Research on Front-End Fusion Processing Technology of Traffic Scenes

With the intelligent development of road traffic control and management,higher requirements for the accuracy and effectiveness of traffic data have been put forward.The issue of how to collect and integrate data for traffic scenes has sought importance in this field as various treatment technologies have emerged.A lot of research work have been carried out from the theoretical aspect to engineering application.

新工科背景下“交通数据处理分析”课程思政建设思路探索

文章旨在探讨新工科背景下“交通数据处理分析”课程如何实现思政建设思路。在新工科背景下,交通数据处理与分析技术在城市交通管理和规划中扮演着重要角色,而思政教育则旨在培养学生的社会责任感和正确的价值观。文章首先分析了新工科背景下“交通数据处理分析”课程思政建设的必要性,给出了新工科背景下该课程的发展趋势及思政建设目标;基于此目标提出了课程内容思政元素,并提出了通过问题导向学习、合作学习和案例教学等教学方法,将思政元素融入到实际交通数据处理与分析中,实现思政教育的全过程融入机制。文章对于如何利用“交通数据处理分析”课程引导学生增强其社会责任感,将其培养成具有全面素养和社会担当的优秀人才有着较好的借鉴意义。

基于YOLO模型的车流量实时采集系统研究

对于一座现代化城市来说,合理的交通规划是一个城市高效运行的关键,作为交通规划的关键信息的城市车流量信息,原本需要人工进行识别、获取、验证的提取方式,随着计算机视觉技术的蓬勃发展弊端尽显,终将退出历史的舞台。为了提高城市车流量信息的准确性和及时性,利用现有的计算机技术设计一种基于YOLO模型的车流量实时采集系统。该系统基于YOLO视觉检测模型,采用DeepSORT算法对检测到的目标车辆进行跟踪识别、判断车辆的运行状态、实现当前路段的车流量统计、对已记录车流量信息进行可视化展示以及数据输出等。该系统可以有效地代替传统消耗人力的死板工作,实现自动化数据收集以及道路交通情况的快速监测。该系统操作简单,交互性强,为城市的交通管理和交通规划提供准确实时的信息数据。

基于人工智能的道路交通系统技术研究

随着计算机视觉、机器学习等人工智能技术的快速发展,探讨了这些技术如何在道路交通系统中得到应用以响应现代化交通的需求。围绕智能交通系统(ITS)的构建,详细阐释了交通系统中传感器与数据采集的重要性,以及在大数据背景下对交通信息进行处理和智能决策的方法。通过实证分析城市交通优化以及高速公路管理的案例,展示了人工智能技术在交通流量控制、事故预防和通行效率提升方面的实际效用。本研究不仅为现代交通系统提供了技术支持,也为未来智能交通的发展方向提供了参考。

基于流计算和大数据平台的实时交通流预测

目前交通流预测实时性差,很难满足在线分析和预测任务的需求,基于此提出一种Flink流计算框架和大数据平台结合的实时交通流预测方法。基于流计算框架实时捕捉和预处理数据,包括采用Flink的transform算子对数据进行校验和处理,将处理后的数据sink到大数据的HDFS文件系统,交由下一步的大数据并行框架进行分析建模与训练,实现基于流计算和大数据平台的实时交通流预测。实验结果表明,Flink能够实时捕捉和预处理交通流数据,把数据准时无误送入分布式文件系统中,在此基础上借助大数据框架下的并行分析和建模优势,在实时性数据分析与预测方面取得了较好的效果。

公路交通信息采集及监测系统的设计与实现

近些年,随着我国城市化进程的不断加速,我国公共交通道路事业得到了快速发展。在公共交通道路的发展过程中,信息采集和监测系统是整体公路交通体系的重要组成部分之一。根据相关工作经验对我国公路交通信息采集和监测系统的设计工作提出了相关的设计意见,通过分析公共交通采集的重要性,希望能够对我国公路交通的全面监测工作进行有效管理,从而为该领域的研究提供一定的帮助和借鉴。

