雾天环境下山区高速公路交通冲突预测模型研究

为了更精准地研究雾天环境下山区高速公路行车安全问题,以山西省某典型山区高速公路作为研究对象,利用实测数据标定仿真实验参数,采用VISSIM微观仿真软件和SSAM交通冲突识别软件分别获取交通流及冲突数据,并基于RENB模型和RF模型,构建雾天环境不同能见度条件下的山区高速公路交通冲突预测模型。结果表明:在不同能见度条件下,RF模型在预测精度以及建模过程上均优于RENB模型,但不能标定特征变量的系数,RENB模型能准确地反映每个特征变量的变化引发的交通冲突的变化情况,更适用于分析特征变量对交通冲突的影响。

雾天环境对汽车AEB功能的影响

文章基于多功能视频控制器和前置毫米波雷达的智能驾驶方案,在高速公路行驶的路况情景下,选取大雾天为影响因素建立场景模型,分析高速行驶下大雾天环境对自动紧急制动(AEB)系统功能的影响。从分析结果可知,雾天环境应使用前视双目摄像头以及多传感器数据融合算法等手段以减少AEB的误触发状况,提高AEB的安全性和可靠性。

雾天环境下低维图像模糊区域快速增强仿真

在雾、霾等恶劣天气下采集的图像会因为大气散射的作用而导致图像质量严重受损,为了解决上述问题,需要进行雾天环境下低维图像模糊区域快速增强。但是采用当前方法进行图像模糊区域增强时,无法反映图像模糊区域像素点邻域灰度值空间变化的情况,存在图像增强效果差的问题。为此提出一种基于模糊逻辑的雾天环境下低维图像模糊区域快速增强方法,先将整体的低维图像从灰度平面映射到模糊特征平面上,采用模糊熵计算出图像像素的灰度空间变化率,得到低维图像中的全部像素点的模糊熵值,并融合于区域特征映射原理建立图像模糊区域等价变换模型,提取模糊区域图像特征,将图像模糊区域特征的水平投影隶属度均值定义为渡越点对应的模糊阈值,对模糊区域进行水平方向自适应模糊增强。实验结果表明,所提方法增强效果好,极大的改善了雾天时图像的退化现象。

雾天环境下的舰船图像增强算法研究

为了提高雾天环境下的舰船图像质量,提出一种形态滤波算法和小波变换的雾天环境下舰船图像增强算法。首先采集雾天环境下的舰船图像,并对图像进行形态滤波操作,去掉舰船图像中的噪声,将舰船图像的重要信息保留下来,然后采用小波变换对2幅舰船图像分别进行分解,并对它们进行融合和增强,消除雾天环境对舰船图像的干扰,得到更加清晰的舰船图像,最后与其他算法进行舰船图像增强仿真实验,仿真实验表明本文算法的舰船图像信噪比要高于对比算法,可以对雾天环境中的不利因素进行有效的抑制,得到的舰船图像的视觉效果十分理想,解决了当前雾天环境下舰船图像增强中的难题。

雾天环境下高速公路可变限速控制方法研究

针对雾天环境下高速公路能见度下降导致交通安全和效率降低的问题,提出了一套雾天环境下高速公路的可变限速(VSL)控制方法,包括系统布置、工作流程和可变限速控制策略等,可以根据检测到的实时道路能见度和交通流数据,考虑最大安全车速、交通流运行状态和驾驶员遵从度等因素的条件下,综合确定目标路段的限速值。利用G4高速公路实测数据,在Vissim软件中进行了2组对比仿真实验,结果表明,与无可变限速控制相比,实施可变限速控制的1组,最低车速在平流雾(团雾)环境下提高了27.24%(28.54%),同一控制周期下相邻路段的最大车速差减少了26.42%(41.91%)。提出的可变限速控制方法在雾天环境下能更有效地保障高速公路行车的安全和效率。

