基于AIS通信量的水上交通事故检测方法

基于数据驱动的交通事故检测对水上交通事故的快速救援与降低事故损失具有重要作用。为实现无自主报告情形下的交通事故自动检测,研究了基于船舶自动识别系统(automatic identification system,AIS)通信量的水上交通事故检测方法。通常情况下,突发的水上交通事故会扰乱船舶正常航行秩序,事故引起的船舶运动状态改变会导致AIS通信量短时间内产生突变,为挖掘AIS通信量随水上交通事故演变的内在规律,并降低噪声影响,以凸显检测指标的突变特征,引入AIS通信量和船舶总数比值构建水上交通事故检测指标;为确保检测的时效性,采用滑动窗口模型用于划分检测指标数据片段与设定更新时间的间隔,并构建基于卡尔曼滤波的水上交通事故检测模型进行检测指标的短期预测;为保证检测结果的准确性,采用云模型进行检测模型阈值范围的快速划分。使用长江武汉段水域内AIS数据对基于AIS通信量的水上交通事故检测方法进行模型验证和仿真研究,实验结果表明:与采用标准正态偏差和多尺度直线拟合算法的检测模型相比,提出的基于卡尔曼滤波算法的检测模型可在耗时最短的情形下获得最高命中率与最低误检率,分别为97.25%与0.42%;在进一步的仿真实验中,针对3种不同的船舶事故场景,提出的基于AIS通信量的水上交通事故检测方法均能在5 min内检测出水上交通事故的发生。

基于尖点突变理论模型的交通事故检测

为了准确、及时地对交通事故进行自动检测,提出一种基于尖点突变理论的交通事故离群挖掘算法。首先,考虑到基于尖点突变理论描述交通流变化规律的可行性和有效性,从系统论的观点出发,基于尖点突变理论建立城市道路交通流表征模型,能够客观全面地反映交通拥挤条件下符合交通实际工况的速度、流量之间的数值关系,为交通事故离群挖掘奠定模型基础。然后,根据聚类原理,设计基于城市道路交通流表征模型的离群事件挖掘算法,从而检测获得表征交通事故的离群点,完成交通事故检测。最后,仿真算例验证所提出的交通事故检测算法具有较高的准确性,能有效区分常规拥堵与交通事故。

基于YOLOv3算法的交通事故检测

针对深度学习算法虽然能够很好地对车辆进行检测,但网络结构复杂,存在大量冗余,导致检测速度非常缓慢的问题,提出基于缩放因子对网络结构进行剪枝。首先,训练网络通道的稀疏性,以便更容易筛选出重要的通道。在训练网络权值时,将L;范数应用于缩放因子和网络偏置,具有较小参数值的结构受到惩罚;其次,对网络结构中的缩放因子进行排序,并根据比例对缩放因子较小的结构进行修剪;最后,将修剪结构的偏置转移到后续层,以保持精度。对于车辆数据,经过训练和测试,修剪后的模型在精度几乎保持不变的情况下,每秒千兆浮点运算(GFLOPS)从33.2下降到8.1,参数量从62M下降到6.8M。

基于无人机的交通事故严重程度检测

针对交通事故严重程度检测速度慢的问题,对较为先进的YOLOv8算法进行改进。通过引入GAM注意力机制和GELAN结构,提高模型对交通事故严重程度数据集的识别准确性。与此同时,通过模型轻量化处理和调整参数量,降低复杂度和计算量,增强实用性,使模型更易于部署和运行。实验结果表明,改进后的YOLOv8-GELAN-GAM模型在准确率、mAP@0.5、Recall等关键指标上分别提升了2.9%、1.9%、1.8%,在捕捉碰撞后位置变化小或形变量小的事故车辆方面表现更出色。在复杂背景下,改进后的YOLOv8-GELAN-GAM模型也能避免漏检和误检。总体而言,改进后的YOLOv8-GELAN-GAM模型能够为交通安全研究提供有力支持,提升道路救援的速度,提高道路交通安全水平,为事故损失提供强有力的保障。文中研究可为交通安全技术发展提供新的思路。

