基于计算机视觉和图像处理的交通参数检测

本文提出了一种基于计算机视觉和图像处理的车流量检测方法 ,通过分析 CCD TV摄像机获取的图像中车辆和场景信息来有效地检测交通参数 .本方法可以完成双向四车道高速公路和城市道路的车辆计数和车辆速度检测 .实验结果表明 :车辆计数的正确率为 94% ,车辆速度检测的正确率达 92 % ,并具有满意的实时特性 .

无人机广域视频的机动车交通参数计算及分析

基于视频的交通参数提取在智能交通系统中具有重要意义.针对无人机视频,提出了一种基于大范围无人机视频的机动车交通参数提取方法.首先通过建立无人机广域镜头图像的校正算法去除交叉口视频图像的广角畸变,然后将像素坐标转化为真实坐标.其次,利用帧间差分法计算行驶车辆的速度、加速度、车头间距等车辆运行参数,将计算结果与真实车辆及软件提取运行参数进行对比,结果证明该方法具有较高的准确性和可行性.最后,实例验证该方法能较准确地获得交叉口车辆运行参数,并将其应用于车辆通过交叉口全过程的速度变化规律分析.

基于小波分析的交通参数组合预测方法

为了更加准确地预测交通参数的变化趋势,结合小波理论处理时变信息的优势,设计了一种在小波分析的基础上利用BP神经网络进行预测的组合预测方法。该方法采用小波理论与神经网络结合的策略,具有普适性,且比传统的基于小波分析的组合预测过程简单,为大运算量的实时应用提供了可能。利用实际数据对该方法进行了验证,并与对比算法进行了效果对比。结果表明,本文提出的方法预测效果较好,具有一定的实用性。

基于向量误差修正模型的短时交通参数预测

为了进一步提高短时交通参数预测的精度,针对交通参数之间存在的内在相关性,在对各交通参数时间序列进行平稳性检验、协整检验的基础上,构建了一种适应于短时交通参数预测的多变量时间序列模型-向量误差修正模型,并对模型的稳定性进行了检验。最后,利用上海市南北高架快速路的感应线圈实测数据进行了实验验证和对比分析。实验结果表明,所构建的向量误差修正模型具有较好的预测效果,能够进一步降低短时交通参数预测的误差。

基于HALCON的视频交通参数检测方法

基于图像处理软件HALCON对视频交通参数检测方法进行讨论,研究双线性插值的图像距离标定方法和基于灰度统计的交通参数检测算法及流程,选取具有代表性的北京五道口交叉路口及成府路路段监控视频进行试验,证明方法的有效性,对试验结果中车速误差及混合交通启动车头时距规律进行深入分析,提出误差改进措施,并将混合交通排队车流启动车头时距规律与美国交通工程手册中车头时距规律进行对比分析。

基于手机定位及聚类分析的实时交通参数估计

提出利用“微观”交通信息——道路上独立车辆的行驶状态来估计道路交通参数,发展一类新的交通参数估计方法.文中通过移动通信网络获得的在路手机位置及运动速度作为检测信息,应用聚类分析估计在路车辆运行状态,进而实现高速公路交通参数的实时估计.本文提出的方法可以进行较大范围交通参数检测,且利用已有的通信网络,不需检测设备的大量投资.实验结果证明了方法的有效性.

城市主干路拥挤路段基于地点交通参数的行程速度估计

以提高基于地点交通参数估计主干路拥挤交通流平均行程速度的精度为目标,通过分析信号控制主干路的交通流特性及地点交通参数与平均行程速度之间的相关关系,以路段下游停车线前的截面平均速度为基础,提出了城市主干路拥挤交通流路段平均行程速度的3种估计模型,并采用仿真手段进行了对比分析。结果表明,所提出的全状态行程速度估计模型明显优于对比方法,所提出的两种分状态平均行程速度估计模型可以进一步改善全状态模型的估计效果,尤其是基于模比系数的分状态估计模型可显著提高拥挤条件下的行程速度估计精度。

