微波车流量检测雷达中数字信号处理机的设计

针对微波车流量检测雷达的要求,设计并实现了基于DSP芯片TMS320VC5502的数字信号处理机,对车流量检测雷达系统接收到的回波信号进行实时采样和分析计算出道路车流量.实验表明:该系统稳定可靠,满足智能交通系统对车流量检测器的要求.     

微型的感应线圈车辆传感器

智能交通系统(ITS)是解决日益严重的高速公路和城市交通问题的有效途径.车辆检测传感器是ITS中最重要的交通数据采集设备之一.通过埋在地下或者安装于道路两旁的车辆检测器,可以准确实时地获得各种交通数据(包括车流量、车速度、车辆密度、占有率等).在众多车辆检测器中,感应线圈式车辆检测器具有性能稳定、性价比高、应用方便等优点,因而目前在工程上应用最广.但其探测线圈体积庞大,安装时需要阻断交通,工程量大;线圈容易损坏.本文将采用微型线圈,并将单片机控制技术引入传统的车辆传感器中,从而有效地降低了安装的工程量,开发出适用性更强的车辆传感器.经实验证明,该传感器可有效地检测出车辆信号.     

一种基于无线传感器网络的智能交通系统

设计并实现了一种基于无线传感器网络的智能交通系统。利用布设在道路两端的无线磁阻传感器节点,实时检测车流量,并将该信息传输至汇聚节点与后台管理中心,根据车流量优化道路红绿灯变换循环。实验结果表明:系统对车辆的识别率较高,且在一定程度上提升了道路行车效率。     

智能车流量检测器研究

随着社会经济的发展,私家车开始广泛使用,城市交通拥堵已经成为一个日益严重的问题。目前,常规意义上的限车令、限速令等并不能从根本上解决城市交通堵塞问题。鉴于NB-IoT具有低功耗、广覆盖、大连接的特点,通过NB-IoT无线技术设计车流量检测系统,可以达到全天候实时监测道路车流量的效果。因此,本文设计了以STM32微处理器为控制核心的车流量检测系统,通过地磁传感器对道路车辆信息进行全面感知,并使用NB-IoT将信息无线传输到物联网服务器平台,从而对道路车流量数据进行检测与分析,并且在达到一定峰值时会有报警铃声。由此得出的结果便于人们掌握各路段车辆通行规律,预测车流高峰和堵车高峰,为出行的人们提供决策依据。交通管理人员还可以根据长时间的道路观察,设计交通灯信号长短来解决堵车问题。     

基于视频的车流量检测算法

实现了一种基于虚拟检测线的道路车流量检测算法.利用高斯混合背景模型进行背景建模,检测出包含运动目标的图像块,系统根据超过检测线的连通区域图像面积占整个连通区域面积的比值来判断是否有车辆经过,进而实现车流量统计.     

基于超声波的车辆检测器设计

分析了国内外车辆检测的现状和存在的问题,针对车辆检测环境设计了超声波车辆检测器,该系统由超声波探头、主机以及通讯三部分构成,超声波探头以STC12C5412AD为微处理器,利用LM1812超声波收发器检测车辆信息,主机采用STC12C32S2为微处理器,对来自探头的数据进行分析、处理和存储,并把数据发回中央处理机;经过对样机大量的数据测试表明,该检测器检测车流量准确率可达99%,平均车速检测准确率可达90%,车型(三种)分类的精度可达94%,实际运行表明,该检测器工作可靠,可用于检测行驶中机动车的车高、车长、车速等参数。     

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。     

基于虚拟线圈的光流法车流量检测

在交通系统中常需要知道道路的占有率、车流量等交通参数。该文提出了一种有效的车流量检测方法，这种方法首先在视频图像中设置好虚拟线圈作为检测区域，然后用光流法对检测区域进行图像处理，求出光流场，根据光流场的信息来判断检测区域内是否有车辆通过，通过对检测区域的不断判断来统计车流量信息。试验证明该文提出的车流量检测算法具有实施方便、检测精度高的特点，而且很容易推广用来测量占有率、车速等其它交通参数。     