雾天环境下车牌模糊边缘信息去噪处理技术研究

近年来交通事故频频发生,尤其是天气恶劣的情况下,事故发生的概率更是大大提高,车牌识别系统在交通事故破案中发挥着重要的作用。但是雾天环境下的车牌图像变得模糊不清,影响司法政府的评判审定。对雾天环境下车牌模糊边缘信息去噪处理技术进行研究,阐述了了如何利用小波阈值去噪法处理图像,对图像处理后的效果进行分析,通过研究发现小波阈值去噪法能够有效提高图像的清晰度,增加辨识率。

基于驾驶模拟器的雾天驾驶行为特性研究

在不同指令和速度反馈机制下进行了分组试验,模拟分析500,200,80,50和30m能见度下驾驶速度选择和车道保持特性.结果表明:随着能见度的降低,车辆速度呈先升高后降低的趋势,实际速度与期望速度不匹配;除30m能见度外,能见度降低未对驾驶员车道保持能力产生影响;80m能见度下平均车速和车道保持率最高.

雾天高速公路实时交通安全状态评价方法

为量化评价雾天环境中高速公路实时交通安全状态,以雾天高速公路交通观测数据为基础,在VISSIM仿真软件中模拟不同雾天环境下高速公路交通流运行状态,并分析雾天能见度、交通流参数与实时交通安全状态之间的关系;将交通冲突数作为高速公路实时交通安全状态的表征指标,运用随机森林算法确定影响实时交通安全状态的主要因素,并利用回归分析方法建立雾天环境中高速公路实时交通冲突数计算模型;选取美国I-43高速公路交通和气象数据,对雾天实时交通安全状态评价方法进行测试和验证。结果表明,模型计算的交通冲突数与交通事故的发生状态一致,能准确反映雾天交通事故发生前后的交通安全状态。

基于多小波增强的雾天运动目标跟踪技术

在雾天等能见度极低的天气环境下应用联合变换相关器对运动目标进行跟踪识别,针对目标由于灰度对比度极低、能见度差及环境中背景噪声干扰所引起的低识别率问题,提出了一种基于多小波增强的预处理方法,该方法在多小波变换优点的基础上,根据分解后系数的不同特点,采用不同方法分别增强高、低频系数,使处理后的图像在不失真的同时,对比度和目标边缘同时增强,且背景噪声得以抑制。对模拟雾天环境下拍摄的大量运动目标进行光学相关实验,结果表明:该方法能有效提高在雾天天气环境下运动目标的跟踪效率,验证了算法的可行性。

雾天对驾驶行为的影响研究——避撞驾驶行为

考虑雾天环境下不良视距对驾驶行为的影响,基于驾驶模拟器为实验平台,通过对46名实验人员在不同雾天实验场景下的测试来分析雾天对驾驶人紧急避撞行为的影响。选取一组非平衡重复测量数据,以刹车瞬时速度和刹车反应时间为因变量,将性别、职业作为固定效应,雾天作为重复测量变量建立线形混合效应模型,并采用SPSS求解。结果表明,在无雾、轻雾与浓雾环境下,驾驶人的平均刹车反应时间分别是1.22,1.26,1.56s,而平均刹车瞬时速度分别为68.10,45.53,48.85km/h。与无雾环境相比,驾驶人在有雾环境下的可视距离受到限制,刹车反应时间分别增加了0.04s和0.34s,刹车瞬时速度分别减少了22.57km/h和19.25km/h。

