一种拥挤情况下的交通事件检测方法

交通状态由畅通转入拥挤过程中和交通拥挤的时候容易发生车辆刮蹭、碰撞等交通事件,进一步减小道路的通行能力,加剧了交通拥堵。针对这种情况提出一种快速识别方法。通过统计累加方法获取并更新背景,并由背景差法获得前景点。在一个车道上设置不同区域获得时间占有率,并对一定时间内的前景点进行统计。当某一区域的前景信息与其他区域的前景信息不一样时,判断此区域内发生交通事故。实验表明所采用的方法能比较准确地获取前景信息,较好地检测出拥挤情况下的交通事件。

新型智能公交——实时到站与拥挤状况查询系统开发及应用研究

随着城市人口的高速增长,城市居民出行量迅速提高,造成交通拥挤,而城市公共交通系统的顺畅与否直接影响着城市经济运行的效率和市民生活的品质。虽然中国已经迈进了公交智能化的时代,但各大交通信息系统的融合程度不高,没能实现乘客需求最大化。本研究在基于系统对客流数据的准确搜集和对车辆实时信息的准确把握上,进行实时到站与车载拥挤状况系统开发及其应用研究。新型智能公交系统的开发应用,集车载拥挤情况和车辆定位信息为一体,人们能运用智能手机链接该系统随时随地了解公交车的实时位置以及车内的拥挤情况,为人们提供更方便的出行路线及应坐公交的实时路况及拥挤程度,从而提高出行质量。

基于CNN公交客流检测系统的设计

针对公交客流数据获取现状不稳定、处理方法陈旧及无法实时调度等问题,本文结合图像处理和深度学习方法,设计了公交客流检测系统,重点对乘客头部的特征提取算法进行研究。该系统将工业摄像头分别置于车厢前端、中端及末端的上侧,以此获得车内乘客三通道图像,在Raspberry Pi树莓派中移植TensorFlow深度学习框架,由此搭建卷积神经网络CNN的模型,以此模型提取车厢内乘客头部特征,再采用综合梯度下降算法优化学习速率和三通道数据融合技术判断车内拥挤情况,从而保证模型的鲁棒性。实验结果表明:将识别结果输入SPP-Net网络结构中,上述算法识别准确率为87.23%,较传统卷积神经网络提高9.11%,收敛速率提高20.77%,其实时的拥挤度判断更具有实用性。

之江路地下通道及管廊工程边坡支护施工技术

本文根据杭州之江路地下通道及管廊工程地质情况和周边施工条件，结合市政工程的特点，通过对影响基坑施工和保证边坡稳定几个主要因素的分析，对市区场地条件较为拥挤情况的基坑边坡的支护处理进行了介绍和探讨。