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...     

基于轨迹的内河船舶行为模式挖掘

从内河海量的船舶AIS数据中提取出有用的交通知识,辅助水上安全监管,对于研究日益复杂的水上交通安全形势具有重要意义.基于内河船舶行为特征,构造由船舶位置、航速和航向4个维度组成的船舶航行状态空间来描述船舶行为.针对传统DBSCAN聚类算法提取状态空间中相似船舶轨迹存在计算复杂高的问题,提出增量式算法改进DBSCAN算法用以高效地计算不同船舶的行为模式;然后利用核密度估计等统计方法对不同模式的船舶行为特征进行数据挖掘,得到船舶航速、航向和位置的时空分布特征规律,进一步挖掘不同行为模式下的船舶微观特征.以武汉航段的汉江分叉航道水域作为研究案例,利用所提的方法对该水域分析研究,得到了6类不同行为模式,挖掘出不同模式下分叉航道内船舶静态属性信息(船舶类型、船舶尺寸)、空间分布特征(轨迹点分布、航速分布、航向分布)、船舶到达规律等信息.利用该模型所提取的知识有助于水上监管人员迅速获取水域交通态势,从而提高水上交通安全监管的水平和效率.     

汽车行驶轨迹测试方法综述

针对汽车运动性能的道路试验，对汽车运动轨迹的测试方法进行了综述。将轨迹测试方法分为地上测试、地上—车上测试、车上测试、遥测等4种类型并分别作了介绍。着重对车上测试法中近期发展迅速的GPS测试法、捷联惯导测试法等新型测试方法分别作了论述。     

面向实时交通信息提取的车辆轨迹数据挖掘

车辆行驶轨迹是驾驶人员主观意愿和道路客观约束条件综合作用的结果,从海量车辆轨迹中可以挖掘出道路的实时交通信息为智能交通服务．通过建立轨迹约束模型用以量化各约束因子,基于线性参照系统的数据预处理以加快检索速度和降低轨迹的不确定性,基于移动目标主体相似性和移动轨迹时空相似性的数据选取降低了数据库搜索次数提高发掘准确度,分别针对道路交叉口和一般路段进行数据挖掘,提取实时的道路交通信息．研究结果和实验结果表明,这个挖掘算法可以有效地提取道路实时路况信息．     

交叉口行人过街溢出轨迹分析及优化方法研究

针对信号交叉口行人过街溢出轨迹建模,选择商业区作为数据采集点,从而保证足够的行人数据量,采用视频采集技术获取行人过街的时空数据,得到行人过街轨迹。基于Weibull(韦布尔)模型建立行人在3个穿越区域的穿越位置分布模型,进而连接3个穿越区域的穿越位置得到行人过街轨迹。利用轨迹模型进行信号交叉口行人过街安全护栏的长度设计,该方法操作简单、实用性强,且该设计可有效降低行人与机动车的冲突,提高行人过街的安全性,改善信号交叉口行人及机动车的运行秩序,为交叉口安全设计提供理论支持。     

基于行为识别的智能车纵向决策研究

针对智能车纵向决策问题,提出基于环境车辆偏离车道程度识别运动模式的方法;构建动态环境车辆横纵向轨迹预测模型,并求解;构建保持、先行、避让在内的决策集,提出基于预测轨迹的单个车辆决策方法,并基于所有动态环境车辆的决策结果在加速、减速和匀速3 种结果中做出综合决策. 实车实验表明：在直行、换道和转弯运动模式下轨迹预测平均误差分别为0.11,0.29,0.80 m,预测精度较高;复杂动态环境下,本文提供的纵向决策信息提升了智能车行驶的安全性和舒适性.     

基于遗传算法的切割路径优化

将遗传算法用于求解加工路径优化问题．针对加工路径优化目标，即零件加工轨迹应走过零件所有内外轮廓且路径最短，给出了非确定型的多项式数学模型，并根据优化目标将其简化为点与点之间的优化．用遗传算法对加工路径优化进行了遗传编码，并对75个零件排样进行了计算机仿真计算．仿真结果显示，最优值（37129mm）为初始值（43622mm）的85％，表明该算法可行。     

基于视频图像处理的微观交通数据的获取

微观交通数据对于通行能力的分析、智能交通系统的建立、异常交通状态的识别、微观交通流特性的研究以及微观交通仿真技术的发展具有重要意义.随着视频采集技术在交通领域应用的日益增加以及图像处理技术的发展,使得获取微观交通数据成为可能.鉴于此,利用摄影学原理,实现了图像坐标与实际坐标的转换,并从视频中提取了车辆的行驶轨迹、车速和车头时距,为研究微观交通系统提供了数据支持.     

