高速公路气象灾害检测器布设文献综述

气象灾害具有突发性、波动性等特征,难以准确检测和及时预报,对高速公路车辆运行造成很大的安全隐患。因此,高速公路气象灾害自动检测及预警是有效解决车辆运行安全问题的关键。鉴于目前我国高速公路交通状况的严峻形势,有必要对世界范围内的高速公路气象检测器的布设理论和实践研究做出全面概述,从中提取适合我国高速公路气象检测器布设的共同特征和经验教训,为中国高速公路气象检测器布设提供理论支持和现实的参考。     

面向城市道路交通状态估计的数据融合研究

实时道路交通状态估计是ATMS和ATIS的重要内容。布设于城市道路网络中的各类检测器提供了丰富实时的动态信息。针对目前我国各检测器间相互独立形成信息孤岛、数据参数多样、结构迥异、采样周期和精度不一等现状,采用贝叶斯估计、模糊逻辑等数据融合方法建立多源异构交通信息三层次融合体系,得到精度更高、可靠性更强的交通信息。实例证明,数据融合适用于城市道路交通状态估计。     

高速公路微波车辆检测器的原理分析与应用

在高速公路管理由数字化进入智能化的关键时期,交通参数的采集具有重要作用。文中介绍了微波车辆检测器的工作原理,并结合高速公路运行管理的需要,对微波车辆检测器的参数设置和使用方法进行了介绍,同时分别从断面、道路及路网管理三个方面对采集获取的交通数据的应用进行了探讨。     

车辆异常行为智能识别系统在高速公路事故处理上的应用

全面分析了车辆异常行为的识别及交通流参数采集处理方法,提出构建具备二级报警机制的交通事件自动识别系统框架模型.该系统可充分利用高速公路目前已有的监测设备作为系统数据采集的前端设备,提高交通事件检测的准确性和可靠性,减少二次事故的发生.     

基于宏微观因素的概率级别的车辆事故预测

车辆事故预测是避免道路车辆事故发生的重要研究课题.以往的研究使用的事故数据集只包含地理情况、环境情况、交通情况等宏观因素,或者只包含车辆行为和驾驶员行为等微观因素.因为很难收集到同时包含2类因素的事故数据集,很少有研究将这2类因素结合起来,然而车辆事故往往是两者共同作用的结果.此外,在收集到的数据中没有可以用于预测的事故发生概率标签,所以目前多数的研究关注点只是在于事故是否发生而不能得到准确的概率值.然而在实际应用场景下,驾驶员需要的是不同级别的危险预警信号,而这种信号正是应该由事故概率值决定的.2019年发布的事故宏观因素数据集OSU(Ohio State University)与宏观因素数据集FARS(fatality analysis reporting system)和微观因素数据集SHRP2 (strategic highway research program 2)都具有一些相同的特征,为它们的融合提供了机遇.因此,首先得到了一个同时包含宏观和微观因素的数据集,其中事故数据(正样本)融合自OSU、FARS数据集,以及与SHRP2分布相同的数据集Sim-SHRP2 (simulated strategic highway research program2),而安全驾驶数据(负样本)则由自己驾驶汽车获得.然后,针对收集到的数据中没有概率标签的问题,还设计了一个概率级别的无监督深度学习框架来预测准确的概率值,该框架使用迭代的方式为数据集生成准确的概率标签,并使用这些概率标签来进行训练.实验结果表明,该框架可以使用所得到的数据集来灵敏而准确地预测车辆事故.     

微型的感应线圈车辆传感器

智能交通系统(ITS)是解决日益严重的高速公路和城市交通问题的有效途径.车辆检测传感器是ITS中最重要的交通数据采集设备之一.通过埋在地下或者安装于道路两旁的车辆检测器,可以准确实时地获得各种交通数据(包括车流量、车速度、车辆密度、占有率等).在众多车辆检测器中,感应线圈式车辆检测器具有性能稳定、性价比高、应用方便等优点,因而目前在工程上应用最广.但其探测线圈体积庞大,安装时需要阻断交通,工程量大;线圈容易损坏.本文将采用微型线圈,并将单片机控制技术引入传统的车辆传感器中,从而有效地降低了安装的工程量,开发出适用性更强的车辆传感器.经实验证明,该传感器可有效地检测出车辆信号.     

