面向交通信息采集的智能无线传感器节点

为了准确实时获取交通信息参量,利用无线传感器网络技术作为智能交通感知前端和通信手段,融合GPRS技术,构建交通信息采集网,为道路交通信息采集提供了更加便捷的解决方案。设计了交通信息采集的传感器节点,提出了动态车辆探测算法和车速测量算法。实测结果表明:动态车辆探测算法和车速测量算法能够在计算能力有限的传感器节点上实现,能准确实时地获得车流量、车速等交通参量;该交通信息采集系统能满足网络大规模部署的需求,可应用于智能交通系统。     

基于无线传感器网络技术在交通信息采集系统的应用

交通拥挤、道路阻塞、交通事故的频繁发生,以及交通造成的环境污染日益成为制约国民经济发展的瓶颈.为了防止交通拥堵现象的进一步恶化,各国政府纷纷启动智能交通计划.针对智能交通系统的关键在于交通信息采集,开发成本低、可大量布设到各个路口的基于无线传感器网络的交通信息采集系统.主要介绍应用于智能交通时无线传感网络的构成,包括无线传感器网络的体系构架机器如何应用于交通信息采集领域,以及要开发原型样机的软硬件指标和通信协议、生命周期分析.     

无线传感器网络在智能交通中的应用

针对目前中国的交叉路口多、车流量大、交通混乱等现象,阐述了基于无线传感器网络的智能交通系统的基本原理。结合国内外将无线传感器网络应用于智能交通网系统的已有研究应用情况,指出了无线传感器网络技术应用于智能交通中的交通信息采集、交通信息传输、交通控制和诱导等方面的几个关键技术,以便为进一步研究并拓展无线传感器网络在智能交通中的应用提供参考。     

交通网络控制防冲突算法研究与仿真

研究非均匀无线交通网络控制中的防冲突问题,降低链路冲突率.由于非均匀无线交通控制网络传感器分布的不均匀特性使得传感器节点在事件易发区域部署较密集,当事件发生同时触发多个节点时,存在网络的节点链路占有率较低,传统的防冲突算法仅通过路由算法避免单一冲突的发生,不能有效解决多触发存在的节点链路占有率低的问题,造成链路冲突率较高.为解决上述问题,提出了节点分簇的非均匀无线交通控制网络链路防冲突算法.通过能量评估模型将易同时触发的节点分为一簇,据能量最大原则选取一个簇中心节点,事件发生触发多个节点时,数据不是随机传输而是汇集到簇中心节点中完成最终的传输.仿真结果表明,改进方法能够避免单一路由算法不能提高节点链路占有率的问题,有效降低链路冲突率.     

无线传感器网络节点定位研究综述

深入探讨分析了无线传感器网络定位技术,从无线传感器网络定位算法分类、评价指标、距离相关和距离无关定位算法等方面进行分析,重点对比了几种典型算法,结果表明:不同的算法具有应用环境单一性,应结合实际需求选择合适的算法.研究分析了新型无线传感器网络定位方法,主要包括移动锚节点定位算法、三维空间定位算法和智能定位优化算法.总结当前无线传感器网络定位研究中存在的问题,并给出未来改进的研究方向.     

基于磁阻传感器的无线交通信息采集系统设计与实现

针对现有交通信息检测方式的弊端,提出了一种新的基于CC2530的无线交通信息采集系统设计方案.首先介绍了系统的网络体系结构,其次详细分析了交通信息检测系统的放大滤波电路、复位电路、微处理器和天线模块的硬件设计方法和工作原理,介绍了交通信息采集系统的数据处理流程.实际测试表明:设计的系统交通流量和车速的检测率可分别达到96％和91％,功耗低,在智能交通信息采集方面有广泛的应用前景.     

基于无线传感器网络车速监测算法

为了构建基于无线传感器网络的大规模、低成本、低功耗的交通信息采集系统,本文提出了一种车辆速度检测 算法。将一跳通信范围内的路由节点和多个传感器节点看成是一个子网,路由节点实现子网内的时间同步和车速计算。 通过实验验证了该车速检测算法的精度可达到 95% 左右。     

WSN中基于DSmT的车辆识别方法研究

车辆识别技术是无线传感器网络(wireless sensor network,WSN)智能交通应用中的关键技术.由于实际部署环境的复杂性,由传感器节点获取的信息往往有一定的不确定性,而且不同信息之间会有冲突发生.通过分析实测数据,引入Dezert-Smarandache Theory(DSmT)推理理论,提出一种新颖的物理量构造基本信任指派模型,融合车速与传感器对车辆的响应强度信息,从而获得机动车与非机动车等车型信息.实验结果证实了所构建的基本信任指派模型的可行性以及基于DSmT的车辆识别方法的高效性.通过与基于DST的车辆识别的结果进行比较,发现DSmT方法在处理高冲突性信息方面具有更好的性能.     

