基于CBR的车牌识别技术的研究

为提高车牌识别的速度和准确性,在图像处理与车牌识别技术相结合的基础上,提出了一种基于实例推理（CBR）的车牌识别方法,实现CBR在车牌识别领域的应用。描述了基于CBR车牌识别过程,分析了将CBR应用于车牌识别原因和前景,并提出了图像基于实例检索的关键技术和研究方向.     

一种面向定点轨迹数据的行程识别方法

为了对长周期定点轨迹数据进行行程识别,提出了一种基于动态阈值的定点轨迹数据行程识别方法.首先,采用聚类方法确定与阈值相关的时空多粒度参数;其次,根据参数对历史记录进行统计,计算参数对应的阈值;利用时空相关参数获取对应阈值,对轨迹进行分段,进而实现行程识别.基于真实的城市交通卡口数据的实验结果表明,使用时空相关的动态阈值方法对定点轨迹数据进行行程识别在准确率和覆盖率上都要优于传统基于固定和单一阈值的方法.     

一种快速车牌识别系统

本文提出了一种基于模板匹配的快速车牌识别方法。该方法运用了数学形态学知识进行车牌的定位,然后采用基于模板匹配的相关函数做相似度测试,完成字符识别。经大量实验证明该方法能有效地完成不同解析度和不同模糊程度的车牌识别工作,而且识别精度高、速度快,能满足实际系统的要求。     

采用低频浮动车数据的行程时间估计

为解决利用低频浮动车数据进行路径行程时间估计时精度不高的问题,从分析浮动车数据特征的角度出发进行行程时间分布的估计,提出并讨论利用浮动车数据估计行程时间的潜在误差,针对每种潜在误差提出修正模型,并选取上海市长寿路部分路段进行实证分析,利用1 500辆出租车数据,对各种修正方法下的行程时间进行估计,与改进内插值估计方法进行对比,并与车牌识别装置提供的直接行程时间估计结果进行相似性分析.结果表明:所有误差均修正的行程时间估计与改进内插值方法相比,平均估计精度提高9.5%,且估计的中位数、25%分位数和75%分位数与车牌识别方法有较高的匹配度.考虑低频浮动车数据误差修正的行程时间估计可以改善估计的精度,可提供有效的行程时间信息.     

基于混合深层网络与云平台计算的车牌识别系统

为提高车牌文本识别的精度和处理速度,研究设计了一种基于混合深层网络与云平台计算的车牌文本识别系统。该系统基于C++语言与TensorFlow开源框架实现。在采集现实场景车辆图像并进行数据标准化之后,采用融合生成式与判别式的混合深层网络对样本图像进行训练,以提高识别精度,同时建立由前端模组采集车辆图像数据到后端模组计算分析数据的云平台计算架构,借助综合云计算平台的存储与计算能力提高识别效率。实验测试结果显示,这种车牌文本识别系统具有更高的识别精度和效率,面对1万例陌生样本,其识别正确率可达99. 4%。     

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。     

汽车牌照自动识别系统的设计和研究

车牌识别是指通过图像处理、模式识别和统计分析等方法从车辆图像中提取车牌字符信息,从而确定车辆身份的技术.车牌识别包括图像采集、图像预处理、车牌定位、车牌分割、字符识别等5个核心部分.这里提出一种基于MATLAB的车牌识别系统的实现方法,综合使用多种方法提高系统的有效识别能力.该方法可以解决在有噪声和光照恶劣情况下车牌定...     

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.     

基于平移、转动和大小变动对象的不变性识别

IOR（不变对象识别）是基于对象在平移，转动，大小变化等情况下的识别方法。该方法分两步：第一步，预处理阶段，通过归一化转动惯量和采用一种新的编码方法来抽取对象的不变拓扑特征，并存入一个数据库中。第二步，识别阶段，采用了一种亲笔最近相邻算法（HNN），首先自学习预处理得到的数据，并得到对象的总的特征，再通过HNN算法来识别对象。该方法用于实际车牌识别，能得到满意的结果。     

基于模糊逻辑的交通拥挤状态识别算法

在模糊综合评判算法的基础上,提出基于模糊逻辑的交通拥挤状态识别算法。该算法将占有率、密度和行程时间3个基础交通流参数进行组合,得到服务水平、相对密度、相对行程时间3个新的特征变量,采用梯形函数分别计算隶属度,根据隶属度评判交通拥堵状态,最后结合某城市主干道路采集的交通动态参数对此方法进行算例分析,显示该算法的工作流程与输出结果。       

基于收费数据的高速公路交通拥挤自动判别方法

针对高速公路交通拥挤日益严重的现象,通过对收费数据的深层挖掘和高效利用,提出了基于滚动时间序列的行程时间数据合成方法,以此为基础构建了交通拥挤指数,并基于交通拥挤指数的变化特征对拥挤持续时间进行了在线估计;结合收费站布局的时空特征,设计了基本路段和复合路段融合的高速公路交通拥挤自动判别方法．实证分析表明,该方法在判别率提高到96．52％,误判率降低到0．43％的同时,判别时间减少了74％,而且收费数据的获取成本为零．     

基于车牌识别数据的机动车出行轨迹提取算法

为了提取城市路网上所有运行车辆的出行轨迹,系统科学地再现所有车辆的运行场景,进而为分析城市交通需求的结构和时空分布特性提供数据支撑,提出基于车牌识别数据的机动车出行轨迹提取算法.通过车牌及时间戳排序提取出行链;利用相邻节点间的速度,结合交叉口邻接矩阵完成行链的分离;基于K则最短路径算法（KSP算法）及灰色关联法（GRA算法）,对出行轨迹进行补全重构.对贵阳市南明区的实际车牌识别数据进行算法测试.结果表明,提出的基于车牌识别数据的机动车出行轨迹提取算法在测试区域的综合准确率大于92%.     

