虚拟窗口阴影去除算法的车流量检测研究

针对城市道路交通流量检测中的实时性和准确性的要求,在背景差分的基础上提出了一种改进的基于虚拟窗口检测的方法。通过获取前景目标尽量少的帧图像,快速建立虚拟窗口的初始背景模型,并实时更新背景;将Sobel边缘检测算法引入前景目标检测,从而快速检测出前景目标变化的完整区域,提高检测的准确率;再使用基于HSV色彩空间直方图势函数去除阴影算法,进一步去除前景目标中的阴影区域,有效地保留了真实的运动目标区域;最后统计交通车流量,可结合其他信息(如红绿灯状态)做出该路段相应的交通流状况判断。通过实验结果证明,所提出的检测算法可有效应用于视频交通车流量检测中。     

.基于GIS的城市道路交通流信息发布系统应用研究*

根据基于GPRS/GPS/GSM浮动车交通流信息采集系统实时采集的交通流瞬时速度、路段速度、车辆定位等信息,借助面向对象技术、GIS技术、数据库技术设计、开发了基于GIS的城市交通流信息发布系统,系统采用数据库中的存储过程技术处理海量交通流信息与GIS信息等数据表的多表连接,实现了高效率信息查询,并融合GIS专题地图技术和数据库技术实现浮动车辆历史轨迹动态回放、交通流路段速度查询、可视化显示。开发的系统在天津市部分路段进行试验,系统能稳定、可靠地实现交通流信息发布,并能快速有效查询城市道路交通流信息及识别城市道路网络路况瓶颈,可以辅助交通管理者进行交通管理决策。     

基于时空信息融合学习的路段行程车速短时预测

路段行程车速的变化受时间和空间维度信息的综合影响,多数神经网络模型仅从时间维度上预测路段行程车速的变化规律,未能全面考虑路网结构和上下游交通状态对路段行程车速的影响。结合图卷积网络和门控循环单元构建深度学习模型,挖掘路段行程车速的时空特性。通过在线地图平台获取路段实时行程车速,使用等维递补方法更新历史序列数据,提高预测实时性。在深圳市部分区域路网上的实验结果表明,该模型的多步预测精度均在90%以上,相比自回归积分滑动平均模型、支持向量机回归模型和门控循环单元模型最高提升了6.9%、1.3%和0.4%,具有更优的路段行程车速预测效果。     

道路动态资源研究

运用流体动力学和交通工程学基本原理建立了城市道路动态资源的计量模型。基于城市智能交通数据采集系统采集的动态交通信息,运用城市地理信息系统（GIS）相关方法,对上海市内环内城市道路资源进行可视化描述,分析了城市道路资源的瓶颈地带;对深圳市道路运行状态进行了分析和评价,结果显示深圳市城市道路中支路基本符合规划预期,主干道则部分偏离规划预期。     

基于变结构离散动态BN的最优交通路径规划

为了确保城市路网交通流平稳运行和各路段交通流量合理分配,提出了一种基于变结构动态BN的最优交通路径规划方法。该方法考虑驾驶员偏好,按时间序列建立适用于交通路径规划的变结构离散动态BN模型,采用最大似然估计算法和参数的自适应产生算法学习网络参数,用基于时间窗的动态BN近似推理算法中固定窗口宽度方法进行在线推理。结合实例对算法进行仿真,并与Dijkstra算法所得结果进行比较。实验结果表明变结构离散动态BN能利用实时采集到的信息对最优路径进行实时更新,在线决策。     

基于分布式实时机制的车载网络出行计划算法*

提出了一种基于分布式实时交通统计的机制,每辆汽车能够分布式地实时获取各路段的汽车通行时间,这样汽车就能够根据这些信息计算出行计划。仿真结果显示该方法对各路段交通情况评估具有有效性和信息扩散的实时性。     

微博客蕴含交通信息的提取

微博客消息中可能蕴含大量描述城市道路的交通信息,如交通状况、交通事件、交通管制等,提取这些交通信息能够为传统的固定式传感器和浮动车采集交通信息手段提供有效补充.然而,微博客消息描述的模糊性、差异性及非结构化特征,使得从海量微博客消息中快速准确地提取和甄别交通信息成为难题.提出一种从微博客消息中快速提取和融合交通信息的技术方法,首先对采集到的微博客消息进行分词解析和路网匹配,然后采用基于神经网络的模糊C聚类方法对描述路段交通状态的微博客消息定量化结果进行分析,获取各路段置信度最高的交通状态描述,最后得到各路段的交通畅通度水平.基于新浪微博客和北京路网的实验过程验证了本文技术方法的有效性.     

