨迹状态识别

为获取驾驶员行驶状态信息与监控行车状况, 通过车载CCD图像传感器获得序列图像, 应用数字图像理解和计算机视觉技术, 建立摄像机的透视投影模型和汽车行驶轨迹状态模型, 根据平面图像上的点推导出车辆在空间道路上的实际位置, 对车辆行驶过程中相对道路标线的行驶轨迹进行研究。该方法获得的行驶轨迹曲线能够正确判断驾驶员压线行驶、越线行驶与逆向行驶等违章行为, 是判别驾驶员行驶状态的有效方法。     

基于多智能体的城市交通流控制原型系统

对中国目前的城市交通流控制系统存在的问题进行了分析。针对原系统结构中的不足提出了构建基于多智能体的智能城市交通流控制系统的思路, 并研究了该系统的基本框架和实现途径及方法, 同时探讨了该系统中各个交通智能体的结构以及它们的协调合作关系, 为基于多智能体的智能城市交通流控制系统的最终实现提供了理论指导和方法依据。     

视频检测技术在交通安全中的应用

为了能够有效预防交通事故和真实地再现事故过程,采用视频检测技术对交通事件进行实时检测,分析了检测的原理,交通参数采集的方法和事件算法,并对各种算法的性能进行了比较。在此基础上集成了车牌识别功能,运用在交通事故的再现分析上。最后,综合事件检测和事故再现上的应用,提出了基于视频检测技术的交通安全系统的框架结构,并在实际应用中验证了系统的性能。