基于视频图像的交通参数检测

针对交通图像的特点,提出了一种将灰度判断与边缘检测相结合的方法,来获得车流量、车速等相关交通参数。将先锋遗传算法(Vanguard Genetic Algorithms)应用到图像阈值分割中,利用先锋遗传算法寻求全局最优阈值,可以比较准确地将图像中不同灰度的车辆从背景中分离出来。分析了小波变换的特点,应用小波变换对交通图像进行车辆边缘检测。采用帧平均法来处理视频流,可以减小由于摄像头抖动或背景微小变化而产生的误差。实验结果表明,该方法简单、有效,能够获得较满意的检测结果。

基于时空关联和BP_Adaboost的短时交通参数预测

为提高预测精度和降低计算复杂度,提出了一种基于时空关联和BP_Adaboost的短时交通参数预测方法。首先,通过分析交通参数之间的时间关联性和空间关联性,得到对预测值产生影响的因素。然后,采用主成分分析法对影响因素进行预处理,选取了主成分作为后续预测模型的输入。最后,采用Adaboost算法对BP神经网络进行优化,构建了BP_Adaboost预测模型,以改善传统BP神经网络的预测性能。利用南京市典型道路数据对该方法进行了性能评价。结果表明:该方法不仅可以在一定程度上提高预测精度,更重要的是能够大大提高预测结果的稳定性。由此可见,该方法可以作为短时交通参数预测的有效手段。

基于视频的交通参数检测综述

为使智能交通系统发挥作用,必须对流量、密度及速度等交通流的核心参数进行检测,目前已经有许多常见的方法,但在实际的检测中,使用一种检测方法只能检测出部分参数,未能够实现全部参数的检测,尤其是密度参数非常难以检测.现有的密度检测方法大部分集中在局部场景的交通密度检测上,对于连续场景的交通密度检测很少涉及.现主要综述了流量、密度及速度3个方面的检测方法,并重点关注仅通过视频数据能够方便地检测出多个交通参数的文献.

基于实测轴载谱的重载沥青路面交通参数

为更准确地确定重载沥青路面设计的交通参数,首先提出了车辆分类方法,然后通过调查收集京沪高速公路鲁苏省界的车辆类型及轴载数据和长深高速公路滨州段的动态称重数据,创建了车辆轴载信息数据库。根据数据库查询统计,分析了沥青路面设计的交通参数,包括车辆类型分布系数、卡车月调节系数、卡车小时分布系数、轴数系数和轴载分布系数,并给出了相应的推荐值。最后分别统计分析了前轴、双轮组单轴、双联轴和三联轴的轴载累积分布率。结果表明,在进行路面结构设计时,宜根据交通等级和类似道路车辆轴载统计确定设计代表荷载;基于实测轴载分析提出以单轴160 kN作为重载交通设计轴载,以双联轴380 kN作为验算荷载。

信息融合技术在道路交通参数预测中的应用

信息融合技术可以对不同传感器数据进行综合处理 ,去除冗余、克服歧义 ,得到比任何单个数据源更全面、更准确、更可靠的信息。本文综合考虑道路交通参数预测的实时性、准确性和可靠性 ,运用现代信息融合思想 ,提出了一种交通参数多模型融合预测方法 ,并用实际数据进行验证。实证分析的结果表明 ,该方法能够提高交通参数的预测精度。

基于移动智能终端的道路交通参数人工调查系统设计

提出一种基于移动智能终端的道路交通参数人工调查系统。借助移动智能终端,该系统能够实现交通量、交通密度和行车延误3种交通参数精细精确数据的人工调查,并且在调查完成后自动生成Excel格式的调查数据,同时利用互联网实现了各调查人员所采集数据的自动上传、汇总、整理与分析;另一方面通过移动终端中的GPS模块能够获取调查人员的定位信息,实现了对调查人员的自动监管。由于该调查系统可以利用调查人员自有智能移动终端,因此大部分情况下无需购置新设备。

