基于城市交通监控大数据的工作位置推理方法

基于时空数据的用户位置推理在产品推荐、精确营销、交通调度及城市规划等实际应用中有着重要的作用,然而,基于城市交通监控数据的位置推理问题尚未被探索,因此,提出了一种面向稀疏摄像头交通监控数据的工作位置推理方法。首先,收集了路网、兴趣点（POI）等城市交通外围数据,并通过路网匹配的预处理方式获取到了一个含有摄像头、POI等丰富语义信息的真实路网;其次,通过聚类车辆轨迹中所提取的起点-终点（O-D）对来获得车辆重要的停留区域,即候选工作区域;之后,利用所提的in/out访问时间模式的约束,从多个候选区域中匹配出最大可能的工作区域;最后,利用所获取的路网信息和路网周中POI的分布信息提取出车辆的可达POI集合,从而进一步缩小车主的工作位置范围。在一个省会城市真实的交通监控数据集上的综合实验评估和案例分析验证了所提方法的有效性。     

以视频和GIS为主源数据的城市智能交通模式*

在分析城市智能交通技术应用现状以及城市智能交通发展趋势的基础上,设计了一个以城市交通视频数据和城市地理信息系统为主源数据的智能交通模式,重点讨论了其中的智能交通路口、城市交通控制中心以及个性化出行导航的关键技术。以视频和GIS为主源数据的城市智能交通模式能够采取主动服务的方式,能在较少车辆客户端投入和参与的情况下,满足大规模的城市交通信息服务等高级的交通智能要求。     

面向智慧城市的交通视频结构化分析前沿进展

随着智慧城市建设的不断深入,大量的传感器设备铺置在城市公路和轨道等交通场景,为多维度全方位感知城市交通状态构建了广泛的感知网络,产生了海量的交通视频数据。海量交通视频数据是城市管理的数据宝藏,理解与分析这些数据是智慧城市建设的关键。面对高度冗余的交通视频数据,如何高效准确地挖掘和提取结构化信息,实现对重点目标（如人、车、物）的快速检测、识别与检索,是交通视频处理的核心问题——交通视频结构化分析。交通视频结构化分析包括车辆视频结构化分析、人员结构化分析及其行为分析。其中,车辆结构化作为一个复杂的多步骤任务,主要由车辆的检测、车辆的属性（车牌、车型和颜色）识别以及车辆的检索和重识别等子任务构成。人脸结构化和行人结构化是交通视频中行人结构化智能分析中的两个重要研究方向,主要分析人脸或者行人的一些表观属性。行人行为分析是指对行人在复杂交通环境下做出的动作进行识别和预测。本文从交通视频中的车辆、行人及其行为分析等方面,阐述交通视频结构化分析领域的研究热点及前沿进展,汇总比较国内外的相关成果,并对交通视频结构化分析领域的研究进行总结分析与展望。     

平台在安防大数据管理中的价值

大数据时代安防现状 随着智慧城市、智能交通等行业的快速发展,大集成、大联网推动安防行业进入大数据时代。面对跨区域视频监控联网、监控资源的集成整合、政府各部门之间的视频监控资源的共享等大数据的存储、管理、分析等现状,带来了一系列挑战性问题：首先是数据的存储管理;其次是海量视频数据中的有价值数据如何挖掘;最后是数据的分析应用。     

基于射频识别技术的智能交通系统

基于射频识别技术的一些新特点，提出了一套城市智能交通管理系统模型，用来解决城市交通管理中的一系列经典难题．该模型结合射频识别技术、数字图像处理、网络通信以及数据库技术，能够实时监控交通流量、车辆信息以及交通状况；再结合状态空间穷举法和信息融合技术，可以实现智能交通调控、自动违章处理、车辆跟踪处理、交通实时查询以及车辆统计等功能．     

基于Spark平台城市出租车乘客出行特征分析

从海量出租车GPS轨迹数据中挖掘和分析城市出租车乘客的出行特征,可以为城市交通管理者和出租车行业管理者在城市交通规划与管理、城市交通流均衡与车辆调度等方面提供决策依据.基于Spark大数据处理分析平台,选择YARN作为资源管理调度系统,采用HDFS分布式存储系统,对出租车GPS轨迹数据进行挖掘.给出了基于Spark平台的出租车乘客出行特征的挖掘方法,包括出租车乘客出行距离分布、出租车使用时间分布及出租车出行需求.实验结果表明,基于Spark平台分析方法能够快速且准确的分析出出租车乘客出行特征.     

