道路场景中交通标志的检测方法

为在车辆视觉导航中能快速识别道路场景中的交通标志,通过提取标志的特征颜色与识别标志的特征形状来实现交通标志的检测。将道路场景RGB空间图像转换为HSI空间,利用色调与饱和度融合的办法来提取道路场景中标志的特征颜色区域,二值化后排除噪声并通过投影法得到正确的标志区域,实现交通标志的定位。以红色禁令圆形交通标志为例,提出一种改进的Hough变换方法来识别标志域内的几何特征——圆形标记。通过对不同条件下20幅含禁令标志的道路场景图像的检测试验,发现本方法对交通标志颜色提取定位与几何特征图形识别的正确率都达到100%,且平均检测时间为245ms。分析结果表明:该方法能够快速、准确地确定标志区域,同时对禁令标志几何图形识别具有较强的实时性和鲁棒性。     

高分辨率遥感图像道路边缘自动检测与提取技术研究

基于对高分辨率遥感图像中道路特征的分析,对传统的道路边缘自动检测与提取技术进行了改进,提出了新的技术路线和框架,引入数学形态学重建和边缘追踪算法对高分辨率遥感图像进行道路边缘自动检测。定义了描述边缘形状特性的P因子、F因子和C因子,利用K均值聚类的方法实现了基于多重判别准则的道路边缘提取,从而在众多的边缘检测结果中,排除房屋等其它区域的干扰,准确的获得道路边缘。     

道路标志自动分类方法

为了对道路标志图像进行自动分类,通过图像颜色空间变换,将图像的RGB量值转换为H(色度)S(饱和度)I(亮度)量值,采用Sobel算子进行道路标志图像的边缘检测,利用行扫描法进行区域填充,以获取二值化的道路标志图像区域,提取道路标志二值化图像的不变矩与形状参数作为图像特征值,设计BP神经网络道路标志图像几何形状分类器,以道路标志图像的H、I为特征值,设计了欧式距离分类器,实现道路标志背景颜色的识别。融合道路标志图像几何形状和背景颜色的识别算法,并利用道路标志的分类知识和自动分类方法,能有效实现道路标志图像的自动识别。     

基于MS-RG混合图像分割模型的道路检测研究

道路场景因其结构的多样性、纹理变化的复杂性和自然曝光的不稳定性,使得传统基于道路分割的道路检测方法大多存在信息冗余,并且存在边界丢失、模糊等质量问题.本文首先在道路图像上使用 Meanshift均值漂移算法,通过空间内的概率密度呈梯形上升去寻找局部最优,并搜索属于同一模点的像素然后生成获得超像素块.然后利用 Meanshift算法获得的聚类超像素块进行多种子点区域生长,规范生长规则,克服不能得到封闭边界的缺陷,改进道路图像的分割效果.实验结果表明,本文提出的模型适用性强,相比于传统方法有效地提升了分割准确性和实时性,可准确识别出图像中的道路信息,确保车辆能够行驶在可行驶区域上.     

基于主成分贡献度的道路事故热点成因分析

事故热点成因分析是解决交通安全问题的关键和难点,不同成因的事故热点直接决定驾驶人或自动驾驶的通过策略。针对DTH3N算法聚类得到的事故热点展开研究,提出一种基于主成分贡献度的道路事故热点成因分析方法。通过对5类事故热点成因因素:道路、行人、车辆、环境和管制因素贡献度的分析,提取事故热点道路物理成因和社会成因的影响权值。基于英国STATs19数据库选取5个测试区域进行实验分析,结果表明,由事故热点成因分析方法获取的输出参数能够合理解释事故热点成因,可有效指导驾驶行为决策和优化交通管制。     

面向对象的高分辨率遥感影像道路提取算法

针对高分辨率遥感影像的特点,提出了一种基于面向对象思想的自动道路提取方法.首先对遥感影像进行双边滤波,平滑细节信息并保留道路边缘信息;然后使用模糊C均值算法分割图像以得到独立的地物对象,并结合道路几何特征对各对象滤波得到候选道路段;使用区域增长算法形成道路网,最后使用形态学方法实现道路网的修整和细化.实验表明,该方法无需人工选取道路种子点,就可以在不同场景的遥感影像中有效地提取出道路目标.     