基于压缩感知的道路交通参数修复方法研究

为了解决交通路网中的道路交通检测器大面积发生故障时道路交通参数数据的缺失或异常问题,本文提出了一种基于压缩感知的道路交通参数修复方法.首先对道路交通参数矩阵进行分解和逼近;然后在道路交通参数矩阵进行分解和逼近的基础上,利用压缩感知的理论及方法进行道路交通参数修复,并对基于压缩感知进行道路交通参数修复的过程中所涉及的主要参数进行分析和设定;最后依据实例对基于压缩感知的道路交通参数数据修复算法进行验证.选取北京市典型快速路对该算法进行验证,结果证明,基于压缩感知的道路交通参数数据的修复方法具有高精度,在实际应用中是可行的.

基于半人工标定的视频检测交通参数基准数据获取

为准确地评估车辆检测各种算法在实际环境复杂场景的运行优劣,提出一种基于半人工标定的视频检测交通参数基准数据获取算法。在充分采集各种交通应用场景不同环境的多段交通视频的基础上,该算法主要包括2个方面:1)基于半人工标定的车辆位置-时间真实数据(车辆行进轨迹数据)获取;2)基于车辆位置-时间真实数据研究计算多种交通参数准确数据的算法。该算法充分考虑现有视频检测的条件,以简易的方式获得真实的交通参数。经过与TRAFICON交通视频检测系统的比较可知,基于半人工标定方法获取的交通参数基准数据具有高准确性,这保证了该计算平台可以有效用于视频检测性能分析与评估。

基于视频图像处理技术的道路交通参数检测

介绍了图像处理和分析方法在实时交通参数检测中的应用，提出了通过对交通 画面现场采集的图像处理分析而得到交通参数的方法，并在微机上实现。

基于混合粒子滤波的高速公路交通参数自适应估计方法

为提高高速公路交通参数的估计准确度,在宏观交通流模型和状态空间模型的基础上,基于贝叶斯理论,提出了一种基于混合粒子滤波的交通参数估计方法。考虑到估计结果对模型参数变化的敏感性,避免采用预设固定模型参数对估计准确度的影响,通过建立自由流速度与饱和度之间的变化关系,提出了交通状态影响下的模型参数自适应调整策略。仿真结果表明:基于混合粒子滤波的交通参数估计准确度要明显高于卡尔曼滤波估计,在正常和事故场景下,能够快速识别交通量和速度较明显的波动,表现出了更强的稳定性;交通状态影响下的模型参数自适应调整策略会明显提高交通参数估计准确度,在发生事故情况下,也可达到较好的估计效果。

小波变换在交通参数检测中的应用

针对视频交通图像的特点,提出了一种将灰度判断与边缘检测相结合来检测交通参数的方法;综合了灰度检测和边缘检测的优点,采用帧平均法来处理视频流,可以减小由于摄像头抖动或背景微小变化而产生的误差;分析了小波变换的特点,应用小波变换对交通图像进行车辆边缘检测,对不同尺度小波变换后的水平方向、垂直方向和对角线方向的高频信息,用互能量交叉的方法进行噪声抑制,突出主要边缘,最后,在车辆边缘识别基础上获得车流量、车速等相关交通参数;实验结果表明,此方法简单、有效,获得了较满意的检测结果。

单线圈模式下交通参数估计研究

介绍了单线圈在交通参数测量中发挥的作用,阐述了单线圈模式下进行交通流参数估算,主要是交通速度估计的意义和目前采用的主要算法。在此基础上,利用交通流仿真软件PARAMICS并应用此软件搭建单线圈路网模型,通过它获得单线圈模式下交通速度估计的仿真数据,并对数据进行了分析。

交通参数预测的自适应优化算法研究

将最优梯度算法应用于指数平滑模型,通过构造优选并自动生成的最佳平滑参数使模型得以优化,增强了指数平滑模型对时间序列的适应能力,较好地解决了指数平滑预测中,平滑参数靠检验确定且为静态、平滑初值难以确定并导致预测偏差等问题。通过实例,与其他指数平滑预测算法相比,验证了该算法的有效性。