基于角点特征分析的车辆排队长度检测方法

针对交通堵塞造成的各种状况,通过视频分析实现实时高效的车辆排队长度检测,从而获取更多的交通信息改善交通状况.本文通过传统的FAST角点检测方法与运动检测的过程相结合得到改进后的FAST算法,使用改进后的FAST角点特征分析技术,不仅可以提取出当前交通道路上表征车辆存在的角点特征图,还可以获取角点位置的运动状态.通过对交通监控下的视频进行预处理后,单一车道内处于静态的角点特征形成车辆排队,并进行PCA处理得到一维向量,最后对一维向量进行形态学处理来检测单一车道内的车辆排队长度.实验表明,本方法检测精度平均98%,满足应用于实际场景.     

城市交通过饱和状态下干线信号的多目标仿真优化研究

针对城市交通过饱和状态下的干线信号优化问题,分析了交通控制目标对车辆排队的影响,提出以绿信比、相序、相位差和周期为优化参数,以车辆平均时延、系统平均排队-车道长度比和系统通行能力为优化目标的交通信号仿真优化模型。构建了优化模型的实施框架,该框架采用自主构建的微观交通仿真环境来获取信号方案评价指标,改进多目标优化算法NSGAII中的重复个体问题,完成对干线各交叉口信号配时方案的同时优化。最后,利用采集的交通数据对由3个交叉口组成的干线进行实例验证,验证结果表明,在过饱和状态下,所提出的信号优化方法不仅可以有效控制车辆排队长度,均衡车辆分布,同时在系统通行能力、车均时延方面表现更佳。     

抗野值卡尔曼滤波器在排队长度预测中的应用

车辆排队长度是智能交通控制系统中最关键的交通参数之一,如何准确、有效地预测车辆的排队长度是近年来排队长度预测中研究的主要问题.为此,在利用卡尔曼滤波理论建立排队长度预测模型的基础上,针对滤波过程中较容易出现的野值问题,分析了野值对标准卡尔曼滤波的影响机理,采用了基于M估计的卡尔曼滤波野值处理方法.仿真结果表明,所提方法可有效消除野值对滤波的不利影响,提高排队长度预测的精度,具有较好的应用价值.     

考虑边界交叉口交通拥堵的反馈阀门控制

基于路网宏观基本图(macroscopic fundamental diagram, MFD)实施城市区域交通控制时,为了防止边界交叉口受阻方向的车辆排队长度过长,同时提高路网内车辆完成率,提出了考虑受控区域边界交叉口交通拥堵状况的交通流反馈阀门控制方法,通过对边界控制阀门处路段存放车辆富余空间的分析,提出了阀门交叉口位置和数量选择模型;针对可能造成的阀门交叉口交通拥堵,提出了受控区域边界拥堵交通流分配算法,也即通过提前调节阀门上游交叉口的绿灯时间,把部分交通流提前控制在其它相邻上游交叉口.通过实际路网仿真,结果表明该方法可以有效控制阀门交叉口的车辆排队长度,降低阀门交叉口车辆平均延误时间和平均停车次数.     

一种数据丢包情况下的交叉口排队长度均衡控制方法

针对交通数据在传输过程中随机丢包造成交通拥堵的问题,提出一种新的交叉口排队长度均衡控制方法。考虑到交叉口交通控制的重复特性和强非线性,将无模型自适应迭代学习控制方案应用于交叉口排队长度控制中,通过实时调整各交叉口的信号配时方案来调节路口车辆的排队长度,实现各交叉口排队长度的均衡。针对道路交通网络控制中排队长度差值数据在传输过程中存在的丢包现象,将数据丢失现象描述为概率已知的伯努利序列,提出数据丢失情况下的补偿算法,即利用上次迭代的输出数据、伪梯度的估计值和控制输入差值对丢失数据进行补偿,解决存在数据丢包情况下多交叉口排队长度均衡控制问题。仿真结果表明,该方法在数据丢包的情况下迭代100次左右能够收敛于期望值并达到期望控制效果,验证了补偿算法的有效性。     

面向动态交通分配的路段费用函数建模研究

在交通分配的研究中,车辆在路段上的行驶费用是决定网络交通流分布的关键因素之一。论文面对动态交通分配建模需要,在网络饱和条件下,对车辆在路段上的行驶时间进行了分析和建模。详细讨论了饱和交通网络中考虑容量约束下的车辆连续行驶时间和路口延误时间,在排队延迟模型中考虑了车辆的实际长度及由此而带来的影响,建立了离散的函数模型。最后给出计算实例,对比了点排队和实际排队的不同。     

