一种新的快速路交通事件综合检测算法

介绍了传统交通事件检测系统的组成及传统交通事件检测算法,在指出传统交通事件检测算法存在的主要问题的基础上,提出了一种新的快速路交通事件综合检测算法。该算法主要含事件检测、检测学习、综合判断三部分,将加州算法、基于交通流模型优化的McMaster算法、基于统计的相邻车道数据比较算法、基于模糊聚类的事件检测算法的检测结果进行综合判断,从而得到交通事件信息。实验表明,该交通事件综合检测算法的判断准确度优于其他算法,且运算速度满足实际应用需要。

利用综合变化检测方法进行土地覆盖变化制图

在全球环境变化研究中,对土地利用和土地覆盖的描述、量化和监测尤为重要。为此,基于综合变化检测算法(comprehensive change detection method,CCDM),计算2011—2016年Landsat影像(P033/R033)的土地类型变化。CCDM整合了2种基于光谱的变化检测方法,即多指标综合变化分析(multi-index integrated change analysis,MⅡCA)模型和分区(Zone)变化检测模型。通过计算变化向量(change vector,CV)、最大相对变化向量(relative change vector maximum,RCVMAX)、差分归一化燃烧率(differenced normalized burn ratio,d NBR)和差分归一化植被指数(differenced normalized difference vegetation index,d NDVI)等4个光谱指标和时间(t)提取2期Landsat影像的变化。此外,根据前期和当前土地覆盖的变化趋势和MⅡCA与Zone结果的变化,对CCDM结果的准确性进行了评价。评价结果表明:非变化类的准确率为96%,变化类的准确率为40%,总体精度为68%。CCDM方法简单、容易实现、应用广泛,能捕捉不同景观中各种自然和人为干扰引起的潜在土地覆盖变化,可为国家土地覆盖更新和土地变化检测提供技术支持。