考虑混入逆行车辆的非机动车流元胞自动机模型

我国各大城市均有不同程度非机动车在单向非机动车道路上逆向行驶的现象。针对逆行车辆混入后的非机动车行驶特性,考虑逆向及正向行驶车辆遵循不同的换道规则,建立一种混入逆行车辆的非机动车流元胞自动机模型。模型的数值模拟结果表明:在低密度阶段,逆行车辆比例对于系统流量和速度的影响较小,而通行能力与平均速度随着逆行车辆比例的增大均降低;换道概率对非机动车混合交通流影响较大,当换道概率较小时,即使在低密度下也容易发生交通堵塞;当逆行车辆比例较大时,该模型成为了一个相互干扰的双向道路非机动车交通流模型。

基于视频的单车道车辆逆行检测方法

针对城市单车道车辆逆行违章检测问题,研究了基于视频的单车道车辆逆行违章自动检测方法。使用背景差分法进行车辆检测;用Harris角点特征补充Mean-shift算法的颜色特征,提高车辆跟踪精度,以此得出被跟踪车辆的运动轨迹;通过计算机对运动轨迹进行分析,自动地判断其是否为逆行。从逆行检测正确率和计算量两方面进行了对比实验,实验结果表明,该方法对车辆逆行检测效果良好。车辆平均逆行识别率达到约87.55%,与对比方法基本相当;在计算时间方面,文中方法平均每帧计算时间比对比方法少约19.56ms,更具快速性。

基于YOLOv5的高速公路小目标车辆逆行检测模型

针对高速公路视频数据中道路场景复杂、远端车辆目标小等现象,导致车辆逆行检测模型准确率低的问题,提出了一种基于YOLOv5和DeepSORT的CECAY5D模型框架。框架中设计了一种通道-空间注意力单元CECAC3,用于增强模型对小目标聚集区域的关注程度,提升小目标车辆检测的精度。CECAC3注意力单元是在有效通道注意力模块基础上增加了C3残差模块和空间注意力模块。在高速公路车辆逆行视频数据集下进行对比试验,实验结果表明,逆行检测模型CECAY5D在高速公路监控视频下的检测率和漏检率分别为90%和10%,相比于YOLOv5+DeepSORT模型,检测率提高了25%,漏检率降低了25%,因此该模型具有较高的检测率和较低的漏检率。

广播系统在视频事件监测系统中的应用探析

目前全国高速公路基本上实现1公里1处摄像机的视频无缝覆盖,加上基于视频的事件自动分析监测系统,为道路运营管理者可视化管控带来了质的飞跃,然而对于道路交通参与者仅仅停留在只能监视,而无法与其进行及时沟通,从而对其有效地引导与管控,这是目前高速公路运营管理上普遍存在“痛点”。广播系统通过语言上的传播,可快速建立道路运营管理者与交通参与者沟通的桥梁。文章分析了广播系统在视频事件检测系统中如何实现联动及联动方案,并通过广播系统目前实施情况,分析其存在的不足。