基于Anylogic的道路交通堵塞仿真研究

交通事故的发生会导致交通的正常运行效率降低,发生交通堵塞,甚至造成严重交通瘫痪。为了对交通事故而导致交通堵塞的传播规律进行仿真研究,利用Anylogic仿真软件,运用面向对象的思想对交通事件中车辆的行为和特征进行微观特性描述,针对不同的交通事故类型,分别对交通堵塞的传播规律进行模拟。结果显示,该模型能够较好地模拟出交通堵塞的传播规律,同时能够取得评估交通运行效率的有效参数,为驾驶员的行车路线提供诱导信息。     

基于视觉的路口车辆排队长度检测方法

现有基于视觉的交叉路口车辆排队长度测量方法,不能给出实际排队长度,且摄像机标定复杂。为此,提出基于连通区域的车辆排队长度检测算法及以停车线为参照物的摄像机快速标定方法。在停车线后设定停车检测区域,并利用相邻帧差法判断是否存在车辆停车。在排队检测区域内用最大类间方差法自动设定阈值并分割图像,以检测车辆存在。利用连通区域各种参数确定车辆所在的连通域并检测出队尾。运用针孔成像模型论证以停车线为参照物的摄像机标定方法。实验结果证明,该方法可以准确检测出队首和队尾像素,计算出实际长度,可满足实时性要求。     

应用图像处理方法自动检测路口车辆排队长度

在智能交通处理系统中，路口车流参数——车辆排队长度，占空比等可以为很多情况提供必要的信息，如交通阻塞及交通事故的监控、交通信号灯的控制等。其中交通路口车流的长度是车流参数中最重要的一个。本文提出了一种基干图像局部特征的路口车辆排队长度的检测方法，通过融合图像的点特征(角点)和线特征(边缘)，完成车流长度的检测，包括停止车流的长度以及在可视范围内整体车流的长度。实验结果表明，这种方法实现简单、应用效果良好，具有较好的应用前景。     

城市交通路口车辆排队系统仿真及优化

针对城市路口车辆排队系统数据不稳定、时效性差的缺点,提出了利用Flexsim仿真技术模拟路口车辆排队系统的方法.论文首先通过分析现场数据,得出车辆排队系统排队规则、车辆排队系统服务时间;然后,利用ExpertFit拟合分布软件拟合排队系统车辆到达时间间隔函数,并利用排队系统函数进行模型仿真;最后,根据模型仿真结果分析,提出优化方案.结果证明,Flexsim仿真技术能有效地模拟路口交通的堵塞情况,对改善路口交通状况有较好效果.     

基于CTM的多种交通状态控制目标一致性分析

交叉口信号控制优化目标一般由实践经验或交通控制目的所确定,往往忽略了不同交通状态下优化目标之间相互矛盾和相互制约的关系,造成交通控制效果不理想.为解决上述问题,提出建立基于元胞传输模型的单个交叉口优化控制模型,给出了交叉口延误、通行能力、排队长度以及机动车尾气排放量四类性能指标的表示方法,进而利用粒子群算法对控制目标进行了优化求解,并在MATLAB环境下对上述四类控制指标之间的一致性进行了仿真分析.仿真结果表明:在轻度流量下,延误、通行能力和排队长度之间具有一致性,延误与排队长度之间的一致性相对较好,而中度和重度流量下,延误与尾气排放量之间有较好的一致性,排队长度与通行能力有较好的一致性.     

基于车流量的智能交通信号优化控制研究

道路交叉口是城市交通网络的关键组成部分,其通行效率直接决定了城市交通网络的通行能力。为了提高城市交通路网的通行能力,缓解交通拥堵,根据相邻交叉路口车流量具有相关性的特点,提出一种基于车流量的智能交通信号控制方法。建立基于门限服务策略的交通灯轮询控制模型,利用马尔科夫链和概率母函数分析了交叉口车辆平均排队长度和信号灯配时方案,并根据实际交通情况进行仿真实验。结果表明,基于车流量的智能交通信号控制比传统的固定配时控制更加合理,能有效地降低车辆通过交叉口时的平均延误时长和排队长度,提高通行效率。     

基于视频分析的车辆排队长度检测

本文实现了一个完整的车辆排队长度检测算法。检测算法分为两步：车辆排队检测和队列长度计算。对白天和夜晚不同光照条件采用不同的队列检测算法,并实现了白天夜晚检测算法的自动切换。在白天光照条件下,采用移动检测窗来进行车辆排队检测,在每一个检测窗内,通过三帧差法运动检测和形态学边缘检测进行车辆存在检测两步判断有无车辆排队。针对夜晚场景,提出利用车灯这一显著特征进行车辆排队检测。以图像灰度直方图的相关系数作为距离值,利用kNN分类器进行白天夜晚的识别,实现检测算法的自动切换。队列长度计算通过摄像机标定完成,找到一种仅利用车道线的、简单有效的摄像机标定方法。实验表明该方法可以准确检测出车辆排队并计算出其长度。     

单交叉路口交通灯实时配时算法的研究

研究了城市道路交通信号实时控制系统的问题,重点论述了单交叉路口交通信号灯控制(点控制)模型的实时配时算法.根据城市交通流分布规律,设计出流量序列生成算法来模拟实时交通流;通过建立信号灯动态模型从而获得最佳周期长度和有效绿灯时间,然后采用模糊控制算法对信号灯配时方案进行实时的动态优化调整,并建立基于排队的车辆延误模型来对模糊控制算法进行评价.计算机模拟仿真的结果表明所设计实时配时方案比定时配时方案有显著的改善.     