雾天高速公路换道行为特性研究

为探寻雾天不同能见度水平对高速公路驾驶员换道行为特性的影响,利用高仿真驾驶模拟实验平台构建不同能见度条件下的高速公路雾天环境,并开展驾驶模拟实验,采集了驾驶员在正常天气以及大雾、浓雾天气下自由换道过程中的行为特征,采用Friedman检验对换道持续时间、换道速度的平均值和标准差、换道时跟车距离4个指标进行分析。分析结果显示正常天气下的换道持续时间小于雾天环境(正常天气左换道时间平均为5.96 s,大雾环境下为6.02 s,浓雾环境下为6.31 s)且存在显著性差异(sig.=0.00);正常天气下的换道平均速度与跟车距离大于雾天环境(正常天气下左换道平均速度为104.24 km/h,大雾环境下为94.67 km/h,浓雾环境下为85.95 km/h;正常天气下左换道跟车距离平均为109.58 m,大雾环境下为77.54 m,浓雾环境下为74.63 m)。结果表明,随着能见度水平的降低,驾驶员在高速公路执行换道过程时持续时间延长、速度降低,同时跟车距离缩小。雾天不同能见度水平对高速公路驾驶员换道行为产生不同程度的影响。

雾天区域高速公路网交通运行状态建模与分析

为分析雾天环境下区域高速公路网的交通运行状态,基于METANET模型建立考虑能见度因素的雾天环境下区域高速公路网交通流模型,并利用实测数据对模型相关参数进行了标定.分别从交通运行效率和交通安全两个方面构建雾天环境下区域高速公路网交通运行状态评价指标,结合湖北省高速公路网局部团雾环境进行分析,结果发现:在同一交通需求水平下,路网拥堵里程和高风险路段里程在能见度为100和200 m时相比300 m时分别增加了70%(66.7%)以上和20%(25%)以上;在同一能见度下,路网拥堵里程和高风险路段里程在交通需求为状态3和状态2下比状态1分别增加了88.9%(87.5%)以上和33.3%(50%)以上,表明雾天和过大交通需求都会加剧路网的拥堵程度和安全风险水平,且交通安全状态与交通运行效率同步变化.

弱视觉环境下基于SVM和PCA的车徽识别方法研究

在对雾天弱视觉环境下的车徽进行识别时,提取车徽图像的特征参数受到环境因素的干扰。传统的识别方法中,特征参数的离散程度最小,非线性低维分类无法形成最优解,存在识别难度大的问题。提出基于SVM和PCA的雾天弱视觉环境下的车徽识别方法。利用PCA构建车徽图像的特征空间,再将车徽图像在该特征空间内投影,得到新的车徽图像的特征参数,当这些参数的离散程度最大时,即可获得车徽图像的最具代表性的特征;利用SVM构建车徽图像的最优超平面,并将非线性的低维分类问题转换为线性的高维分类问题,从而实现车徽图像的准确分类识别。仿真结果表明,利用改进算法能够提高雾天弱视觉环境下车徽识别的准确性和识别效率,效果令人满意。

采用改进暗通道先验算法的高速公路能见度检测

为提升高速公路雾天能见度检测精度,考虑大气透光强度、透射率、大气消光系数和图像中某点到摄影机的实际距离,通过能见度检测原理改进现有的暗通道先验算法。首先结合矩形区域测距和实际场景物体大小来解决高速公路二维场景到三维场景重构的问题,并利用K⁃means聚类的方法,并找出聚类后的视频图像中分界线的最小景深点,结合所构建的测距模型得到该点到摄像机的实际距离。其次通过发现传统暗通道先验理论在求取大气透光强度方面的不足,提出了基于图像分割的局部熵法来求取大气透光强度,再利用暗通道先验理论求出透射率,然后由能见度检测原理计算出能见度。最后,根据日兰高速公路K113+000处雾天下的视频图像,对改进暗通道先验算法与传统暗通道先验算法进行实验对比,并以能见度检测仪的检测结果为参照。结果表明:当实际能见度为100 m左右时,改进算法检测的平均相对误差(MRE)为6.25%,比传统算法减小了2.38%;当实际能见度为150 m左右时,改进算法检测的MRE为6.17%,比传统算法减小了3.06%;当实际能见度为200 m左右时,改进算法检测的MRE为5.71%,比传统算法的减小了3.41%。随着光照强度的增加,改进暗通道先验法的检测精度提升越来越明显,能更好地适应日间大雾天气下的高速公路。