基于时空轨迹数据的交通流量的预警方法研究

为了完成交通流量的精准预警,提出一种基于时空轨迹数据的交通流量的预警方法。以路网约束为依据,提取时空轨迹数据特征。计算不同类型时空轨迹数据之间的时间和空间相似度,对其归一化处理,获取不同轨迹之间的时空距离,完成时空轨迹数据的聚类处理。将图卷积计算引入循环网络记忆单元,组建时空图卷积神经网络直接提取时空关联特征。通过图卷积神经网络构建交通流量预警模型。实验结果表明,所提方法可以以较快的速度和较高的精度完成交通流量预警。

基于ZYNQ的万兆以太网流信息统计架构

ZYNQ-Ultrascale+型器件是Xilinx公司推出的MPSoC(Multi-Processor System on Chip)架构器件,上面集成了多核Cortex-A53处理器以及Ultrscale系列的FPGA(Field-Programmable Gate Array)。对如今越来越复杂的网络环境以及越来越庞大的网络数据吞吐的管理问题进行了研究,采用了ZYNQ-Ultrascale+型器件作为核心处理器,提出了一种万兆以太网流信息统计架构。通过对以太网链路的数据包进行卸载,组合成流信息进行统计分析,将统计结果传输至主机,能够完成对万兆以太网的管理。将所述的架构应用于实际的万兆以太网监控系统中,支持TCP、UDP、ICMP、ARP等协议的统计,统计延时小于5μs,最高可支持3.2k条流数量。

隧道与互通出口小净距路段交通适应性研究

为明确隧道与互通出口小净距路段与一般出口路段的交通特性差异性,从定性和定量角度对其进行了分析。通过分析行车过程,对两种路段的交通特性进行了差异比较,进一步定性分析了小净距路段的跟驰特性和换道特性。通过实地调研的视频数据获取了车辆轨迹数据,在此基础上,对比分析了一般出口路段与小净距路段,在分流车变道位置和车头时距的差异。结果表明:相较一般出口路段,小净距出口路段车辆变道位置和车头时距分布存在较大差异。由于小净距路段的有限长度,分流车在变道和驶出时经常表现出更高的难度。有限长度内连续驶出的车辆导致较小车头时距出现的概率增大。此外,传统的车头时距模型与小净距路段实测数据存在显著差异。

基于模型研判的TLS恶意流量检测

为了解决加密流量中隐藏的网络安全攻击行为,提出了基于模型研判的安全传输层协议(Transport Layer Security,TLS)恶意流量检测技术。在网关设备对加密流量不进行解密的情况下,提取流量中的密钥协商和身份认证等明文信息,并结合网络安全专家经验和机器学习算法知识,通过数据处理、特征编码等技术手段,在不消耗大量资源的前提下,准确检测出加密流量中的恶意攻击事件,实现了对加密流量的智能化检测,可帮助企业保障通信安全。

基于多目标跟踪雷达的交通信息检测与分析

随着城市化发展,道路上行驶的机动车日益增多,需要能够对出行车辆进行合理检测和管控,保证通行效率。文章提出一种基于多目标跟踪雷达的交通信息检测与分析系统,通过采集覆盖范围内运动车辆的X、Y位置坐标,X、Y方向速度及方位角度,对所有目标实时跟踪并分析计算车辆距离、速度、车长、车型、车道号等基本特征数据,在ARM数据处理模块中进行交通状态信息算法计算,输出车流量、平均速度、占有率、超速、停车、逆行、变道等交通信息。

基于浮动车数据的行程速度估计算法及优化

依托重点实验室构建的浮动车采集处理实验系统,从行程速度的交通工程学定义出发,利用实时上传的浮动车数据,构建了以浮动车的驻留时间和路段长度为基础的行程速度估计算法．通过对比现场跟车实验测得的行程速度与算法计算结果,验证了该算法的行程速度结果精度达到90％以上,从而为交通信息服务系统提供了简单、准确的区间速度计算方法．最后,对算法进行了优化,有效地提高了算法效率,为满足大规模应用奠定了基础．