基于磁阻传感器的车流量检测系统的设计

针对目前道路资源紧张、交通拥堵的社会问题,通过分析车辆经过磁阻传感器引起磁场扰动的特性,设计了一种基于磁阻传感器的车流量检测系统,介绍了该系统各部分的组成和工作原理,将其应用于路口红绿灯自适应调节,得到流量曲线和自适应调节周期图,可以看出,该系统检测准确,社会效益显著。     

基于深度学习的无人机航拍车流量监测

随着智慧城市概念的普及,交通道路智能化管理已成为学者关注的热点.针对道路的车流量统计问题,文中基于深度学习方法,提出了基于残差网络的无人机航拍车流量监测算法,该算法引入了全连接的多尺度残差学习分块(FMRB),在解决梯度弥散现象的同时使得图像特征能够被更好地提取和学习.现有的车辆检测算法准确率较低,且大多数仅能对车辆进行检测,不能对车流量进行统计.文章结合视频帧估计方法,实现了车流量的实时监测与统计.在车辆检测性能上将所提算法与SSD,YOLOv2,YOLOv3算法进行对比,结果表明,在自建数据集训练的条件下,所提算法引入多尺度残差学习分块(FMRB)对遥感图像进行车辆识别,能够取得更高的识别精度;在实地车流量监测中,所得结果误检率小于1％,具有较强的实用效果.     

基于决策论的交通路口流量分析算法(DTFAA)

通过对传统的交通路口流量分析算法的分析, 提出了基于决策论的交通路口流量分析算法研究, 文中将车辆统一识别为标准小车当量, 进行算法步骤的设计, 该算法不仅适用单线圈检测器或单磁敏检测器等单个检测器, 也适用于双线圈检测器. 检测过程简单易行, 且准确率高, 并通过实例分析, 验证了改算法的有效性和精确性.     

基于宽带阵列信号处理的车辆上下行流量声频检测方法*

针对普通公路现有车辆检测器精度普遍下降的问题,提出了一种利用车辆行驶时的声音信号进行车辆上下行流量估计方法。实验结果表明,应用宽带阵列信号处理算法与窄带算法相比具有更高的有效性,是一种有效的交通流量检测方法。     

基于概率算法自适应更新背景的运动车辆检测

交通流量检测是智能交通系统中的一个重要研究方向和热点问题,基于视频的车辆检测是交通流量采集分析的核心技术,它为交通流量参数的实时获取提供了可能。为实现在复杂交通视频场景中实时准确检测各类的运动车辆,在研究传统背景差分算法的缺点的工作基础上,提出一个自适应的贝叶斯概率背景检测算法,进而完成了较准确的运动车辆分类检测。实验结果表明该方法具有高效实时的特点,能够较准确地实现复杂交通路面的背景提取和运动车辆的检测,具有良好的鲁棒性。     

快速路匝道入口智能网联车协同合并控制研究

针对快速路匝道入口场景在高车流量的情况下容易发生交通拥堵的问题,提出了一种快速路匝道入口智能网联车(connected and automated vehicles, CAV)协同合并控制的解决方案,将问题解耦成多车顺序决策和车辆运动规划两部分。其中多车顺序决策对通行效率起到重要作用,因此设计了一种基于状态评价模型(state evaluation model, SEM)的多车顺序决策算法。该算法首先建立状态空间并初始化,考虑通行效率和车辆延迟设计状态评价函数,通过状态转移关系选择出最优状态,最终回溯得到最优通行顺序。根据车辆状态和到达冲突点时间,控制器实时推导各车辆纵向速度的解析解,实现车辆运动规划。仿真和实验结果表明,该方案在满足交通系统实时性要求的同时能有效提高快速路匝道入口的通行效率,缩短车辆延迟,降低燃油消耗。     

Dynamic traffic prediction for insufficient data roadways via automatic control theories