基于GIS交通源分布数据库技术的研究

交通源分布是城市交通管理和规划的重点对象和考虑因素。本文探讨通过对现有的城市机动车辆数据和人口数据进行交通分区处理，建立人口与车辆等交通源分布的数据库系统，生成交通源GIS分布数据，为城市交通管理者在做有关城市交通管理和规划方面提供决策数据。     

人口与车辆交通地理信息库的建立模式探讨

人口和车辆是城市交通管理和规划的重点对象和考虑因素，通过对城市机动车辆数据和人口数据进行分区处理。生成人口与车辆地理信息库系统，为城市交通管理者在做有关城市交通管理和规划方面提供决策数据。本文探讨运用数据仓库与地理信息系统相结合技术，利用现有的信息资源，建立人口与车辆分布分析的数据库系统。     

视频智能交通系统

文章提出了基于视频的智能交通监控系统在一个城市中运用的系统方案,详细介绍了车道级功能模块的实现,同时讨论了车辆属性自动识别的算法、系统软件设计的要点。该系统的应用可极大地提高城市交通管理的效率,具有很好的应用前景。     

基于大数据技术的城市轨道交通监控系统设计

轨道交通是现今城市交通领域的关键构成部分，可以有效缓解大型、中型城市交通压力。城市轨道交通线路复杂、运营频率较高，为轨道交通监控带来了较大的阻碍，影响轨道交通运营的安全，提出基于大数据技术的城市轨道交通监控系统设计研究。设计系统沿用现有系统硬件单元，基于大数据技术开发与完善软件模块，包括冗余通信控制模块、轨道交通列车定位模块、轨道交通运营数据采集与挖掘模块与轨道交通运营异常监控模块。通过运营数据采集、处理与应用，判定轨道交通运营状态，实现了城市轨道交通监控系统的运行。实验数据显示：应用设计系统获得轨道交通运营数据处理效率最大值为18.8 kB/s,轨道交通监控结果准确率为100%,充分证实了设计系统监控性能更佳。     

A Multimedia Data Mining Framework: Mining Information from Traffic Video Sequences

The analysis and mining of traffic video sequences to discover important but previously unknown knowledge such as vehicle identification, traffic flow, queue detection, incident detection, and the spatio-temporal relations of the vehicles at intersections, provide an economic approach for daily traffic monitoring operations. To meet such demands, a multimedia data mining framework is proposed in this paper. The proposed multimedia data mining framework analyzes the traffic video sequences using background subtraction, image/video segmentation, vehicle tracking, and modeling with the multimedia augmented transition network (MATN) model and multimedia input strings, in the domain of traffic monitoring over traffic intersections. The spatio-temporal relationships of the vehicle objects in each frame are discovered and accurately captured and modeled. Such an additional level of sophistication enabled by the proposed multimedia data mining framework in terms of spatio-temporal tracking generates a capability for automation. This capability alone can significantly influence and enhance current data processing and implementation strategies for several problems vis-à-vis traffic operations. Three real-life traffic video sequences obtained from different sources and with different weather conditions are used to illustrate the effectiveness and robustness of the proposed multimedia data mining framework by demonstrating how the proposed framework can be applied to traffic applications to answer the spatio-temporal queries.     

数据挖掘在交通管理中的应用研究

交通信息的统计分析对公安交通管理工作具有重要作用。从交通管理的需要出发,对事故分析、决策制订、车辆监控中数据挖掘技术的应用进行了一些分析,并就交通管理数据挖掘系统结构进行了探讨。     

基于关联规则挖掘的伴随车辆发现算法

伴随车辆是公安刑侦部门对海量车辆通行信息检索的一类实战需求,目的是通过模糊条件查询得到潜在的结伴作案车辆,究其本质,可将此类查询转化为数据挖掘中关联规则挖掘问题。通过对公路车辆智能监测记录系统采集的过车数据进行分析,将伴随车辆查询转化为关联规则挖掘,利用数据挖掘技术对过车数据查询问题进行综合分析,实现高效率的伴随车辆查询算法AVD(Accompany Vehicles D iscovery)。算法分析表明,AVD不但能提供准确的伴随车辆查询结果,而且效率高、扩展性强,具有较高的可行性。     

