车辆质点系交通流参数描述及仿真分析

基于车辆质点系表征交通流状态,并以瞬时特定路段区域内车辆质点系质心参数为基础表达交通流参数。设定3种交通流量变化趋势和2种路段车辆类型构成,应用仿真分析方法,对比分析车辆质点系质心参数表达的交通流参数与传统参数在时空状态上的异同。结果表明:基于质心参数所表征的交通流速度υ_(c)与区间平均速度υ_(s)趋势相同,且质心速度υ_(c)更能实时反映交通流速度的时空同步变化特征,同时能反映车辆质量特征(即惯性特征)及分布特征对交通流态势的影响,而区间平均速度υ_(s)有时间滞后性;对比2种方法表征的交通流密度参数,其空间分布状态基本一致;传统的交通流流量参数的时变过程,相对于质心参数所表征的交通流流量具有时间滞后性。

基于改进YOLOv5和DeepSort的交通流参数检测方法

为缓解基于视频的交通流参数检测效果差的问题,提出了基于改进YOLOv5s和DeepSort的实时交通流参数检测方法。首先,在YOLOv5s中引入MobilenetV3和SIoU Loss来轻量化检测模型,提高检测速度。其次,重构Deep⁃Sort外观特征提取网络,并基于车辆重识别数据集重训练,提高跟踪准确率。最后,基于虚拟检测线圈的方式检测双向交通流量和车速。实验结果表明:方法整体运行速度可达59帧/s,在平峰、高峰时段的检测准确率均在92%以上,在实际交通流参数检测任务中具有较强的鲁棒性。

适应ITS的交通流参数之间的关系

流量、速度和密度是表征交通流特性的三个基本参数 .随着 ITS中纵向避碰技术和自动公路技术的应用以及车辆制动性能的提高 ,车辆能够以相同速度在较高的密度条件下行驶或在相同的密度条件下能够以更高的速度行驶 .传统的流量 -速度 -密度关系将有变化 .文中研究了适应 ITS的交通流三个基本参数之间的关系模型 ,模型中引入了自由流密度 ,并用实测数据对模型进行了验证 .

基于实测数据的快速路交通流参数模型

已有的交通流参数模型无论是基本图还是三相交通流理论都是基于高速公路交通流数据进行研究,由于高速公路和城市快速路具有不可忽视的差异,以高速公路交通流数据为基础建立的交通流参数模型难以符合城市快速路交通流运行的实际情况.本文根据实测的城市快速路交通流数据,采用线性回归分析建立城市快速路速度—占有率模型、交通流率—占有率模型和速度—交通流率模型,应用最小二乘法估计模型参数,并以F和T检验对回归模型及回归系数的显著性进行检验.最后,在建立交通流参数模型、明确交通流参数之间关系的基础上,对城市快速路交通流状态进行了划分.本文建立的交通流参数模型,对交通流短时预测和交通流状态判别具有应用价值.

基于车型聚类的交通流参数视频检测

单目摄像机成像丢失深度信息,且PTZ(Pan/Tilt/Zoom)摄像视频场景多变,导致交通流参数提取误差较大.提出了一种基于车型聚类的交通流参数检测方法.在改进的摄像机自标定成像模型中,提取PTZ参数变化下的透视投影不变量"伪形状特征",对其进行基于贡献率算法的车型聚类分析,以车型均高代替实际高度,获取车辆的长宽,进而计算道路空间占有率,并提升车速检测精度.测试表明实时性较高,车型聚类自适应于不同场景,平均准确度为96.9%,车长计算精度优于90%.

交通流参数的微分方程

流量、速度和密度是表征交通流特性的三个基本参数 .随着 ITS(intelligent transportationsystem)技术的应用 ,传统的流量 -速度 -密度关系将有变化 .文中研究了交通流三个基本参数的全微分方程 (动态方程 ) ,三参数之间关系曲线的斜率 。

