基于双视角学习原理的交通视频车辆事件鲁棒检测

提出了1种基于双视角学习原理的高速公路交通视频车辆事件鲁棒检测算法。针对道路交通结构化特点提出了分车道外极面图(Epipolar Plane Image,简称EPI),以此反映交通断面车流整体特征。基于双视角学习原理,融合现有广泛应用的反映车辆独立行为的行驶轨迹特征,实现高速公路车辆事件鲁棒检测。针对多种典型车辆事件(包括交通拥堵,车辆逆行,车辆违规停车,交通事故等),本文算法总体检测率为94.09%,误检率为4.51%,漏检率为1.40%,其性能与传统单视角方法比较有较大的提高。

基于GPS的出行者停止语义推断模型

传统的车辆运动轨迹特性分析通常采用对其停止点加注语义的方法,该方法存在信息采集繁杂、信息遗漏以及实时处理不方便等问题.为此,提出以GPS轨迹数据中的语义信息为直接挖掘对象,运用马尔可夫链方法推断车辆运动下一停止点的方法.该方法通过辨识车辆停留中的子停留,利用车辆运动轨迹点特征参数(即时速度、停留时长等)进行信息量化,并与构建的判别信息库进行比对,从而挖掘车辆停留中的子停留语义信息.此外,通过划分车辆运行状态层次,统计每个子停留在每个状态层次的出现频率,以此推断车辆的未来停止点.实车测试结果表明,采集数据量越大,状态层次划分的越细,计算结果越稳定;预测范围越小,按照比例还原的电子地图产生的误差越小,所得的预测越准确.