基于视觉机制的非结构环境下车速检测算法研究

在非结构环境下,基于视频检测目标车速为目的的关键问题是：如何利用视频序列准确、高效地得到运动目标的实时信息。基于视觉感知机制的车速检测是一种新方法,该方法以视觉机制为启发,首先从图像中学习初级视皮层细胞超完备基;然后基于超完备基视觉计算模型,以神经元响应系数表征目标,并根据背景与目标响应系数差值与动态阈值的比较识别运动目标;通过迭代实现目标跟踪;在目标跟踪的基础上,根据不同视频序列中车辆特征匹配法得到车辆的位移,最后实现车速检测。实验结果表明,该算法能够在实时条件下检测实际道路场景的不同类型车辆速度,达到96．55％以上的准确率,并且与传统方法相比较提高了车速检测的准确性和鲁棒性。     

基于道路分段的车载自组织网络路由协议

针对城市车载自组织网络中由于车辆运行速度快、网络拓扑结构变化频繁导致的路由链路不稳定问题,提出一种基于道路分段的车载路由协议RSRP。考虑交通灯对车辆速度和空间分布的影响,对不同区域的道路进行分段,选择路段上骨干节点,建立稳定的道路骨干网。在交叉路口选择桥节点,连接相邻路段上的骨干节点,获取路段上传输包所产生的延迟,并更新路段上的网络拓扑信息,通过桥节点获取的车辆状态信息,对路段分配相应权重,并选择最低权重所对应的路段作为路由路径,进而提高数据包传输的投递率,减小端到端时延。在NS2实验仿真平台下模拟真实的城市道路与车辆交通场景,结果表明,与GPSR、GyTAR等路由协议相比,RSRP协议能更好地适用于城市道路场景。     

基于视频检测的高速公路交通信息采集系统设计

基于视频检测技术设计了一种实时的高速公路交通信息采集系统。系统利用图像处理技术对交通视频进行实时分析,能有效地获取车流量、车速、道路占有率等基本交通信息。现场测试结果表明,该系统具有很好的实时性和可靠性。     

基于时空信息的交通流预测

交通流量预测是城市道路交通信号控制中的重要组成部分。为了提高预测的准确性,基于路口视频检测器数据,提出了一种交通流量预测的交通数据分析方法。随着逐年提高的计算能力,深度学习方法进行短时交通流预测越来越流行,经典的交通流量预测方法通常只能根据被预测道路自身的数据进行分析和决策,而往往较少考虑由同一区域不同道路之间的交通流量关联性。基于城市核心路网交通数据,提出一种基于时空信息的TS-LSTM模型,并与其他经典模型进行比较,所得出的结果验证了相比其他方法而言,该模型具有较高的预测精度。     

移动群智感知下的交通流速缺失数据恢复算法

GPS等设备的普及使得基于大规模车辆数据的城市级道路状态评估成为可能,本文研究移动群智感知下的交通流速缺失数据恢复问题.首先,利用探测车收集车辆数据,设计了基于网格密度提取路网的方法;其次,针对GPS数据特点设计一种自适应的路段流速计算方法,得到交通流速矩阵;再次,对交通状况评估时存在的数据缺失情形进行分类,基于数据时空特征改进了压缩感知的稀疏基,有效地将交通流速缺失数据的预测问题建模成稀疏向量的恢复问题;最后,基于大规模真实出租车数据集对所提出算法性能进行全面验证.结果表明:在数据缺失程度大于50%时,本文所提出算法能够准确地恢复缺失数据,且性能优于其他同类算法.     

Real-time road traffic state prediction based on ARIMA and Kalman filter

The realization of road traffic prediction not only provides real-time and effective information for travelers, but also helps them select the optimal route to reduce travel time. Road traffic prediction offers traffic guidance for travelers and relieves traffic jams. In this paper, a real-time road traffic state prediction based on autoregressive integrated moving average (ARIMA) and the Kalman filter is proposed. First, an ARIMA model of road traffic data in a time series is built on the basis of historical road traffic data. Second, this ARIMA model is combined with the Kalman filter to construct a road traffic state prediction algorithm, which can acquire the state, measurement, and updating equations of the Kalman filter. Third, the optimal parameters of the algorithm are discussed on the basis of historical road traffic data. Finally, four road segments in Beijing are adopted for case studies. Experimental results show that the real-time road traffic state prediction based on ARIMA and the Kalman filter is feasible and can achieve high accuracy.     