基于生成对抗网络的交通流参数实时估计模型

为有效调控道路网时空资源,需实时估计交通流参数。若要准确估计交通流参数,应详细考虑道路网交通流时空特征。本文基于生成对抗网络,提出一种能捕捉交通流时空特征的实时估计模型,即TSTGAN模型。该模型包括生成器和判别器两部分,生成器利用门控卷积神经网络捕捉交通流的动态空间特征,使用基于注意力机制的长短期记忆神经网络分析交通流的动态时间特征;采用门控卷积神经网络与长短期记忆神经网络构建判别器;通过对抗方式训练生成对抗网络的生成器与判别器,实时获得交通流参数估计值。使用中国山东省淄博市12个卡口设备和美国加州洛杉矶市23个线圈检测器获得的交通流量数据,验证TSTGAN模型的可靠性。结果表明,TSTGAN模型引入的时空模块能有效提取交通流的时空特征,所得均方根误差和平均绝对误差比现有模型分别降低2.12%~42.41%和1.66%~40.49%,证明所提TSTGAN模型可以提高交通流参数的估计精度。

基于断面激光扫描的移动车辆交通流参数提取

提出一种基于车载激光移动测量数据的微观交通流参数提取方法.将移动断面激光扫描数据根据一定的阈值进行分割分类,获得路域范围的移动车辆.根据二次多项式加权拟合法,获得移动车辆的特征点信息.再基于特征点的时空关系,计算车辆之间的距离、位置、速度等微观交通流参数.以上海延安高架路为例进行试验,对车辆之间的交通流参数提取进行实际验证.结果表明,该方法可以有效地提取车辆交通流参数,前、后方车辆的距离平均误差仅为0.06m,速度平均误差为1.62km·h^(-1);侧方车辆的距离平均误差仅为0.10m,速度平均误差为1.29km·h^(-1).

基于视频的交通流参数检测

随着经济的发展,如何保障交通的畅通与安全已成为当今世界的热点研究课题之一。基于视频的交通流参数检测系统具有直观、安装简便、费用低等优点,它代表了车辆检测器的发展方向。简要介绍了视频车辆检测在智能交通系统中的应用,给出了基于视频的交通流参数检测的常用方法,以及检测系统提取的主要交通流参数,分析了影响检测精度的因素和提高精度的相应对策。

基于车辆方波脉冲时序图的交通流参数实时检测算法

提出一种基于车辆方波脉冲时序图的交通流参数实时检测算法,克服了现有方法易受光线变化及天气影响、运算量大等缺陷,提高了实时交通流参数检测的准确率,为智能交通系统提供有力支撑。研究基于虚拟检测线,将交通监控视频降维处理为包含时间和空间信息的时空图,而后对时空图进行前景提取,生成二值化时空图的垂直投影,针对像素累积图设计了系统性去噪及车辆对象识别方法,进而生成车辆方波脉冲时序图,实时检测出车流量、车头时距、时间占有率、车辆速度并进行车辆分类。分析结果表明,所提出的方法能克服雨雪天气、夜晚光线等干扰,快速而准确地进行多车道交通流参数获取,计算负荷小,方法准确率高达97.32%,可满足智能交通系统对交通流参数检测实时性和精度的要求。

视频检测技术检测交通流参数的原理与方法

本文对运用频检测技术检测交通流参数的原理和方法进行了详细的介绍，给出了各种交通参数的检测和处理方法及具体的数据处理关系。

高速公路交通流参数实时预测AML法

探讨了用于高速公路交通流参数实时预测类型,提出了交通流参数的线性神经网络方法,且利用该法对交通量、时间占有率和点速度的实时预测进行了应用性研究.

基于粒计算的交通流参数预测

交通流参数预测是交通流诱导和交通信息发布的重要依据.以信息颗粒为基础数据分析单元,针对以往模糊时间序列模型存在的缺陷,提出一种新方法构建模糊时间序列模型,该方法在挖掘数据内在信息关联的基础上,考虑时间变量影响下分析动态可变的区域间隔长度.此方法主要特点是基于Gath-Geva模糊聚类的时间序列分割,利用模糊分割构造信息颗粒,以信息颗粒为数据单元,通过粒计算分析交通流参数动态变化趋势.实验结果表明,基于粒计算的交通流参数预测可以预测合理的交通流参数置信区间,比传统的参数数值预测可靠度更高,对于交通状态的动态分析具有指导意义.