一种无线传感器网络自适应休眠算法的研究

降低无线传感器网络的能耗一直是迫切解决的问题。通过对无线传感器网络节点能耗分布情况的研究,发现对无线传感器网络节点休眠,可以减少节点收发能耗。针对降低无线传感器网络节点能耗的问题,文中基于多因素、多层次的层次分析法,设计了一种无线传感器网络自适应休眠算法(AHP休眠算法)。实验表明该算法依据信息采集需求和节点剩余能量自适应控制网络节点的休眠和收发,与传统的RS休眠和定时休眠算法对比,提高了节点能量的利用率,延长网络生命期。     

无线视觉传感器网络的节点设计

无线视觉传感器网络将监测的环境信息拓展到视觉层面,实现更精细化的监测,引发国内外研究人员的诸多关注.针对无线视觉传感器网络的特殊性,以高性能嵌入式处理器为核心设计了无线视觉传感器节点硬件,包括微处理器模块、无线收发模块、视觉信息采集模块、电源管理模块等;软件程序支持采集环境视频并进行压缩处理,获取节点间距离和节点剩余电量参数,支持自组建Ad-hoc网络进行节点间无线通信、视频传输和节点参数交换等.实验验证表明,所设计的无线视觉传感器节点运行正常,节点间距离测算以及剩余电量获取满足传感器网络应用需求.     

基于视频的夜间车辆检测与跟踪算法研究

针对夜间高速光照条件差、车灯种类多样、环境因素干扰等导致的车辆难以检测的问题,提出了一种基于视频的夜间车辆的检测与跟踪算法。该方法首先将OTSU与一维最大熵阈值分割算法相结合来实现车灯的提取,剔除非车灯光源;然后利用车灯的时空特性完成车灯的匹配,解决了一车多灯和并排同速车辆的问题;最后利用kalman滤波器完成车灯的预测跟踪。在交通弱光流畅交通、正常光流畅交通和正常光拥堵交通3种应用场景下对所提算法进行应用和结果分析,实验结果表明所提方法在保证实时性的同时具有较高的准确率。     

基于DSP的单车道车流量实时监测算法

针对传统的车流量检测系统采用感应器设备硬件安装繁杂及通用车流量检测算法无法判别车辆行驶方向的问题,提出一种基于数字信号处理器（DSP）的单车道车流量实时监测算法,并应用于停车场。首先,在虚拟检测带上使用背景差分法完成车辆检测,并对均值法背景建模进行改进;其次,提出一种邻帧二值归类算法对车辆行驶方向进行判别;最后,在虚拟检测带上进行车流量计数并将车位情况实时显示于LED显示屏上。通过模拟实验验证了所提算法的可行性,并在实际测试实验中,得到邻帧二值归类算法方向判别的准确率为96.5%,车位监控算法准确率为92.2%。实验结果表明,该单车道车流量实时监测算法准确率较高,节省了检测系统设备,可以应用于单车道停车场进行车流量实时监测。     

交通图像中机动车联合检测与识别

目的 机动车检测和属性识别是智能交通系统中的基本任务,现有的方法通常将检测和识别分开进行,导致以下两个问题：一是检测算法与识别任务在时序上存在耦合问题,增加了算法设计的复杂度;二是多个任务模块及其交互会增加计算负载,降低了智能交通系统的执行效率。为了解决以上问题,结合机动车辆视觉属性与检测之间的联系,提出机动车联合检测与识别方法,将检测和属性识别任务整合在一个算法框架中完成。方法 首先,将车辆颜色与类型融合到检测算法中,使用多任务学习框架对机动车的属性识别任务与定位任务建模,在检测的同时完成属性识别。进一步地,针对智能交通系统中数据分布不均匀、呈现长尾现象的问题,将多任务学习框架与在线难例挖掘算法相结合,降低该现象给模型优化带来的危害。结果 为了验证本文提出的方法,构建了拥有12 712幅图像,包含19 398辆机动车的道路车辆图像数据集。在该数据集上,使用机动车联合检测与识别算法取得了85.6%的检测精度,优于SSD （single shot detector）与Faster-RCNN检测方法。针对识别任务,本文方法对于颜色与类型属性的识别准确率分别达到了91.3%和91.8%。结论 车辆颜色和类型作为机动车的重要视觉特征,综合利用以上线索有助于提高机动车检测的效果,同时能够得到良好的属性识别性能。除此之外,使用一个高度集成的框架完成多个任务,可以提升智能交通系统的运行效率。     

仿昆虫复眼的交通视频停车事件检测方法

实现了对普通公路和高速上的停车事件自动监控,提出一种仿昆虫复眼的交通事件检测方法。利用新的背景差技术提取出包含视频中的目标的前景图,把整个前景图分割成许多小块,以块为单位检查每个网格内前景点的分布,并对每一个网格建一停车事件数学模型,实现对停车事件的自动检测。最后,对不同环境下的多组视频进行测试,结果证明该算法检测精度高且算法实时性好,具有较好的鲁棒性。     