基于非参数回归的路段速度估算方法*

城市道路交通运行状况的及时获取对交通管理和出行有着重要的作用,而准确判断交通状况需要利用准确的交通流速度。针对城市道路配备有一定数量的固定检测器,但是浮动车覆盖率不足的情况,提出了基于非参数回归的路段速度估算方法。该方法有效结合固定检测器数据和浮动车数据,对不同时段、路段、天气对行驶速度的影响分别进行分析,建立状态模式库,利用模式匹配估算出道路交通流速度。通过算例分析比较,可知该算法具有较高的准确度。     

交通信号灯智能控制算法研究

针对当前城市交通信号灯控制的技术缺陷,即国内大多数城市交通信号灯控制方法仍然停留在时间程序控制的技术层面,或者采用感应线圈等设备来获取道路交通信息等技术现状,提出一种交通信号灯智能控制算法。该系统算法由图像边缘检测、道路行车类型切割、纵向坐标投影和车流长度分析等核心技术组成,能够充分、有效和实时地获取交通流量信息,使城市交通信号灯的开／关时间能够根据道路上车流量的实际大小实施准确控制,因此使交通信号灯的控制达到智能化的技术水平,为最终实现城市智能交通提供科学的信息基础。     

基于道路风险评估的城市路网实时路径选择

为了缓解城市交通拥堵、避免交通事故的发生,城市路网的路径选择一直以来是一个热门的研究课题.随着边缘计算和车辆智能终端技术的发展,城市路网中的行驶车辆从自组织网络朝着车联网(Internet of vehicles,IoV)范式过渡,这使得车辆路径选择问题从基于静态历史交通数据的计算向实时交通信息计算转变.在城市路网路径选择问题上,众多学者的研究主要聚焦如何提高出行效率,减少出行时间等.然而这些研究并没有考虑所选路径是否存在风险等问题.基于以上问题,首次构造了一个基于边缘计算技术的道路风险实时评估模型(real-time road risk assessment model based on edge computing, R³A-EC),并提出基于该模型的城市路网实时路径选择方法(real-time route selection method based on risk assessment, R²S-RA). R3A-EC模型利用边缘计算技术的低延迟,高可靠性等特点对城市道路进行实时风险评估,并利用最小风险贝叶斯决策验证道路是否存在风险问...     

基于FCM城市区域道路交通状态时空分层判别方法*

为了解决城市区域路网交通状态的时空分析问题,提出了一种基于模糊C均值聚类(FCM)道路交通状态判别模型及分析方法。通过路网的空间单元交通状态的定量分析和对大量的历史数据进行FCM分析,挖掘出各空间单元的各类交通状态的聚类中心,并将实时采集的交通数据与聚类中心进行匹配,评判其实时交通状态,最后根据空间单元在路网空间分布,获得各状态下点、线、面的空间分层分析结果。实例结果表明,判别方法能准确地实现区域路网的交通状态时空判别,为交通精细化管理提供辅助决策信息。     

基于改进克隆选择算法的区域交通灯配时优化

为提高城市区域路网通行效率,提出一种基于改进的克隆选择算法的区域交通灯实时配时方法。该配时方法以最小化区域路网总滞留车辆数为优化目标,将交通灯状态设置问题转换成克隆选择算法搜索最优解问题,在每个单位时间根据实时车流量动态搜索出使区域路网通行能力达到最高的交通灯配时方案。为提高克隆选择算法寻优性能,提出双层动态变异算子,并对克隆抑制算子与种群刷新算子进行改进。以西安市某区域路网为仿真实验参考对象,仿真结果表明：提出的配时方法的区域路网总滞留车辆数比固定配时减少了38.93%,比基于标准遗传算法的配时方法减少了20.33%。     

物联网技术在道路交通安全预测中应用研究

研究道路安全预测精确度问题,由于随机波动性较大的样本数据序列预测精度较差,传统的道路交通安全预测灰色预测理论算法难以解决交通拥塞和道路交通不平衡状况。为了解决上述问题,提出了一种基于物联网技术的交通状态监测安全预测方法,主要采用物联网技术实时监测道路的交通情况,依据搜集的交通信息设计安全预警指标,建立灰色理论道路交通安全预测模型,并在模型的基础上引入二维马尔科夫链时空模型,建立一种新的二维马尔科夫理论的灰色扩展交通安全预测模型。仿真结果表明,提出的新的预测方法能够有效地预测道路交通安全风险以及隐患,预测的精确度要比传统的灰色理论预测模型更高,为交通安全系统设计提供了依据。     

Participants increasing for threshold random grids-based visual secret sharing

Reconfigurability and parallel computing capability of field programmable gate array (FPGA) devices are highly exploited in real-time digital image and video processing applications. In this field, real-time traffic road signs detection systems present a huge interest since they help to assist drivers and decrease accidents. In this paper, we propose an FPGA-based hardware implementation of road signs detection and identification system. The proposed system can achieve real-time video constraints while assuring a high-level accuracy in terms of detection rate. The performance of the system in terms of processing latency was evaluated relatively to the reaction distance, the braking distance and the vehicle speed. The evaluation results show that our system can support real-time driving conditions until the speed of 110 km/h. To prove the validity of the proposed implementation, a hardware co-simulation strategy was applied. This is based on the use of Matlab/Xilinx system generator. A comparison of the co-simulation results shows the effectiveness of the developed architecture.