快速路截面数据和车牌识别数据融合算法

为了提高快速路交通流检测精度,在对快速路截面数据和车牌识别数据预处理方法研究的基础上,提出了基于遗传算法优化的BP神经网络数据融合算法,并以VISSIM模拟交通流数据为对象,通过MATLAB程序实现该算法的仿真验证,同时与传统BP神经网络融合算法进行对比分析.结果表明,该算法融合的平均相对误差为0.73%,传统BP神经网络融合的平均相对误差为1.55%,融合精度显著提高.     

基于AIS数据的船舶轨迹修复方法研究

针对当前海上AIS数据量持续增加并且存在较多异常点,导致基于AIS数据的船舶轨迹构建困难,提出一种基于单船自身AIS数据进行轨迹异常点识别与修复方法.此方法充分利用AIS数据中的经纬度、速度、加速度以及航向等参数,进行轨迹异常点判定与修复,与基于单一位置数据的异常点判定与修复方法相比,能有效减少异常点的漏判,提高AIS...     

基于车牌识别数据的交通拥堵识别方法

针对目前缺少基于车牌识别数据的交通拥堵识别方法的相关研究,使得建设及维护成本均较高的车牌识别系统只能实现交通监控、流量检测等初级功能,导致系统性价比较低的问题,分别设计了基于车牌识别数据的单车行程速度采集方法及区间平均行程速度采集方法,对交通拥堵的识别方法进行了研究,并进行了实例分析.结果表明,单车行程速度采集方法及区...     

基于车牌识别数据的旅行时间可靠性研究

车牌识别数据是一种城市道路行驶车辆的实时监测数据,具有数据量大且持续生成、时间空间相关等特性。针对当前基于车牌识别数据进行智能交通的相关研究较少,本研究利用车牌识别数据进行旅行时间可靠性的研究,首先进行旅行时间数据的获取及处理,然后利用处理后的数据,选取缓冲指数作为旅行时间可靠性主要评价指标,标准差与拥挤频率为辅助指标,对青岛市某路段车辆的旅行时间可靠性进行评价分析,证明了方法的有效性。     

基于实时优化的轨迹快速重构方法

针对临近空间飞行器执行特定任务时,由于干扰的影响导致实际轨迹偏离初始设计轨迹的问题,本章利用一种基于拟牛顿法的轨迹优化算法,通过飞行状态反馈,提出了一种利用优化算法对飞行轨迹进行分段实时优化而实现干扰作用下的飞行轨迹快速重构方法.仿真结果表明,该算法能对干扰作用下的实际飞行轨迹偏离初始设计轨迹实现快速重构,从而消除随机干扰对临近空间飞行器的飞行影响.     

GPS数据下的城市路网关键路段识别

为识别城市路网中的关键路段,提出了一种基于浮动车GPS轨迹的识别方法。以处理后的GPS轨迹作为基础数据,借助Apriori算法提取频繁出现在轨迹中的路段及路段集合,将计算得到的路段及路段集合支持度作为重要度进行排序,筛选得到关键路段及由关键路段组成的路径。选取上海市某一区域路网及出租车GPS数据进行算例分析,结果表明,提出的方法能够识别出城市路网中的关键路段。利用GPS轨迹识别关键路段,能够减轻计算工作量,同时还能获得路网中交通流的主要流向,为城市路网关键路段的识别提供了新思路。     

基于模糊神经网络的混合交通流路阻测算模型

在"互联网+交通"的背景下,为了更好地模拟机非混行道路上的路阻变化情况,提出了一种新的模糊神经网络自组织测算模型。首先,在非线性回归模型的基础上,对单幅路面上的混合交通流数据进行样本预处理。然后,设计一种自组织聚类算法,自动地确定模糊神经网络的结构和参数初值,再通过监督学习优化模型参数,得到满足精度要求的道路阻抗仿真值。最后,以成都市太升南路作为实际算例,验证模型的有效性。仿真结果表明:该模型可涵盖样本空间72.62%的数据,并有效抑制了非线性回归模型因样本信息冗余或缺失所导致的多重共线性;与既有的道路阻抗测算方法相比,模型在均方根误差和平均百分误差性能评价指标上分别降低了33.25%和37.58%,拟合度更高,并较好地反映了单幅路面上道路阻抗变化的波动性与随机性,与实际相符。     

