道路交通大数据及其关键技术研究

道路交通领域业已形成大数据的环境,为梳理道路交通大数据的研究内容、关键技术和技术方案.首先,归纳总结了大数据的内涵、特征及研究现状.其次,针对道路交通中的人、车、路和环境,分析了道路交通大数据的数据来源.然后,针对道路交通信息的获取、传输、处理和应用,分析了道路交通大数据的关键问题.最后,从数据处理和管理的角度,分析了道路交通大数据处理和管理的支撑技术.通过分析,得到了道路交通大数据的关键问题、开展道路交通大数据研究所需的技术基础和道路交通大数据未来的可能应用.通过这一系列梳理,明确了道路交通大数据研究的关键技术及其相关应用.

一种基于视频的道路行人检测方法

提出了一种基于交通视频的道路行人检测方法。首先,采用具有自适应背景更新的背景差法提取运动目标。其次,利用行人的轮廓特征和行人在图像上的像素高度与实际距离的线性变化关系特征进一步分割行人目标,并依据行人位置特征对其做多帧匹配跟踪。最后,结合行人速度特征,实现行人目标检测。实验结果表明,该方法能准确地检测交通场景中出现的行人目标,有效地解决运动车辆的遮挡和光照等对行人目标检测的影响,具有良好的实时性和稳健性。

基于车辆之间实际距离的快速交通状况检测算法

交通状况检测与预警是交通信息检测系统中一个很重要的组成部分,它对城市交通管控和诱导有着重要的指导意义。基于视频图像的灰度和边缘特征,首先采用差分算法计算出各车道中轴线上像素点的灰度梯度,并对梯度函数结合"像素-距离"的映射关系,按距离聚类分析法完成其对应曲线上脉冲的合并与数值量化;然后根据量化结果,对各车道的有车区域和无车区域做出标识,并对有车区域的分布密度做出统计;最后,结合对车道中轴线上像素点的灰度帧差处理结果,对交通状况做出精确判断。经实验验证,该算法能对道路的交通状况做出准确、实时的判断,且算法简单稳定,具有很好的实用价值。

基于阵列信号融合的路面平整度检测原理研究

提出了一种基于阵列信号分析原理的激光路面平整度检测方法.利用阵列信号处理方法,将路面信号转化为阵列信号源个数的估计;将激光检测系统相对于路面的运动转化为阵列信号波达方向的估计;将多传感器检测数据共同信息的提取转化为阵列信号中多信号权向量的加权处理;利用最佳权向量重构出路面断面形状.实验证明此方法简单实用,可以为路面平整度检测设备的改良提供一种全新且好用的方法.

沥青路面构造深度精确检测方法研究

路面构造深度是表征路面宏观构造的重要指标,为了准确、快速地检测路面构造深度,提出了一种新的路面构造深度高精度检测方法,该方法步骤是先利用改进的最小二乘去除评价路段的路面趋势项,获得精确的路面纹理结构;然后以精确的路面纹理结构计算路面构造深度。依据该检测方法开发了检测系统和检测软件,实现了路面构造深度的精确、快速检测。通过标定实验和现场对比试验证明,采用该自动检测系统可以实现各种车速下的路面构造深度的连续检测,并且检测结果与铺沙法相关性很高,检测结果可以直接使用。

面向车联网技术的BOA应用研究

交通信息化提高了交通效率,物联网技术为交通信息化的发展带来更多新技术、新方法,由此产生了"车联网技术".物联网技术是一种在发展的新技术,故此车联网技术在应用过程中存在一些技术障碍,如车辆细部部件的监控等.本文提出一种通过BOA技术进行交通设备部件访问的服务技术,如果硬件本身具有嵌入式控制接口,通过BOA技术与这种接口集成可以远程对部件进行监控与参数修改.这样BOA通过CAN总线集成的操作可以对设备整体进行全部部件监控和更多的优化操作,甚至可以对BOA设置单独的虚拟IPv6地址,达到更大范围内的远程参数获取与监控.最后,通过具有BOA技术的可控视频监控实例证明,此种技术可行.