基于Mixed logit模型的拥挤收费下交通方式分担率预测

分析了传统非集计模型存在的缺陷,提出利用mixed logit模型研究拥挤收费下交通方式分担率变化的思路。结合实际居民出行数据建立了基于mixed logit的交通方式选择模型,利用SAS软件进行蒙特卡罗模拟计算,标定了模型并进行了仿真分析。经验证,所建模型具有较高的命中率和可用性。加入拥挤收费影响因素进行敏感性分析,可得出不同拥挤收费费率下的交通方式分担率。应用该模型能为拥挤收费下的出行行为分析和交通影响研究以及其他交通需求管理政策的评价提供了方法。     

基于交叉口车牌识别数据的网络交通状态分类方法

为实现能实时、高效、准确地利用现有的车牌识别数据掌握路网交通状态，并精准实施道路交通网络控制措施，基于道路交叉口车牌识别系统数据，依据基于平均最短路径长度的拥堵指标衡量路网运行状态，使用K-means聚类算法进行分类，依据谱距离指标和拥堵指标分类不同时段的网络剩余供给能力。在此基础上，依据实时的道路交通数据，计算拥堵指标，可得到实时道路网络剩余供给能力分级。针对分级后的实时道路网络的实际剩余供给能力，设计不同的网络交通管控方案，能有效缓解交通拥堵。以长沙市五一广场局域道路网络为实例，研究结果表明：城市道路网络状态全天可以分为4种类型，拥堵指标为1.522、1.823、2.207、3.069,分别对应路网剩余供给能力良好、一般、较差和极差。该网络早晚高峰时段路网剩余供给能力多处于较差状态，并且晚高峰时路网有可能处于剩余供给能力极差状态。相比于工作日，在周末的高峰时段，路网剩余供给能力表现较为良好。采取针对性交通管控措施后，经仿真验证表明拥挤路径社会总成本下降5%以上。     

基于环形线圈检测器信息的交通状态模糊识别方法

交通状态是表征交通流运行的拥挤程度,它是各种交通管理与控制的基础．在分析交通流运行特性的基础上,得出交通量和占有率比平均车速对交通状态的变化更加敏感．提出了以交通量和占有率为输入变量的交通状态模糊识别方法,并根据实际交通流的运行特性,对输入变量的隶属函数进行了确定．最后,利用某路段环形线圈检测器的实测数据进行了实证研究,结果表明该方法的识别结果与实际交通状态十分相似,可见该方法具有良好的实用性．     

Logit模型下的道路拥堵收费策略改善效果分析

为探讨拥堵收费策略的改善效果,从出行者的综合成本出发,构建适用于拥堵收费的路阻函数和Logit交通分配模型,探讨拥堵收费下交通出行在路网上的重新分配.并以南京市应天大街高架为例设置了拥堵收费虚拟方案,应用路阻函数和交通分配模型进行分析后得出拥堵收费在交通出行量分布、出行分担率、道路服务水平和行程速度上的改善效果.结果表明:拥堵收费能有效引导交通出行的重新分布,提高路网总体通行效率和服务水平,可以认为拥堵收费对交通的改善具有一定效果,但改善效果和拥堵收费费率不是线性正比关系,本次虚拟收费方案下收费费率为5元/次时可取得最佳改善效果.     

Impacts of variable message signs on traffic congestion

The variable message signs (VMS) have been widely used in guiding and managing the dynamic traffic with development of intelligent transportation technologies. It is known that cell transmission model (CTM) can well reproduce such traffic dynamics as shock waves and jams. This paper presents a new method to estimate the route travel times by using the CTM in conjunction with a logit-based route choice rule. The impacts of VMS on a two-route scenario with recurrent and non-recurrent traffic congestion are numerically investigated by analyzing the changes of route flow and travel time. Simulation results show that in networks with suitable long links, the VMS can positively influence travelers' decision making so as to improve the system performance. For non-recurrent congestion, the value space of the route choice parameter that affects the flow distribution between two routes is narrower in the case of high traffic demand than that in the low demand case.     

基于决策树的交通拥挤状态预测

随着交通需求量的增加,城市道路拥挤现象越来越严重,所造成的直接或间接的经济损失是难以估量的.若能可靠地预测出即将形成的交通拥挤状态,并采取及时、有效的交通管理措施,可以避免交通拥堵的产生或减轻其严重程度.城市智能交通信息平台积累了大量的交通数据,各交通数据往往存在某些内在的联系.分析影响交通拥挤状态的环境因素,利用数据挖掘中的决策树方法对大量已有历史交通数据进行挖掘可以确立交通拥挤发生模式,从而利用发生模式与当前数据来预测交通流拥挤状态.决策树擅长处理非数值数据,而且计算速度快,对交通拥挤状态预测具有较强的适用性.