产品新闻发布

新疆石河子市公安交通科研所研制出“道路交通事故现场快速测绘系统”　　本刊讯 :新疆石河子公安交通科研所研究开发的道路交通事故现场快速勘查车 ,是采用了数字摄影测量、计算机自动测绘等先进技术 ,实施了道路交通事故的现场快速勘查 ,该项目1999年被科技部列入了国有级火炬计划和国家级重点产品 ,同时被国家计委列为重点工业试验项目。前不久 ,该项目在国家知识产权局主办的中国专利 15年成就展上荣获最佳项目奖。道路交通事故现场快速测绘 ,是“八五”期间国家设立的重点攻关课题 ,当时国内许多院校及公安部部属科研单位都在研究开发…     

基于VR的驾驶仿真及安全教育系统开发

针对全国道路交通事故高发现状及传统驾驶安全教育方式单一、培训效果差的缺点,基于虚拟现实技术（VR）,在引发交通事故人为因素理论基础上,开发驾驶仿真及安全教育系统。系统基于Unity3D引擎,构建了基于道路实景数据的虚拟场景,并联合SUMO实现了道路交通流仿真,通过VR技术仿真驾驶环境及驾驶行为;基于碰撞检测原理,建立了关卡违规触发机制,编码自定义屏幕空间渲染方式模拟驾驶员视觉效果,并构建了基于图像的交通事故现场三维全景,从认知、感知层面培训驾驶员安全驾驶。实用性测试结果表明,系统实现了不同道路场景、气象条件与交通状况下的驾驶模拟及安全培训,增强了使用者的学习兴趣,提高了使用者驾驶安全素养,具有较强的实用性。     

基于自动化与窗体嵌入的系统集成方法*

在探讨自动化和窗体嵌入方法的基础上,提出了通过自动化和窗体嵌入进行复杂系统集成的方法.该方法通过自动化实现系统的功能集成,通过窗体嵌入实现系统的图形用户界面(GUI)集成,给出了基于自动化的系统集成模型,探讨了窗体嵌入中的跨进程窗体捕获、嵌入以及控制等关键问题.利用该方法可以非常容易地实现不同语言平台下开发的应用程序的功能和界面无缝集成,不仅可以充分地利用已有资源,减少重复开发,而且大大降低了系统设计的复杂度,提高了系统的健壮性和可维护性.     

利用VFP开发自动化系统中的几个关键问题研究

介绍了利用ＶＦＰ开发自动化系统中所遇到的几个关键问题,分别以我校开发研制的ＥＳＴ－Ｃ１型电气试验车和银行部门的自动化回单系统为例,系统分析了试验界面,数据库系统和通信接口等方面的软件具体设计、提出了解决关键问题的办法,改进和完善了自动化系统的功能。     

基于Basic语言的前方交会内外业一体化系统设计开发

针对大坝外观变形监测外业自动化程度低,内外业耗时长等劣势,以GeoBasic和Visual Basic为开发环境,开发前方交会内外业一体化系统。系统实现了外业测量数据的自动化采集、电子观测手簿生成、平差计算、历史数据提取以及变形曲线图绘制等实用功能,提高了作业效率,节约了劳动成本,实现了大坝外观前方交会测量的内外业一体化。结合某电站大坝外观前方交会测量详述了系统的设计与开发。     

交通事故法医现场勘验虚拟仿真实验教学项目

涉及人员伤亡的交通事故往往需要法医参与现场勘验,但交通事故法医现场的实验教学场景难以模拟,导致法医学本科生难以掌握交通事故现场勘验的技能,虚拟仿真技术可以从根本上解决这一难题。文章介绍了交通事故法医现场勘验虚拟仿真实验教学项目,该项目基于虚拟仿真技术开发,以真实的交通事故案例为基础,注重思维模式的培养,实验内容涉及法医现场、法医物证、法医临床等多个法医学主干学科,充分展现了法医学破案的全过程,弘扬"为生者权,为死者言"的法医精神。     

开发适合我国国情的现场总线控制系统

基于现场总线及智能化仪表的控制系统FCS（Field bus Control System)将逐步取代DCS。现场总线的出现给我们带来了机遇与挑战，要用发展的眼光看待我国的自动化控制市场，开发制订适合我国国情的现场总线标准，振兴我国的自动化仪表工业，走具有中国特色的现场总线道路。重点讨论了如何开发适合我国国情的现场总线控制技术，分析了该现场总线控制系统的可靠性。     

多现场总线接口智能仪表设计

在不同现场总线的产品共存的自动化系统中,如何使新兴智能仪表与原有现场设备或未来更新设备在通信方面相兼容,已经成为一个现实问题.为此,提出了智能仪表中多现场总线接口技术.从硬软件方面研究了智能仪表中MODBUS、PROFIBUS和CANBUS三种现场总线通信接口,重点分析了设计中的关键问题,并结合电工仪表产品实现了三种现...     