基于稀疏帧检测的交通目标跟踪

为了获取高速公路交通视频中目标车辆的行驶轨迹,提出一种基于视频的多目标车辆跟踪及实时轨迹分布算法,为交通管理系统和交通决策提供目标车辆交通信息.首先,使用YOLOv4算法检测目标车辆位置及置信度.其次,在不同场景条件下,使用提出的基于稀疏帧检测的跟踪方法,结合KCF跟踪算法,将车辆数据进行关联获取完整轨迹.最后,用车辆分布图和交通场景俯视图显示轨迹,便于交通管理与分析.实验结果表明,提出的跟踪方法在车辆跟踪中有较高的跟踪正确率,同时基于稀疏帧检测的跟踪方法处理速度也较快,实时轨迹分布正确反映了真实场景的车道信息以及目标车辆运动信息.     

用于视频中车速自动检测的摄像机自动标定方法

针对目前基于视频的车辆测速方法均需通过手工标定而造成的低效和可操作性差的问题,提出了一种对典型配置的道路监控摄像机的焦距、俯仰角、离地距离等重要参数进行自动标定的方法。首选利用自然场景中两组正交平行线在视频图像中形成的消失点之间的内在关系对摄像机的焦距和俯仰角实施精确标定;在此基础上利用视频中目标车辆群体的平均宽度对摄像机与地面之间距离进行自动标定。实验表明,该算法具有参数测量精度高和可靠性好等优点,可作为现有道路视频监控设备实施车辆速度、类别、流量等数据的自动采集、分析和监控,以及电子违章抓拍设备的有效自动标定手段。     

RFID，GPS和GIS技术集成在交通智能监管系统中的应用研究*

为实现在城市复杂路网情况下对交通车辆的实时监控,并且能通过一定数量的车辆运行状态来判断道路交通的拥挤状况,采用射频识别技术(RFID)对道路上运行的车辆进行动态识别和数据信息交换;依靠全球定位系统(GPS)技术实时获得目标车辆的位置信息,并通过地理信息系统(GIS)将车辆的运行状况以及路网的交通状况以电子地图形式实时地展现给用户。将GPS、GIS与RFID技术综合应用于城市道路交通管理系统中,在此基础上设计出道路交通车辆的全程监控模型和系统框架。对交通监管的信息化建设具有一定的借鉴意义。     

多传感器融合下道路交通车辆碳排放量实时监测方法

面对日趋复杂的道路交通情况,在车辆碳排放量监测时,容易受到干扰因素影响,导致监测结果不精准,提出了多传感器融合下道路交通车辆碳排放量实时监测方法。使用多传感器阵列采集车辆碳排放量信息,利用卡尔曼滤波法计算采集信息各个样本与融合中心欧式距离,以该距离为半径画圆,将全部采集的车辆碳排放量信息融入其中。使用多传感器融合技术的卡尔曼滤波法构建监测点滤波处理模型,结合多传感器融合框架感知多维数据,剔除噪声后监测点预测值。根据线性微分方程累减白化方程时间,构建基于多传感器融合技术的监测模型。根据多传感器双层融合过程,实现车辆碳排放量的实时监测。由实验结果可知,该方法监测结果与实际统计数据存在最大为0.05 Mt的误差,监测所需最短时间为0.1 s,为交通车辆绿色通行提供技术支持。     

基于光流法的卫星视频交通流参数提取研究

抽样分辨率达1米的高清卫星视频已经能够实现对地面较小的运动目标的实时监控。针对卫星视频中运动车辆目标仅显示为一个或几个像素点的特点,提出了一种基于光流法的卫星视频交通流参数提取的思路与方法。该方法利用卫星视频中车辆目标为像素点的特点,结合Shi-Tomasi角点检测方法实现车辆检测及车辆计数;在车辆检测的基础上利用光流法得到的连续视频帧中角点的位置信息进行双向车辆平均车速的计算,并对实验结果进行了对比分析。该文是基于卫星视频中小微运动车辆目标进行交通流参数提取的一次有益尝试。