应用CatMull-Rom样条曲线描述道路透视图中心线特征的方法研究

采用三次Bezier曲线、三次B样条曲线和Cat Mull-Rom样条曲线分别拟合道路透视图中心线,并进行对比研究,分析了各自描述道路透视图中心线时控制点确定和拟合产生残差的情况,结果显示,在描述道路透视图中心线特征方面,Cat Mull-Rom样条曲线更为高效和精准,可以适应绝大部分道路几何设计形成的透视图中心线特征描述的需要。将道路透视图划分为"近景"、"中景"和"远景"3个不同功能区域,提出视曲线长和视曲率概念和相应的计算方法,将视曲线长和视曲率作为描述透视图中心线特征的形状参数,并结合运行车速进行了相关性分析。研究表明形状参数和运行车速密切相关。     

基于交通轨迹数据挖掘的道路限速信息识别方法

分析了道路限速信息的时空变化性, 提出一种基于轨迹数据挖掘技术的道路限速信息自动识别方法。为了实现海量交通轨迹数据的快速处理, 研究了快速地图匹配与数据清洗等预处理算法, 分析了交通轨迹数据的速度分布特性与最高车速限制指标。基于路段行车速度的统计特性, 构建了道路特征向量模型, 以快速提取海量轨迹数据的潜在特征信息。提出了多投票K近邻分类算法对数据特性进行训练与学习, 以实现对道路限速信息的快速识别。以福州市交通路网及其浮动车轨迹数据构建试验样本集进行训练、学习与交叉验证试验。试验结果表明: 在训练过程中, 当样本数量达到1 200时, 方法的识别准确率最高达到93%, 在仅有150个小训练样本下, 方法的识别准确率也达到75%;方法具有近线性的处理性能, 处理1.0×10⁶条道路的限速信息仅用时46ms。     

多层感知器自监督在线修正的道路识别算法

为解决自主移动机器人非结构化道路识别检测准确性、鲁棒性及实时性的问题,提出一种基于感兴趣区域(Region of Interest,ROI)与多层感知器(Multi-Layer Perceptron,MLP)为核心的自监督在线修正算法.首先,通过ROI算法规定被处理图像的有效计算区域;其次,利用多层感知器对样本数据进行训练,将感兴趣区域按相应特征实现分类处理,并对分类区域进行形态学处理及特征提取处理,筛选出有效的行驶区域;最后,通过自监督在线修正算法替换错误处理结果,进一步保障道路分类识别的准确性.实验结果表明,改进算法能准确地识别出环境中的道路区域,具有良好的实时性与可靠性.     

道路交通事故现场平面直线参数的摄影测量重建方法

以空间直线的三维重建原理为基础, 通过现场空间直线段在摄影测量系统空间下的三维重建, 实现了道路交通事故现场图绘制平面的最小中值二乘拟合, 并完成了现场空间直线从摄影测量系统空间向道路交通事故现场图绘制平面的转换, 实现了道路交通事故现场平面直线参数的检测和重建。对摄影测量系统世界坐标系下现场图平面、中心线及左、右边缘线的三维重建进行了试验, 并得到了中心线及左、右边缘线在现场图平面上的投影直线方程和投影图。试验结果表明: 左、右边缘线和中心线在现场图平面上的投影与x轴的夹角之差均小于0.1°, 道路的边缘线与中心线基本平行, 测量精度较好。     

��·�����������ģ���о�

全面准确统计公路运输在区域间的流通规模和结构,掌握区域公路运输发展的趋势、特点和规律,是科学编制区域交通发展规划、出台区域运输发展政策的重要基础.长久以来,受管理体制和统计手段限制,我国公路运输量统计一直沿袭基于车辆注册地的抽样调查模式,统计结果不仅难以与当地经济发展水平相匹配,也难以反映公路运输生产在区域间的交流情况.随着经济社会的快速发展,区域间人员和物资流通日益频繁,急需反映区域经济关联关系的运输统计工具.本文在车辆抽样调查的基础上,通过研究编制公路运输流量流向矩阵,构建公路运输区域关联模型,为研究分析区域间公路运输供给与需求关系、测算区域公路运输生产规模提供基础支撑.     

基于属性识别模型的城乡结合部交通安全评价

运用变异系数及属性识别理论对城乡结合部交通安全问题进行研究。在对影响城乡结合部交通安全因素综合分析的基础上,建立了城乡结合部交通安全评价指标体系。运用变异系数法确定各项指标权重,建立了城乡结合部交通属性识别安全评价模型。根据单指标属性测度值和多指标综合属性测度值,利用置信度准则识别城乡结合部的交通安全水平。应用此评价模型进行实例分析表明其具有良好的实用性,可以为城乡结合部交通安全规划和治理提供决策依据。     

基于在线地图交通状态的关键道路动态识别方法

交通拥堵问题日趋严重,关键道路识别成为了交通领域的研究重点. 以在线地图的交通状态数据为基础,利用时空相关性理论计算道路交通状态的预测值和波动影响值,并通过Moran 散点图划分道路类型,提出了基于在线地图交通状态的关键道路动态识别方法. 首先,调用在线地图开发者平台API 采集路网的交通状态数据,利用集成学习动态预测交通状态;其次,分析交通状态波动的传播结构,以此量化道路对其近邻道路的影响值;然后,结合道路交通状态的预测值和波动影响值划分道路类型,进而识别出关键道路;最后,以实际路网为例,论证方法可行性.     