基于RTMS的高速公路事件检测系统设计

从软件设计与实现的角度出发,以满足现代高速公路运行管理对交通事件检测的需求为目标,探讨了基于远程交通微波检测器(RTMS,Remote Transportation Microwave Sensor)的高速公路事件检测系统的设计方案,阐述了系统软件结构及各模块的功能与实现方案,介绍了应崩于该系统的交通事件自动检测算法.系统通过采集RTMS检测到的交通数据,运用自动检测算法检测高速公路上异常事件的发生,配合使用CCTV监控摄像机进行人工核实,可以更加准确、快速地确认事件,以便交管部门进一步采取相应处理措施.     

基于专家系统的高速公路事故管理系统

随着高速公路建设的迅速发展，安全问题逐渐成为人们关注的热点，高速公路应急反应系统成为解决高速公路交通事故的核心系统。在高速公路应急反应系统事故管理子系统的构成和功能分析的基础上。引入了智能控制理论的重要分支——专家系统。结合事故管理子系统的控制特点和专家系统的相应功能，构建了事故管理专家决策系统，对其基本框架和系统结构进行了简要的说明。希望在实际运行中能达到充分发挥事故管理子系统功能的目的。     

基于模糊推理的无检测器路口短时交通流预测

短时交通流预测是交通诱导与控制的关键技术之一.针对目前无检测器路口交通流预测研究相对较少的情况,提出了一种基于模糊推理的无检测器路口交通流预测方法,即在研究交叉口相关性的基础上,确定关键路口,通过模糊化交通流数据得到无检测器路口与关键路口的模糊关系,接着用模糊推理法得到关键路口对无检测器路口的流量查询表,无检测器路口的流量预测直接由流星查询表得出.采用该方法对合肥市实际路口的交通流量进行预测,实验结果证明了该方法的有效性、可行性.     

全国首个高速公路全程监控系统建成

近日,山东高速集团建成全国首个高速公路全程监控系统。 该系统通过每2公里设置一对外场摄像机,实现对高速公路全程路况的买时监腔,全天候对多种交通事件、事故进行自动检测、快速自动报警和录像,记录事故发生前1分钟和事故后两分钟的录像。     

基于HMM的车辆碰撞事件预测

近年来,基于数字图像处理的交通事件检测技术应用日益广泛.本文应用了隐马尔可夫模型进行高速公路上的车辆碰撞预测.本文首先通过车辆跟踪得到车辆的运动信息,然后根据提取的车辆相互运动信息利用HMM模型判断碰撞事件发生的概率.实验证明,该方法有效可行.     

基于旅行时间检测系统的交通应用研究

由于旅行时间的采集日趋精确，在交通领域被广泛地应用。首先介绍了一种基于精确车牌识别技术的旅行时间检测系统，然后重点阐述了检测数据的决策信息分析和处理，最后提出了一种以旅行时间为目标参数，以元胞自动机模型为基础的短时交通预测模型，并对其关键技术和难点进行了讨论和分析。     

车道流量自动统计及被占用对通行的影响

车流量检测是智能交通监控系统的重要组成部分. 提出一种基于灰度阈值的车流量检测算法,利用该算法对一条三车道道路上同一横断面相邻车道发生交通事故时,另一条未发生交通事故车道的车流量进行了统计,并对不同的未发生交通事故车道（内车道和外车道）的车流量的差异进行了t检验. 结果表明,利用该算法统计的车道的车流量准确率达95%以上,说明该算法是可行有效的;当相邻车道发生交通事故时,不同的未发生交通事故车道（内车道和外车道）的通行能力有显著差异.     

A real-time vehicle detection and a novel vehicle tracking systems for estimating and monitoring traffic flow on highways

Real-time highway traffic monitoring systems play a vital role in road traffic management, planning, and preventing frequent traffic jams, traffic rule violations, and fatal road accidents. These systems rely entirely on online traffic flow info estimated from time-dependent vehicle trajectories. Vehicle trajectories are extracted from vehicle detection and tracking data obtained by processing road-side camera images. General-purpose object detectors including Yolo, SSD, EfficientNet have been utilized extensively for real-time object detection task, but, in principle, Yolo is preferred because it provides a high frame per second (FPS) performance and robust object localization functionality. However, this algorithm’s average vehicle classification accuracy is below 57%, which is insufficient for traffic flow monitoring. This study proposes improving the vehicle classification accuracy of Yolo, and developing a novel bounding box (Bbox)-based vehicle tracking algorithm. For this purpose, a new vehicle dataset is prepared by annotating 7216 images with 123831 object patterns collected from highway videos. Nine machine learning-based classifiers and a CNN-based classifier were selected. Next, the classifiers were trained via the dataset. One out of ten classifiers with the highest accuracy was selected to combine to Yolo. This way, the classification accuracy of the Yolo-based vehicle detector was increased from 57% to 95.45%. Vehicle detector 1 (Yolo) and vehicle detector 2 (Yolo + best classifier), and the Kalman filter-based tracking as vehicle tracker 1 and the Bbox-based tracking as vehicle tracker 2 were applied to the categorical/total vehicle counting tasks on 4 highway videos. The vehicle counting results show that the vehicle counting accuracy of the developed approach (vehicle detector 2 + vehicle tracker 2) was improved by 13.25% and this method performed better than the other 3 vehicle counting systems implemented in this study.     