基于照片的交通肇事现场平面测距

通过检测在交通肇事现场拍摄的照片上的标准模板,建立二维照片与三维场景之间的对应关系,借助标准模板的尺寸,直接从照片计算出肇事现场任意两点的距离,为交通事故的评判、绘制交通肇事现场平面图提供了客观数据。     

基于改进BP神经网络的道路交通事故预测

道路交通事故因受多种随机因素的影响而呈现出非线性的特点,传统的线性分析方法无法完全揭示其内涵。在分析道路交通事故与人、车、路等因素关系的基础上,利用神经网络具有描述非线性特性的能力,将影响交通事故的多种因素综合起来建立了基于改进BP神经网络的道路交通事故预测模型。选取人口密度、路网密度和机动车辆密度作为交通事故预测模型的输入神经元,采用道路交通综合死亡率作为道路交通事故的输出评价指标,对道路交通事故进行预测。实验结果表明,该预测模型能很好地适用于道路交通事故预测,验证了该模型的可行性和有效性。     

Velocity calculation by automatic camera calibration based on homogenous fog weather condition

A novel algorithm for vehicle average velocity detection through automatic and dynamic camera calibration based on dark channel in homogenous fog weather condition is presented in this paper. Camera fixed in the middle of the road should be calibrated in homogenous fog weather condition, and can be used in any weather condition. Unlike other researches in velocity calculation area, our traffic model only includes road plane and vehicles in motion. Painted lines in scene image are neglected because sometimes there are no traffic lanes, especially in un-structured traffic scene. Once calibrated, scene distance will be got and can be used to calculate vehicles average velocity. Three major steps are included in our algorithm. Firstly, current video frame is recognized to discriminate current weather condition based on area search method (ASM). If it is homogenous fog, average pixel value from top to bottom in the selected area will change in the form of edge spread function (ESF). Secondly, traffic road surface plane will be found by generating activity map created by calculating the expected value of the absolute intensity difference between two adjacent frames. Finally, scene transmission image is got by dark channel prior theory, camera’s intrinsic and extrinsic parameters are calculated based on the parameter calibration formula deduced from monocular model and scene transmission image. In this step, several key points with particular transmission value for generating necessary calculation equations on road surface are selected to calibrate the camera. Vehicles’ pixel coordinates are transformed to camera coordinates. Distance between vehicles and the camera will be calculated, and then average velocity for each vehicle is got. At the end of this paper, calibration results and vehicles velocity data for nine vehicles in different weather conditions are given. Comparison with other algorithms verifies the effectiveness of our algorithm.     

基于拥堵系数的道路交通网络关键路段辨识

城市道路交通的路段信息与车流量信息对道路交通的安全、高效运行至关重要.在交通高峰时期,通过对关键路段加以控制,可实现整个道路交通网络的完全能控.为寻找路网中的关键路段,将道路网络的交叉口-节点模型转化为道路网络的路段-节点模型,基于路段信息与车流量信息提出拥堵系数来衡量道路交通网络的车辆拥堵程度,并将其作为道路网络的路段-节点模型的边权重,最后运用关键路段辨识算法对道路交通网络的关键路段进行辨识.以沈阳市皇姑区主城区道路为例建立以拥堵系数为权重的网络模型, 按照所提方法辨识的关键路段数量为14条,约占道路网络总路段数的14.3%,具有较低的控制成本,且大部分为由北向南方向和由西向东方向.其中8条路段分布在皇姑区道路实时拥堵排行前5名,约占关键路段总数的57.1%,表明所给出的关键路段更多地分布在交通状态较为拥堵的路段上,符合实际情况.     

基于ACP方法的平行手机信令数据分析系统

随着交通拥堵和公共安全问题的日趋严重，传统方案在道路监测和区域监测方面不仅成本高，准确性和可靠性也无法保证，因此无法给用户提供一整套综合全面的出行路线规划及旅游目的地选择等方面的相关指导.本文提出基于ACP方法的平行手机信令数据分析系统，将解决上述问题.本文主要基于ACP方法，包括人工社会、计算实验和平行执行，构建基于手机信令的人工监控场景和实际监控场景.实际监控场景和人工监控场景平行执行，人工监控场景用来模拟和实验复杂的实际监控场景，通过大量计算实验，进行各种模型的训练与评估，通过平行执行不断地更新和优化，实时指导实际监控场景；同时实际监控场景将结果反馈给人工监控场景，对人工监控场景模型进行修正.通过实际监控场景和人工监控场景之间的不断优化，可有效提高手机信令系统的实时性、准确性和可靠性，并最终满足不断增长的实时用户需求，保证用户出行的舒适性及安全性.     