基于ADASYN-XGBoost的交通事故自动检测方法

基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法(ADASYN-XGBoost)。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法(adaptive synthetic oversampling method,ADASYN)来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明:与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500(18%的初始样本量),150(5%的初始样本量)时,ADASYN-XGBoost的F1分数分别为94.47%,88.89%,81.93%。在进一步的消融实验中,均衡正负样本后各基准模型的性能指标提高了2.68%~44.85%。本文提出的方法能够有效解决道路交通事故检测中的样本不均衡问题,同时也为道路交通安全预防与事故处理等提供了技术保障。

地下隧道单向双车道双洞交通事故准确检测

针对当前检测方法通过地下隧道监控视频检测交通事件,难以准确获取运动目标轨迹参数,存在耗时长、交通事故检测判别不准确等缺点,提出基于运动目标轨迹跟踪的地下隧道单向双车道双洞交通事故准确检测方法。利用背景差法获取地下隧道监控视频运动目标前景。在使用基于边缘检测和HSV颜色空间相融合算法对存在遮挡的运动目标去除阴影的基础上,采用卡尔曼滤波算法对运动目标进行跟踪,得到待检测事件序列的运动轨迹,将复杂的车辆轨迹划分为前行、反行、停滞、斜行四类轨迹元素,依据轨迹元素对待测交通事件的行驶行为进行数学建模,通过该模型准确检测交通事故的发生。实验结果表明,所提方法能够快速准确获取运动目标轨迹参数,在一定程度上提髙了检测效率,且地下隧道单向双车道双洞交通事故的检测精度较高。

隧道交通事故自动检测仿真研究

采用VISSIM交通仿真软件,对城市隧道内的物理环境进行仿真,可设计出一种基于交通流参数的交通事故自动检测方法。该方法可以方便、快捷、准确地判断隧道内的交通运行状况,因而具有一定的实用价值。

城市道路交通事故隐患检测自动报警装置设计

针对现有城市交通事故报警系统模式传统的问题,本文设计出基于单片机的交通事故隐患检测自动报警装置。首先根据已知汽车制动加速度和红外线测速模块所测得的汽车行驶速度计算出安全距离,然后通过超声波测距模块检测出本汽车与前方汽车的距离,若其小于安全距离,会自动报警,提醒驾驶员注意,同时将此信号通过GSM无线通信技术传输至交警部门指挥中心,达到快速救援的目的。

城市交通流实时自适应预报与故障在线检测系统设计

从系统论角度出发，运用高阶广义神经网络（HGNN）技术和遗传算法（GA）设计了交通流实时自适应预报与故障在线检测系统，为ADIS和ATMS的应用提供了条件。

酒后驾车人员体内酒精含量的检测

酒后驾车造成的交通事故频频发生，要判断是否酒后驾驶，就要对驾驶人员进行体内酒精含量检测。阐述了血液酒精含量、呼气酒精含量、唾液酒精含量检测的基本原理和有关化学反应。

交通事故酒精检测结果及其影响因素分析

在出现酒驾交通事故的情况下,酒精检测已经成为认定最终责任的关键依据,本文在研究过程中针对酒精检测结果和影响因素进行了深入了解与分析,希望通过这种方式可以规范酒精检测程序,为交通事故判定提供良好帮助。

北京市“122”接处警系统的设计与实现

随着我国国民经济的持续高速发展,由此带来的城市化进程的加快,使得北京市对道路交通畅通的需求日趋强烈.近年来北京市机动车保有量已超过200万辆,年平均增长率达15%以上,我市道路的年增长速度大约是3%,道路交通总流量年平均递增18%,如此大量的城市交通需求和发展的不平衡给道路交通管理工作带来了巨大的困难.