多特征融合的船舶轨迹相异度模型分析与优选

基于船舶自动识别系统轨迹,构建了船舶轨迹静态相异度模型、动态相异度模型以及组合相异度模型,包括轨迹起点和终点相异度模型、轨迹长度相异度模型、轨迹空间分布相异度模型、轨迹航速均值相异度模型、轨迹航向均值相异度模型、轨迹航速标准差相异度模型和轨迹航向标准差相异度模型;采用KNN分类算法进行轨迹分类,分析了单个相异度模型的有效性和时效性,对比了单个相异度模型和组合相异度模型下轨迹分类效果,研究了组合相异度模型中相异度模型的类别和权重对轨迹分类的影响;分别以内河航道和港口水域船舶轨迹进行试验。试验结果显示：在采用单个相异度的情况下,就分类效果而言,轨迹起点和终点相异度模型和轨迹航向均值相异度模型在内河航道和港口水域船舶轨迹分类效果均优于其他模型,而基于轨迹航速均值相异度模型和轨迹航速标准差相异度模型的轨迹分类效果最低,就分类效率而言,基于航速、航向均值和标准差的相异度模型耗时明显低于其他3个相异度模型;采用组合相异度进行轨迹分类,内河航道和港口水域船舶轨迹分类结果的基于精确率和召回率的宏平均值和微平均值均能接近99%;将组合相异度中相异度类别数由4个增加到7个,轨迹分类评估结果进一步得到提高。因此,单个相异度模型中以轨迹起点和终点相异度模型、轨迹航向均值相异度模型以及轨迹空间分布相异度模型分类效果最优且稳定,而轨迹空间分布相异度模型和轨迹长度相异度模型耗时明显高于其他方式,各相异度模型在不同场景中的适应性基本相似,通过增加组合相异度中相异度类别能够提高轨迹识别效果。     

货车轨迹数据在公路货运系统中应用研究综述

随着轨迹数据可获取性及精度的持续提高,货车轨迹数据被广泛应用于公路货运系统的 规划与管理中,同时,人工智能和大数据分析技术的快速发展也为公路货运系统研究带来新的机 遇与挑战。本文全面梳理并总结了公路货运轨迹数据应用领域的相关研究,从基于轨迹数据的 货运出行信息辨识、货运系统关键特征预测、货运轨迹数据进一步应用3个方面回顾现有文献的 研究目标、主要内容和研究方法。通过文献分析发现：货运出行信息辨识研究聚焦于货运停留 点、车辆和货物、活动出行模式等热点主题,但现有辨识方法多移植于旅客出行研究,需要更多地 考虑货运出行的独特特征。在货运系统关键特征预测方面,研究者主要针对货运行程时间、空间 位置、出行需求等主题展开研究,并证明了基于轨迹数据预测货运特征的可行性,但预测时空范 围较为局限,需要根据具体的货运任务、货车司机特征和货运政策进行深入研究。此外,轨迹数 据也被应用于货运出行路径选择行为、货运停车休息行为、行驶安全、货运排放和能耗分析、货运 政策评估等研究。最后,在总结现有研究不足的基础上,本文认为未来研究应重点将货运轨迹数 据与其他多源数据相结合,从3个关键技术进行突破：一是针对货运实践个体,重点探索高效货车 驾驶员的出行特征和出行模式,并在货运系统中进行推广应用;二是针对交通运输新技术和新形 势,重点开发和优化自动驾驶技术和重大应急事件影响下的货运组织模式与策略;三是针对货运 供需关系及匹配机制,重点研究货运全流程供需状态辨识与预测,并结合深度学习等方法训练和 开发智能供需匹配模型,从而优化货运系统调度,助力社会散乱运力资源整合,提高货运系统的 综合效率。