基于DSP的车型检测器设计及其算法的研究

车型分类是高速公路自动收费和交通流量统计的重要依据,它是智能交通(ITS)的一个重要组成部分。本文针对车型检测器硬件结构和处理算法两方面提出一些具有创新性的设计方案,介绍了由LC振荡电路和TMS320F2812处理芯片构成的车型检测器的硬件结构,为克服LC振荡电路频率不稳定的固有缺陷提出了基频更新算法。并提出了利用一维数学形态滤波方法过滤实际应用中的噪声信号的方法,最后简单介绍了基于粗糙集BP神经网络车型分类算法。     

无线传感网中混合业务下的触发式流控制算法

无线传感器网络中,节点所具有的能量和通信能力等都十分有限,如何设计有效的协议及算法,利用有限的资源高效地完成诸多任务,成为无线传感器网络设计所面临的一大挑战.考虑接收容量模型,研究了无线传感器网络在节点接收容量和能量联合受限情况下,面向混合业务时的效用公平流控制问题,并针对传统对偶分解算法存在着收敛速度慢、步长不易调节、通信负荷大等缺陷,进一步提出了基于事件触发的分布式求解算法.理论分析与仿真验证均表明:使用事件触发算法时,传感节点的平均广播周期比使用对偶分解算法时大很多,大幅度降低了无线传感器网络节点间的通信量,减少了网络的通信开销.仿真结果显示:与对偶分解算法相比,分布式事件触发算法具有收敛速度快、对网络规模扩展的适应性强等优势;与传统的速率公平流控制机制相比,所提的效用公平流控制模型能够更加适应弹性与非弹性业务共存的网络场景.     

面向智慧交通的图像处理与边缘计算

随着全球人口的持续增长和城市化进程的加速,道路拥挤、交通事故和污染排放增加等问题日益严重。智慧交通系统旨在借助先进的信息与通信技术建成高效安全、环保舒适的交通与运输体系,提供全方位的交通信息服务和安全高效、经济快捷的交通运输与出行服务。经过各国多年来的竭力推进与发展,智慧交通系统在交通管理、自动驾驶与车路协同等方向均得到广泛的应用。智慧交通的发展离不开通信、计算机与控制等研究方向的突破与创新。其中,图像处理作为智慧交通系统的核心技术之一,它的研究进展直接影响着智慧交通系统的部署。图像处理技术是指计算机对图像进行增强、复原、提取特征、分类和分割等技术处理,通过对交通视觉图像的处理,为智慧交通系统的感知、识别、检测、跟踪和路径规划等功能提供了最直接与重要的信息。此外,面对智慧交通系统所产生的大量数据计算任务,边缘计算技术则将中心云服务下沉至各边缘节点附近,不但能够优化算力负载分配,还能够满足智慧交通应用与服务对低时延、高响应速度的需求。本文从智慧交通系统的发展现状入手,分别围绕面向智慧交通的图像处理与边缘计算技术,阐述其研究热点与前沿进展,汇总与比较国内外的相关学术和产业成果,并对智慧交通...     

基于SCSO-GRU模型的网络流量预测

网络流量有实时性、不稳定性和时序相关性等特点,传统网络流量预测模型存在泛化能力不强和预测精度低等不足之处。为解决这些不足,本文提出一种结合基于正余弦的群优化（SCSO）算法的GRU神经网络的网络流量预测模型（SCSO-GRU）。首先,介绍SCSO算法的粒子更新原理;然后构建SCSO-GRU神经网络的网络流量预测模型,将SCSO算法用于模型训练,提高训练效果,克服传统GRU神经网络收敛于局部最优的缺点;最后用SCSO-GRU模型进行网络流量预测。实验结果表明,与传统LSTM和GRU模型相比,本文模型具有显著的收敛效果和较好的预测精度,可以更好地刻画网络流量变化趋势。     

改进YOLOv3的车辆实时检测与信息识别技术

在复杂无约束自然场景下对车辆实时检测和相关信息的提取识别一直是计算机视觉领域内重要的研究内容之一。该领域问题的突破不但可以为汽车自动驾驶技术的实现和完善带来实际效果的提升,并且在停车场的自动停车调度算法和实时泊车监控系统的改进上有着重要的现实意义。针对当前实时车辆信息检测中存在的车辆检测区域不完整、精度不高以及无法对场景中较远车辆进行准确定位等相关问题,提出了一种Vehicle-YOLO的实时车辆检测分类模型。该模型在最新的YOLOv3算法基础上,通过更改图像输入参数,增强深度残差网络的特征提取能力,采用5个不同尺寸的特征图依次对潜在车辆的边界框提取等方式来提升车辆实时信息检测的精度和普适性,并通过KITTI、VOC等数据集进行性能验证和分析。实验结果表明,Vehicle-YOLO模型在KITTI数据集上达到了96%的均值平均精度,传输速度约为40 f/s,在精度提升的情况下仍能保持良好的实时检测速率。此外,Vehicle-YOLO检测模型在VOC等其余数据集上的实验结果也展现了不同程度的精度提升,故该模型在常见物体的定位检测中有较好的普适性,相较于传统的物体检测算法模型有更好的表现。