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。     

基于模糊的城市快速路交通流状态判别

"交通状态"具有外延不明确的模糊信息特征,交通流自身特征和评价主体的专业知识都不可忽视.因此,基于快速路检测线圈数据,引入了基于知识的模糊系统来判别快速路交通状态.在充分分析各种交通现象的基础上,提出了交通状态划分原则、依据,评价指标,以及状态判别的模糊集和模糊规则.该方法可以动态的显示路网的交通拥挤范围,为实施交通信息发布以及后期交通瓶颈的判别和改善提供依据.     

交通执法中人体酒精含量检测相关问题的研究

驾驶员酒后驾车人体酒精含量检测是交通执法工作的重点和难点之一,科学、准确的检测对交通执法质量至关重要。本文针对交通执法实践中人体酒精含量检测工作中的一些问题,对40名志愿受试者进行了饮酒后的血液、呼气、唾液酒精含量检测实验。结果表明:1.呼气检测与血液检测具有相关性;2.北京交管部门目前使用的呼气式酒精检测仪器具有可靠性;3.酒后驾车逃逸者的人体酒精含量可以依据血液酒精清除率(10毫克/100毫升·小时)进行推算;4.唾液酒精含量与血液酒精含量具有相关性,交通执法中使用唾液酒精测试方法有其可行性。     

基于视频检测的高速公路车辆交通行为安全状态分析

在对目前视频检测系统分析的基础上,针对交通事件检测,提出了一种从微观的角度出发,在对单个车辆交通行为状态识别和实时分析的基础上,对车辆交通安全状态进行判断的方法。首先对交通冲突冲突区进行动态和静态划分,然后将车辆行驶区域根据交通行为过程分为危险区和趋势区,并对应静态和动态冲突区分别对危险区和趋势区的判定进行分析,给出了判定算法。测试表明,本文所提算法能够在一定程度上对交通事故进行提前预警,对于减少和避免交通事故发生具有重要意义。     

基于TAN分类算法的交通事件检测

事件检测算法是交通事件管理系统的关键技术之一,提出一种基于树增强朴素贝叶斯(TAN)分类算法对交通事件进行检测,它的网络结构和参数通过数据学习确定,相比贝叶斯网络算法,对专家经验依赖较小.采用小波去噪、标准化和基于熵的离散化方法对原始交通数据进行预处理,将交通事件作为"0-1"分类变量,交通特征参数作为属性变量,构建TAN分类器.采用新加坡艾耶尔国王高速公路(AYE)的数据集对该算法进行了实例验证,实验结果表明TAN分类算法与多层前馈神经网络(MLF)算法的检测性能相当,它们的检测率分别为95.97% 和98.8%,但TAN分类算法在模型训练和标定的速度上具有显著优势,且相比MLF算法,TAN分类算法的原理更加简单易懂,因此TAN分类算法具有更广泛的应用前景.      

高速公路常发性交通拥挤路段实时判定与跟踪研究

提出的自动判定和实时跟踪高速公路常发性拥挤路段的方法包含3个算法:①路段平均车速算法;②交通流区段类型判定算法;③排队类型判定算法.考虑采用两个前后相邻车辆检测站之间的路段平均车速来实时判定和跟踪常发性交通拥挤路段的情况,使得模型所提供的信息更能反映路段的真实交通状况.采用路段平均车速的方法克服了目前采用点速度来跟踪车队方法的局限性,并且采用"客观"标定临界车速作为基于现场数据判定车队状态的一种方法.     

城市快速路入口匝道模糊控制器的设计及仿真研究

入口匝道控制是缓解快速路交通拥挤最为有效的措施之一。首先分析了快速路交通流的运行特性和匝道控制模型。提出了考虑相匝道交通运行状态的入口匝道模糊控制方法,该方法以两个相匝道的上游交通密度和入口匝道排队长度为模糊控制的输入量,建立了包含13条模糊控制规则的规则库,利用MATLAB工具对该控制系统进行了仿真实验,实验结果表明该模糊控制器在快速路入口匝道控制中具有良好的应用效果。     

基于时间卷积自编码网络的实时交通事件自动检测方法

为了提高道路异常交通事件检测效率并降低误报率,提出了一种基于时间卷积自编码网络的实时交通事件自动检测方法。首先设计了基于波动相似性度量的交通模式搜索算法用来筛选具有相同交通规律的样本数据;并构造了交通流模式矩阵作为网络模型输入,以避免样本不均衡与单一样本数据随机性对交通模式学习的干扰;同时设计了新的时间卷积自编码网络对交通模式特征进行无监督提取并对未来交通参数进行合理预测;为了降低交通流参数随机波动性带来的事件判别的干扰,设计了异常状态评估方法,通过对模型预测误差分布的学习,结合当前检测数据给出最终的事件判定结果。采用美国西雅图I90公路与I405公路2015年全年的交通流检测数据与历史事故数据进行实证研究,并与6种典型交通事件检测算法进行性能对比。研究结果表明:基于时间卷积自编码网络的实时交通事件自动检测算法具有较高的检测率、较低的误报率以及更快的平均检测时间;综合各种交通运行情况下,可接受误检率分别为5%、10%时,平均检测率可分别达到93%、98%;同时算法能够自适应学习交通状态的动态变化,对不同交通运行环境具有较强适应性与稳定性。     

基于一般规则的交通分布与分配反馈关系的研究

以道路使用广义费用为出发点,研究交通分布与分配之间的反馈关系;构建了基于一般规则(方法)的交通分布与分配的反馈算法,该方法基于道路交通流量最小平方误差估计反推矩阵.并以一个简单的交通网络为例,对这一算法进行了实验,结果表明这一算法能够以较高的精度快速收敛.     

基于模糊集理论的车道标志线精确检测

为了解决复杂路面条件下车道标志线的检测问题,提出了一种基于模糊集理论的车道标志线精确检测方法.采用阈值分割、腐蚀、边缘检测等技术对交通图像进行处理;通过Hough变换粗略提取位于各车道标志线及其附近的所有亮点像素作为待分类的像素点,构成样本集;按照模糊聚类分析准则得到直线的斜率和截距,实现车道标志线的精确检测.实验证明了该方法的精确性和有效性.