基于运行轨迹的网联混合车流速度协调控制

为了减少车辆走走停停的不利影响,提出了一种基于运行轨迹的单车道速度协调控制策略.首先,利用路测交通传感器采集的信息对下游车辆簇中的网联自动驾驶车辆(CAV)轨迹进行偏移和修正,以预测尾车人工驾驶车辆(HV)的运行轨迹.然后,对上游车辆簇CAV的速度分布进行规划,使上游CAV车辆簇能以更合理平滑的速度逐渐合并到下游车流....     

面向排放测算的随机性对跟驰模型车队稳定性的影响研究

在基于微观交通仿真模型进行交通能耗排放评估时,跟驰模型生成的车辆轨迹无法代表实际交通环境的驾驶特性,从而导致显著的排放测算误差,同时车辆排放在车队中的稳定性未被充分考虑。本文基于真实的车队轨迹比较了Gipps跟驰模型、全速差模型(FVDM)、智能驾驶员模型(IDM)和Wiedemann模型的面向排放测算的车队稳定性,分析了参数敏感性和随机性对跟驰模型的影响,提出了考虑随机参数的Gipps跟驰模型。结果表明,与Wiedemann模型相比,FVD模型和IDM模型在排放测算方面的误差较小,并且上述三个模型的排放测算误差沿车队是稳定的。Gipps模型能够真实地刻画车队中第一辆跟驰车的车辆动力学,但排放测算误差沿车队逐渐增大。参数敏感性分析表明模型参数标定难以提高Gipps模型的车队稳定性。结合随机参数对Gipps跟驰模型进行优化后,加速度分布均方根误差、VSP分布均方根误差和排放因子相对误差分别降低了5.00%、2.52%和11.04%,车队误差的标准差分别为0.18%、0.08%和0.86%,这表明随机参数能够提高Gipps跟驰模型面向排放测算的车队稳定性,提升仿真轨迹用于车辆能耗排放评估的准确性。     

基于改进YOLOv8和LPRNet的车牌识别算法

车牌定位检测与识别是实现智能交通系统的关键技术之一。为解决传统方法定位不准确、识别率低的问题,提出一种基于改进YOLOv8和轻量级识别网络LPRNet的车牌识别算法。在YOLOv8网络架构中增加卷积块注意力模块(convolutional block attention module, CBAM),通过特征融合提升目标检测的准确率;在LPRNet中加入多头自注意力(multi head self attention, MHSA)机制,增强网络的特征提取能力;在识别网络模型的训练阶段引入对抗训练,增强模型的泛化能力和鲁棒性。在CCPD数据集上的实验结果表明,本文算法对车牌检测的平均精度均值(mAP@0.5)达到98.7%,车牌识别准确率达到97.21%,均优于其他同类主流算法。     

基于2D Gabor滤波器和LBP的车牌识别研究

本文提出一种基于2DGabor滤波器和LBP的车牌识别方法,与基于2DGabor滤波器的方法相比,该方法降低了图像维数,识别时间短,识别精度高。首先利用2DGabor滤波器对归一化后的图像进行低通滤波,然后使用LBP提取车牌纹理特征,最后用支持向量机作为分类器。在课题组自建的车牌库上进行实验,取得了94.3%的识别率和每张图像0.291s的识别时间,说明该方法基本满足实际需要。     

基于KPCA数据重构的参数优化方法

传统的多变量统计过程监控技术采用的故障模型是线性的,该模型在具有强非线性特征的工业过程的故障诊断及预测方面的效果不够理想。针对复杂系统,需采用非线性数据模型的故障描述,研究基于核主元分析(Kernel Principal Component Analysis,KPCA),KPCA数据重构的最优参数选择方法十分必要。采用网格搜索法和交叉验证法相结合的方法确定KPCA算法和支持向量机(Support VectorMahine,SVM),SVM回归算法的最优参数,使重构误差为最小。以TE过程为仿真实例,仿真结果表明:所提出的基于KPCA数据重构的最优参数选择方法是有效的。     