基于在线地图交通状态的关键道路动态识别方法

交通拥堵问题日趋严重,关键道路识别成为了交通领域的研究重点. 以在线地图的交通状态数据为基础,利用时空相关性理论计算道路交通状态的预测值和波动影响值,并通过Moran 散点图划分道路类型,提出了基于在线地图交通状态的关键道路动态识别方法. 首先,调用在线地图开发者平台API 采集路网的交通状态数据,利用集成学习动态预测交通状态;其次,分析交通状态波动的传播结构,以此量化道路对其近邻道路的影响值;然后,结合道路交通状态的预测值和波动影响值划分道路类型,进而识别出关键道路;最后,以实际路网为例,论证方法可行性.     

道路运输与土地利用关系的研究

道路运输的发展离不开土地的支持和保障,土地利用的形态决定了道路运输的分布。道路运输规划过程中越来越重视与土地利用的相互反馈作用,注意协调道路交通与土地利用的关系。在分析研究道路运输与土地利用关系的基础上,提出道路运输中如何实现土地合理利用的建议,可为道路运输与土地利用关系的协调提供一些参考。     

道路运输业服务水平评价指标体系的建立

从道路运输业服务水平的定义出发,探讨道路运输业服务水平评价指标体系的设计目的和依据,从而建立一套合理、完善的道路运输业服务水平评价指标体系,可以较为准确地对一个地区的道路运输业服务水平给予评价和分析。     

����ģ�����Ƶ����ܳ���������ʻ�����о�

车辆无人驾驶是智能交通系统的一个重要部分,其目标是开发在高速公路和城市道路环境下的辅助驾驶系统,旨在帮助乃至取代驾驶员,实现车辆自动控制和自动驾驶,减少交通事故发生,提高道路交通系统的效率,因此提出了一种基于机器视觉和模糊控制实现智能车辆自主行驶的方法. 该方法以CMOS摄像头为路径识别传感器,通过图像分析提取车道中心线,并引入速度反馈,形成闭环控制,建立一个由两个模糊控制器组成的分级模糊控制器控制车辆转向,并使用模糊控制代替传统的PID速度控制来控制速度. 和常规的PID算法及模糊控制算法相比,改进的模糊控制算法使智能车在道路上更快速、平稳地运行,并且在转弯处的超调更小.     

基于模糊控制的智能车辆自主行驶方法研究

车辆无人驾驶是智能交通系统的一个重要部分,其目标是开发在高速公路和城市道路环境下的辅助驾驶系统,旨在帮助乃至取代驾驶员,实现车辆自动控制和自动驾驶,减少交通事故发生,提高道路交通系统的效率,因此提出了一种基于机器视觉和模糊控制实现智能车辆自主行驶的方法. 该方法以CMOS摄像头为路径识别传感器,通过图像分析提取车道中心线,并引入速度反馈,形成闭环控制,建立一个由两个模糊控制器组成的分级模糊控制器控制车辆转向,并使用模糊控制代替传统的PID速度控制来控制速度. 和常规的PID算法及模糊控制算法相比,改进的模糊控制算法使智能车在道路上更快速、平稳地运行,并且在转弯处的超调更小.     

Intelligent Vehicle's Path Tracking Based on Fuzzy Control

Autopilot vehicle is an important part of intelligent transportation systems. The objective is to develop the driver assistance systems on highway and urban road, to help or even to replace the driver, which may reduce traffic accidents and improve the efficiency of traffic system. A method based on machine vision and fuzzy control is proposed to realize intelligent vehicles' autopilot. It uses the CMOS sensor as its path recognition device to draw its lane centerline through image analysis. Taking the feedback speed as the additional input, the study forms the closed-loop control and establishes one graduation fuzzy controller which controls vehicle direction with two fuzzy controller combinations and replaces traditional PID control vehicle speed by fuzzy control. Compare with the conventional PID algorithm and the fuzzy control algorithm, the improved fuzzy control algorithm ensures a high speed and steady running of intelligent vehicle with smaller over modulation in corner.     

基于支撑树法的高速公路多路径识别问题研究

随着高速公路的不断建设,开始出现环路,路网密度不断增大,由此产生两点之间车辆行驶的多路径识别问题,是高速公路联网收费及管理中迫切需要解决的问题。通过深度优先搜索算法搜索出需要在交通网络中添加标识站的路段,把交通网络网状结构图转化为支撑树树状结构图,从而实现多路径的识别。