利用改进的背景模型实现车辆检测

为解决基于背景差分的车辆检测办法易受交通状况影响的问题,首先建立基于区间分布的自适应背景模型,然后利用改进的背景更新算法对建立的背景模型选择性更新,最后结合阈值分割和形态学处理实现运动车辆检测.实验结果表明,该算法在交通堵塞或临时停车等复杂交通环境中有很好的背景提取和更新效果.与经典的算法相比,该车辆检测算法在实时性和准确性方面都有所提高.     

视频检测技术的交通时间预测实证研究

为了实现利用视频车辆检测器数据计算和预测路段行程时间,将排队长度数据应用到路段行程时间的计算中,采用改进粒子群的BP神经网络算法和时间序列分析对路段进行实证研究.将排队长度加入计算得到的决定系数为93.36%,比只有流量数据的BP神经网络算法改善了41.03%,比BPR（bureau of public roads）路阻函数算法改善了23.37%.利用实时的路段行程时间对后续行程时间预测通过时间序列分析得到相对误差为0.06,预测下个时段和下个周期的路段行程时间平均相对误差分别为0.14、0.15.结果表明排队长度对于路段行程时间的计算具有较高的准确性,可以用于城市道路交通时间的预测,并能有效为智能交通算法的其他指数计算提供思路,为改善交通状况提供决策支持.     

基于逆透视变换的车辆排队长度检测方法

交通路口的车辆排队长度检测是智能交通系统的重要组成部分,传统的检测方法易受背景噪声、摄像机透视效果等因素的干扰造成检测失败,而且其实现都是基于串行结构的处理器,不能用于实时处理的场合。本文设计了一种充分利用平直道路几何特征并适合FPGA实现的排队长度自动检测算法,该算法利用逆透视变换消除图像几何失真,引入公路的结构性约束有效检测了车道线;接着采用Sobel边缘算子检测出各车道的车辆轮廓,通过一种基于信息量的度量方法提取排队的队尾,从而确定了车辆排队长度,并且通过硬件化设计使得整个检测过程达到实时的处理速度。     

基于PSO-SVR动态模型的车辆排队长度预测

针对突发事件下城市道路车辆排队系统的特点,从时空角度综合考虑车辆排队系统的影响因素,建立支持向量回归（SVR）动态模型对车辆排队长度进行预测。考虑到参数选择对模型性能影响的敏感性,提出了以k折交叉验证（k-CV）均方误差平均值为适应度的粒子群优化（PSO）方法并对SVR模型参数进行寻优。用提出的PSO-SVR模型与K-CV和遗传算法（GA）优化的SVR模型以及BP网络预测模型对比,实验结果表明,该模型具有较高的预测精度和泛化能力,适用于车辆排队长度的预测。     

交通事件下排队车辆数和总延误计算模型研究

为描述交通事件后导致拥挤交通流中的排队现象,分析预测交通流的时空影响。根据流量守恒定律和交通波波速公式,提出了排队车辆数和车辆总延误定量计算的一个新模型。将事件后交通流的发展划分为三个时间阶段,推导出道路堵塞时各相应时间段交通变量动态计算公式。同时分析了交通事件影响因素除了事件本身的严重性外,事件的清理时间是决定事件瓶颈处车辆排队第二位的影响因素;以及交通事件时空发展模型与事件自动检测两者之间相互影响、互为因果的关系。最后用应用算例对该模型的有效性进行验证,结果表明,数据符合实际情况,排队车辆数随着事件持续时间增加呈分段线性变化,而所有排队车辆的总延误随着交通事件处理时间的增加呈二次平方变化。此模型可作为交通管理控制部门对交通事件发生后制定合理救援措施的理论依据。     

交通高峰期路段交通流动力学模型

研究了交通高峰期交通流的动力学规律。为了解决交通高峰期交通堵塞的问题，从车辆数量守恒的思想出发，对交通高峰期的路段交通流规律进行了探讨，分析了交通流参数，建立了交通流运动微分方程，通过理论推导得出了路段的一维交通流动力学模型。通过仿真实验表明，此模型能反映交通流的基本特性，能够为交通部门在交通高峰期调节路网交通流提供理论依据。