基于轨迹数据的干线绿波协调控制效果评价

由于干线绿波协调控制方案实施路段的物理与交通特性差异,在实际交通场景中不同干线协调控制效果难以量化比较。从绿波协调特性出发,提出了一种基于车辆轨迹数据的城市干线绿波协调控制效果评价方法,以实现对不同绿波控制方案的评价。首先利用轨迹数据进行方案评价所需的车辆OD矩阵统计;在考虑协调干线路段内未协调车辆数对干线绿波协调影响下,利用车辆实际与理想连续通过交叉口数构建干线绿波协调控制评价方法;最后用VISSIM进行了仿真验证。结果表明：该评价方法能够对不同干线绿波协调控制方案进行准确评价,且在较低轨迹统计车辆渗透率下仍具备可行性。本文方法有助于绿波协调控制算法的优化与实际应用。     

基于轨迹大数据的路径优化算法

基于单兵移动轨迹进行行动预测和路径优化的方法被提出。以智能化单兵多跳中继通信系统为前端,获取单兵的轨迹数据并实时传回到指挥控制后台,在后端综合运用数据存储、轨迹预处理、标记任务点、聚类点分析、轨迹分段等实现轨迹数据管理,最后,采用相似性度量算法等开展了最优路径求解计算。结合地试验数据,经验证,表明绘制的轨迹图与实际行动相符,优化后的路径具有距离短、信号覆盖率大等特点,有实际应用价值。     

基于D-S证据理论的障碍目标身份识别

以越野环境中典型的障碍物为识别目标,选用单目视觉与激光扫描仪建立融合系统,基于D-S证据理论融合多传感器信息,实现UGV对障碍目标的身份识别。首先将每个传感器的观测数据从观测空间变换到证据空间,对每种身份分配一个基本概率赋值;融合系统再根据Dempster组合规则计算各个命题组合后的概率赋值函数和相应的信任度区间,然后计算综合概率赋值函数和信任度区间;最后根据计算结果和决策规则进行障碍身份识别。试验表明:该方法优于利用单个特征识别障碍物身份,能大大提高系统对于障碍物的识别分类能力。     

基于G-P算法的快速路交通流参数相空间重构

提出了一种基于混沌分析的G-P(Grassberger-procaccia algorithm)算法将非平稳交通流参数时间序列近似转化为平稳时间序列的方法。首先采用自相关函数判断自由流状态、拥挤流状态和阻塞流状态下交通流基本参数时间序列的平稳性。然后应用G-P算法计算嵌入维,进行相空间重构,给出交通流参数时间序列平稳化方法。最后利用快速路交通流实测数据,对3种状态下非平稳的交通流参数时间序列的平稳化进行验证,结果表明:本文方法能够为交通流参数分析、拟合和预测提供科学合理的输入集。     

基于车辆排放的城市道路交叉口信号配时优化仿真

利用TSIS微观交通仿真软件对长春市工农广场交叉口的交通运行状况、排放情况进行了仿真模拟,提出了两个以排放为主要评价指标的信号配时优化方案,以延误作为辅助验证指标,分别进行了对比分析,从排放角度确定了最佳的信号配时优化方案。该方法为城市道路交叉口信号配时优化中如何考虑排放问题提供一种新思路。     

基于GPS轨迹数据的电动出租车充电站选址规划

针对电动汽车保有量持续增长、充电设施匮乏难以满足用户需求的问题,提出一种基于GPS轨迹数据的电动出租车充电站选址规划方案。首先利用出租车GPS数据分析用户潜在充电需求并提取需求分布;其次提出一种基于网格密度分区的DBSCAN聚类方法,与传统算法相比DB指数由0.34降为0.30,对需求进行聚类和划分需求密集区,设置预选站址;最后,构建集合覆盖模型实现站址优化。利用此方案对北京大兴区出租车轨迹数据进行仿真,得出了合理的选址结果,即该方案可为电动出租车充电站规划提供参考。