5G车联网环境下交通流参数提取方法与仿真

5G车联网的快速发展,为交通流参数的获取提供新机遇和条件。文中研究了5G车联网环境下9个交通参数的提取方法,搭建基于VISSIM交通仿真的车联网仿真平台,选取典型路段和交叉口,对比各交通流参数计算值与仿真值的偏差。结果表明,各交通流参数的计算值与仿真值基本一致。

过街行人对寒区冰雪期城市道路无信号人行横道处机动车交通流参数与通行能力的影响

现行规范在确定城市道路路段通行能力时没有考虑过街行人这一影响因素,而我国城市道路交通系统运行的特征表现为严重的人车混行,在未设置信号控制的人行横道处,车辆与过街行人交通冲突的可能性大,通行能力明显下降。为完善城市道路路段通行能力的研究成果,基于寒区冰雪期城市道路路段无信号控制人行横道的调查数据,分别构建了行人流量与车头时距、行人流量与机动车车速的关系模型。基于此模型计算得到了寒区冰雪期不同行人流量下城市道路路段通行能力的修正系数。

基于相关分析的交通流参数修正方法研究

为了更准确地研究交通流模型,最优化利用交通资源,必须进一步提高交通参数数据的质量。以上海市高架道路某路段的交通流数据为样本,分析交通流特征参数的相关特性,提出一种基于统计相关性分析的参数修正数学方法;通过精确的数值计算,确定最为合适的相关性最大的数据关系,以此进行数据的修正。对所研究路段的交通流数据随机采样后进行修正,并与实际数据比较,修正结果在允许误差范围之内,说明该方法可以有效提高数据质量,且该方法对其他数据处理系统也具有借鉴意义。

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性,提高交通流参数估计精度,基于深度学习提出一种交通流参数估计的组合方法。根据目标断面及其上游断面的交通流数据构造输入矩阵,利用卷积神经网络捕捉交通流的空间特性,使用长短期记忆和门控循环神经网络挖掘交通流的时间特性,组合3种深度学习方法所得输出,得到交通流参数估计值。采用中国安徽省合肥市和美国加州萨克拉门托的交通流数据进行验证。结果表明:新方法的性能优于已有各种方法,使估计误差降低5.72%~33.29%;新组合方法具有较高的准确性和可靠性,能为智能交通系统运营与管理提供高质量的基础数据。

深圳市中心城区宏观交通流参数的背离现象

为了分析宏观交通流参数变化规律及其加载特征,选取深圳市中心区主要进出通道为研究对象,并用自动车牌识别数据验证了回滞现象.进而发现存在加权流量和加权密度变化趋势的背离现象,提出背离指标评价背离现象的强弱级别和周期特征.结果表明,交通运行状态越接近于拥堵,其加权流量和加权密度的变化趋势的背离程度越强.

城市快速路交通流参数估计方法研究

车辆速度、密度、流量关系模型是研究交通流道路通行能力和交通运行状况的重要依据,针对真实道路车辆速度估计,展开经典交通流参数估计解析模型和基于机器学习方法模型的估计效率研究,并提出一种聚类最小二乘方法估计车辆速度。真实交通道路往往存在大量随机因素,而且现场采用的是微波监测器采集数据,导致原始数据存在极大的不确定性,因此,该方法首先对实测数据进行修复、校正和平滑等预处理;为了提高参数估计的效率和准确性,该方法采用k均值聚类对预处理后数据进行聚类;最后采用最小二乘法估计车辆速度。利用实测数据对算法进行测试,结果表明,文章所提出的算法估计效果优于经典解析模型,提高了交通流参数的估计精度,对更加精确的刻画交通流变化趋势有一定的现实意义。

道路交通流参数无人机调查与识别方法研究

为完善我国城市道路交通流参数调查的技术手段,提高数据统计分析的效率与精度,建立一种基于无人机航拍与图像处理的调查与识别方法。以大疆Phantom 4 Pro无人机与数码相机为基础,搭建无人机航拍平台,实现交通流图像的有效采集。在Visual Studio 2017集成编译环境下,依托Open CV开源库,提出车辆识别跟踪与测距算法,通过图像裁剪排除干扰因子,应用cvt Color函数完成灰度化处理,采用中值滤波法实现图像的降噪;引入Canny算子检测车辆边缘,通过Otsu算法进行二值化处理,使用腐蚀操作消除干扰碎片;根据车辆长宽比与面积建立车辆外接矩形,并储存其中心点,提出基于双循环遍历与冒泡排序的车道标定算法,实现车距的提取与车流量、平均速度和车流密度等参数的测算。经检验,该方法调查与识别准确率能够达到95%以上,相比于传统调查方法,具有简单和便捷等优势。