基于数字图像处理的交通信息检测

本文提出了一种基于数字图像处理的交通流量参数的检测方法，通过CMOS传感摄像头对交通道路摄取的车辆和交通场景来有效地检测交通参数，其中主要用到基于DSP的数字图像处理方法来对摄像头获取的图像进行获取、分析、分割及特征提取等。本方法可以完成单车道的城市交通要道的车辆计数和车辆速度检测等交通信息。该方法具有良好的实用性和可靠性，可用于现场采集交通信息以便调控交通道路状况。     

基于UE4的在线驾驶仿真系统设计与实现

驾驶仿真系统在交通安全研究中发挥着重要作用,但目前仍存在三维道路建模受限、仿真场景还原度不高等问题;研究采用虚幻引擎开发仿真功能模块,根据道路几何线形与交通流原始资料,能高效搭建出驾驶仿真场景;采用像素流送技术将视频帧发送到前端,设置硬件设备的轴属性映射,支持模拟驾驶外部信号输入,并实时将驾驶行为数据存入数据库,设计了一种轻量化、自动化、智能化的在线驾驶仿真信息管理与可视化系统;系统主要实现了道路自动化建模、人-车-路-环境信息管理、车道级真实交通流场景还原、在线模拟驾驶与数据可视化等功能;经测试,系统部署后能在Web端稳定运行,弥补了现有驾驶仿真系统的不足,为实验人员提供轻量高效的驾驶仿真服务。     

Road traffic density estimation using microscopic and macroscopic parameters

In this paper we present a comparative study of two approaches for road traffic density estimation. The first approach uses the microscopic parameters which are extracted using both motion detection and tracking methods from a video sequence, and the second approach uses the macroscopic parameters which are directly estimated by analyzing the global motion in the video scene. The extracted parameters are applied to three classifiers, the K Nearest Neighbor (KNN) classifier, the LVQ classifier and the SVM classifier, in order to classify the road traffic in three categories: light, medium and heavy. The methods are compared based on their robustness to the classification of different road traffic states. The goal of this study is to propose an algorithm for road traffic density estimation with a high precision.     

Prediction of Road Traffic using a Neural Network Approach

A key component of the daily operation and planning activities of a traffic control centre is short-term forecasting, i.e. the prediction of daily to the next few days of traffic flow. Such forecasts have a significant impact on the optimal regulation of the road traffic on all kinds of freeways. They are increasingly important in an environment with increasing road traffic problems. The present paper aims at presenting the effectiveness of a neural network system for prediction based on time-series data. We only use one parameter, namely traffic volume for the forecasting. We employ artificial neural networks for traffic forecasting applied on a road section. Recurrent Jordan networks, popular in the modelling of time series, is examined in this study. Simulation results demonstrate that learning with this type of architecture has a good generalisation ability.     

车路协同路侧感知融合方法的研究

随着智能网联汽车技术和产业的不断发展,智能网联汽车逐渐成为人们交通出行的选择之一。但受智能网联汽车自身环境感知系统对特定道路交通场景信息处理的局限,无法实现在所有行驶工况下安全高效的运行,其需车路协同路侧感知技术的辅助方能更安全高效的运行。海量的车路协同感知数据是城市道路和高速公路车路协同、运行分析和科学管理的宝藏,理解和分析这些数据是车路协同路侧感知融合的关键。面对车路协同路侧多传感器的不同数据,如何高效准确地挖掘和提取雷达、视频在不同时间、不同空间维度的数据,实现对重点交通场景(如视野盲区、急转弯道、隧道、桥梁)和交通事件、环境、设施安全等的雷达、视频数据进行快速融合检测、识别与检索,通过蜂窝车联网C-V2X网络在一定时延范围内有效地将路侧感知融合结果数据发送给智能网联汽车,确保其安全高效的行驶,是面向智能网联汽车辅助驾驶的车路协同路侧感知融合的关键问题。基于智能网联汽车其自身环境感知能力,对道路智能基础设施感知网络中的多传感器融合方法进行研究分析,提出了基于误差方差的多传感器融合算法,与非智能道路相比,其效率更高,更加智能化,可有效解决道路交通运行环境中存在的常见问题,为人们提供更加安全、高效、优质的交通出行服务。