北京市交通流数据采集、处理/分析和信息发布系统设计

交通流数据采集、处理 /分析和信息发布系统是北京市智能交通管理系统的一个重要组成部分。本文介绍北京市交通流数据采集、处理 /分析和信息发布系统设计。该系统集成来自交通管理部门、出租车指挥调度部门、公安指挥调度部门、公交指挥调度部门和医疗急救调度部门的交通信息 。

基于云平台的交通视频检测数据优化研究

交通视频检测技术在智能交通领域应用广泛,成为当前交通信息采集的主要手段.但在恶劣天气条件下,视频车辆检测器采集的交通数据误差较大,难以准确反映路面实际状况.为解决此问题,本文提出基于不同气象能见度等级构建k型BP网络,对气象能见度低于10 km时的原始交通数据作预处理优化.分析了云计算在交通信息处理方面的优势,基于云计算平台实现了该模型的构建与推广.最后以成都绕城高速七里沟大桥定点观测得到的数据做样本进行实例分析,对比了该模型方法与传统处理方法的数据处理效果,得出了本文方法较传统方法先进的结论.

多源数据融合的区间车辆速度预测算法研究

不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90%以上。

交通流三参数一体化观测及其数据处理

对交通流三个基本参数进行观测是了解交通流特性的必要手段， 然而传统的观测方法， 在人力、物力、财力上花费较大， 现场实施也不易。本文详细探讨了交通流三参数的一体化观测及其数据处理方法。该法的野外工作量与区间车速观测接近， 但可获得几倍的信息， 并已在实践中应用， 获得了满意的效果。

基于特征进程的P2P流量识别

为了解决P2P流量识别中用户使用端口跳跃、数据加密等方法带来的识别难题,通过对主机进程与网络流量相关性的研究,提出一种基于特征进程的P2P流量识别系统,在客户端通过进程匹配完成P2P流量的识别,并且具有发现未知P2P进程的能力。实验表明,该系统对于P2P流量具有较高的识别能力。

基于IPFIX的网络流量日志系统

针对高速网络海量数据采集、存储和管理问题,分析了传统IPFIX流量日志系统在高速网络中的性能问题,提出了基于IPFIX协议的用户网络流量日志系统体系结构的优化设计,改进了数据聚类和存储算法,包括二元归并方式采集数据以及多层结构的散列算法存储数据。经校园网部署应用证明,可提供万兆链路下用户网络日志详单及准确上网流量计量值。

浮动车车速处理分析系统中的数据融合技术

利用浮动车技术可以方便地获取路网车速,但由于采集的原始数据存在误差等原因,使得处理后的车速不能反映路网实际车速,利用数据融合技术可以解决这些问题。结合数据融合的三个级别,提出利用关联检验的方法过滤误差数据,利用统计车速与历史库车速的融合解决由于浮动车少造成车速代表性差的问题,利用浮动车同固定检测器的融合解决复杂路网下车速的处理问题。

民航空管大数据处理平台架构研究

随着新一代信息技术和航空业的发展,空管运行产生的业务数据呈爆炸性增长。通过梳理空管运行面临的业务需求及产生的数据体量、类别,结合国内外民航空管领域大数据技术的应用现状,依托现有开源成熟的大数据存储和处理技术,对空管大数据处理平台架构进行研究。规划大数据处理平台的层次架构,并分别对大数据处理基础平台的名称节点、数据节点进行功能设计;针对大数据平台数据批处理计算、流处理计算等计算需求进行研究,针对不同的数据处理方式,提供具体的计算处理引擎。对空管大数据处理平台架构进行了应用分析,验证了平台架构的可行性,为智慧空管的建设提供了平台技术支持。