This study aims to propose an algorithm for traffic estimation, particularly for urban roadway sections with insufficient data sources. Establishing an advanced traffic management system (ATMS) heavily depends on obtaining complete data. In this regard, traffic detectors play an important role in data acquisition. However, installing traffic detectors extensively over a metropolitan area can be rather expensive. As such, in most cities around the world, vehicle detectors for traffic data collection are relatively insufficient to meet requirements. In light of this, the current research therefore proposes a feasible algorithm of dynamic section flow prediction based on the automatic control theory and observer design for roadway sections with insufficient data sources. According to the numerical evaluation, the method is found to be satisfactory and acceptable in practice.     

结合状态机和动态目标路径的无人驾驶决策仿真

目的 决策系统是无人驾驶技术的核心研究之一。已有决策系统存在逻辑不合理、计算效率低、应用场景局限等问题,因此提出一种动态环境下无人驾驶路径决策仿真。方法 首先,基于规则模型构建适于无人驾驶决策系统的交通有限状态机;其次,针对交通动态特征,提出基于统计模型的动态目标路径算法计算状态迁移风险;最后,将交通状态机和动态目标路径算法有机结合,设计出一种基于有限状态机的无人驾驶动态目标路径模型,适用于交叉口冲突避免和三车道换道行为。将全速度差连续跟驰模型运用到换道规则中,并基于冲突时间提出动态临界跟车距离。结果 为验证模型的有效性和高效性,对交通环境进行虚拟现实建模,模拟交叉口通行和三车道换道行为,分析文中模型对车流量和换道率的影响。实验结果显示,在交叉口通行时,自主车辆不仅可以检测冲突还可以根据风险评估结果执行安全合理的决策。三车道换道时,自主车辆既可以实现紧急让道,也可以通过执行换道达成自身驾驶期望。通过将实测数据和其他两种方法对比,当车流密度在0.20.5时,本文模型的平均速度最高分别提高32 km/h和22 km/h。当车流密度不超过0.65时,本文模型的换道成功率最高分别提升37%和25%。结论 实验结果说明本文方法不仅可以在动态城区环境下提高决策安全性和正确性,还可以提高车流量饱和度,缓解交通堵塞。     

交通强度优先的交叉口模糊控制研究

为了降低交叉口车辆延误,提高通行能力,研究了一个四相位交叉口交通信号的模糊控制方法。用交通强度刻画各相位交通流通行需求的紧急程度,根据各相位的交通强度由模糊推理得到当前相位的绿灯延长时间,并选取后续绿灯相位。以交叉口车辆平均延误作为交叉口信号控制的性能评价指标,在相同交通条件下对几种控制方式进行了仿真试验。结果表明,该文的控制方法相对于感应控制方法和直接采用车辆排队长度作为输入的模糊控制方法,更能有效减小交叉口的车辆平均延误。     

基于非参数回归的路段速度估算方法*

城市道路交通运行状况的及时获取对交通管理和出行有着重要的作用,而准确判断交通状况需要利用准确的交通流速度。针对城市道路配备有一定数量的固定检测器,但是浮动车覆盖率不足的情况,提出了基于非参数回归的路段速度估算方法。该方法有效结合固定检测器数据和浮动车数据,对不同时段、路段、天气对行驶速度的影响分别进行分析,建立状态模式库,利用模式匹配估算出道路交通流速度。通过算例分析比较,可知该算法具有较高的准确度。     

基于二值检测器的交通异常事件传感器设计

针对高速公路交通异常事件检测难度大、成本高等问题,提出了一种基于二值检测器的高速公路异常事件传感器的设计方法;利用二值检测器的特点,通过对SCM设计并结合状态识别算法获得车流量、时间占有率等交通状态参数;为了降低管控中心异常事件检测算法的设计难度,提高整体系统的运行效率,传感器选择性地提供必要的交通状态参数;最后管控中心通过对交通状态参数分析处理,实现异常事件的检测;仿真实验结果表明,该设计具备可行性。