基于视频检测技术的交通事故仿真再现研究

本文实现了一种基于视频检测技术的交通事故仿真再现解决方案,该系统利用现有视频检测技术检测出交通事故中事故车辆的速度,加速度,运动轨迹等,并结合碰撞模型,得出事故车辆的运动规则,以此作为三维仿真的输入数据。利用3DMax开发事故中的物体模型,并通过Direct3D组件,应用视频检测得出的数据进行三维仿真模拟。     

基于物联网的车辆碰撞监测系统设计与研究

针对当前高速路车祸频发,难以对事故发生地准确快速定位而导致救援响应滞后的现状,本文提出了一种基于物联网的车辆碰撞监测定位系统。其搭载的加速度智能螺栓传感器能有效感知碰撞物理信号,数据传输模块中将LoRa技术和4G传输的结合实现了信号的远程同步实时传输,监测系统平台阈值隔离算法能有效分辨干扰信号和碰撞信号。经测试：本系统实现了对监测路段范围的有效实时监控,软件平台能在20秒内通过对碰撞信息的快速处理判断车祸所发生的具体位置、严重程度及发生时间等车祸信息,对于进一步提升高速路车祸救援响应效率、保障人民的生命财产安全具有重要的指导意义。     

雨雾天气下公路可变限速控制策略研究

针对雨雾天气下公路交通事故上升与通行能力下降的问题,综合考虑交通安全和通行效率两个因素,提出一种雨雾天气下可变限速控制策略;首先,考虑雨雾天气下道路线形对车辆速度和道路通行能力的影响,建立雨雾天气下动态交通流模型;然后,根据驾驶员可视距离、路面附着系数和道路曲线等因素确定雨雾天气下车辆最大安全速度;最后,采用自适应遗传算法对包含总行程时间和总行驶里程的目标函数进行求解,得到雨雾天气下各路段的限速值;仿真结果表明,所提出的可变限速控制策略有效降低了雨雾天气下公路的行车风险,并缓解了交通拥堵。     

基于AdaBoost分类器的实时交通事故预测

传统的道路交通事故预测是对交通事故次数及其造成的损失的历史趋势进行预测,针对其不能反映交通事故与实时交通特性关系、不能有效地预防事故发生的问题,提出一种基于AdaBoost分类器的交通事故实时预测的方法。首先,将交通道路划分为正常、危险两种交通状态,利用实时采集的交通流数据作为特征变量对不同的状态进行表征,将事故的实时预测问题转化为分类问题;然后,采用Parzen窗非参数估计的方法对两种状态在不同时间尺度下候选交通流特征的概率密度函数（PDF）进行估计,利用基于概率分布的可分性判据分析估计的密度函数,选择合适的特征变量及时间尺度,确定样本数据;最后,根据样本数据训练AdaBoost分类器对不同的交通状态进行分类识别。实验结果表明,采用交通流特性的标准差特征对测试样本分类的正确率比平均值特征高7.9%,更能反映不同交通状态的差别,获得更好的分类结果。     

基于轨迹稀疏聚类的高速公路车辆检测

针对高速公路中车辆的实时检测问题,提出了一种基于轨迹稀疏谱聚类的高速公路车辆检测方法。使用ORB算法检测特征点并利用基于金字塔LK光流算法进行跟踪得出特征点轨迹,将轨迹逆投影至三维世界坐标系,利用轨迹三维信息构建轨迹间的相似矩阵并对其进行稀疏化处理,采用谱聚类方法对特征点轨迹进行初步聚类,对谱聚类结果进行类间合并得出车辆检测结果。实验结果表明,方法花费了更少的时间代价,有效地解决了车辆遮挡问题,车辆实时检测精度提高至93%,具有一定的有效性和价值。     

基于计算机视觉的车体提取及跟踪算法研究

在对比图像背景差分算法与帧间差分算法的基础上,给出一种基于计算机视觉原理的车体提取及跟踪算法,对算法流程及其在车体识别、分割与跟踪过程中的具体实现方法进行了论述,并以某地交通治安卡口系统采集的图像数据进行了算法验证.