高铁轨道CPⅢ基准点自动检测方法研究

为实现高铁轨道CPⅢ基准点的自动高效检测,研发基于双目视觉的CPⅢ基准点动态非接触自动检测系统。首先对双相机拍摄的图像进行自适应分割处理,对分割后的图像利用改进模板匹配算法计算获得CPⅢ标识物在图像中的位置;然后对提取的标识物目标图像进行自适应阈值分割提取边缘轮廓,计算标识物中心坐标;最后利用基准点计算方法和双相机标定的参数计算CPⅢ基准点坐标。试验结果表明,检测系统在水平方向上的最大误差为0.95 mm,垂直方向最大误差0.25 mm,最大变异系数为0.211%,该方法可为CPⅢ基准点高精度自动化检测的应用提供参考。

一种基于视频的交通状况检测方法

提出了一种基于视频的交通状况检测方法。首先,通过安装在路面上方的摄像机采集交通视频图像。然后,利用计算机视觉和图像处理技术获取车辆平均行驶速度。最后,根据统计直方图方法来计算道路当前平均速度,并以此作为交通状况各状态转换条件,从而实现交通状况的实时检测。实验表明,该方法实时性好、准确性强,具有一定的实用价值。

基于视频车辆运动轨迹场的交通事件检测方法

针对现有交通事件检测算法存在的模型复杂、运算量大,并且检测结果滞后的缺点,提出了一种基于视频车辆运动轨迹场的交通事件检测方法。该方法以基于视频的车辆跟踪轨迹为基础,形成正常车辆运动轨迹场,进而将当前车辆轨迹矢量与正常轨迹场矢量比较,最终实现了对超速、慢行、变道和逆行的异常交通事件的检测。研究结果表明,与传统方法相比,该方法算法简单,并且可以快速、准确地对异常交通事件进行检测。

一种锂离子电池SOH在线检测方法

针对目前锂离子电池健康状态在线检测误差较大的问题,提出了一种综合改进蚁狮优化算法和粒子滤波算法的锂离子电池SOH在线估计方法。建立了锂离子电池SOH估计的状态方程和观测方程,利用动态遗忘因子最小二乘算法实现了模型参数的在线辨识。利用粒子滤波算法实现对模型动态参数准确地进行预测与跟踪,利用改进蚁狮优化算法进行粒子适应度计算并更新目标位置,解决了粒子滤波方法由于粒子退化和样本贫化而导致估计精度低的问题。利用NASA数据集和实测实验对本文方法的SOH检测精度进行了对比实验,结果表明:NASA数据中SOH检测的最大绝对误差为2.04%,平均绝对误差为0.57%,均方根误差为0.74%;实测试验中SOH检测的最大绝对误差为1.55%,平均绝对误差为0.71%,均方根误差为0.87%。

面向城市交通网络的K最短路径集合算法

在城市交通网络中,为了优化交通流,需要搜索到符合出行需求K最短路径,并将OD(Origin-Destination)交通流合理分配到这些路径上.本文主要对搜索符合出行需求的K最短路径搜索算法进行了研究,解决了已有算法仅能搜索出单条满足最短及K最短条件路径的问题.根据Wardrop第二原则及路段阻抗函数理论,分析了路径集合搜索方法对优化城市交通流的必要性,并定义了城市交通网络中K最短路径集合的概念及选择条件,提出了一种面向城市交通网络的具有多项式时间复杂度的K最短路径集合搜索算法.仿真结果表明,本文所提算法可以搜索出满足出行需求的所有K最短路径集合,在该路径集合上进行交通流分配的效果明显优于传统方法.

车联网环境下IEEE 802.11p移动性支持仿真研究

针对IEEE 802.11p协议移动性支持的评估需求,构建基于IEEE 802.11p协议的车联网应用场景,利用泊松过程描述车联网系统中的车辆到达模型。基于Veins平台搭建仿真场景并对仿真参数进行设置,从端到端延迟、丢包率、吞吐量方面测试并分析车流密度、车辆行驶速度对IEEE 802.11p性能的影响以及IEEE 802.11p应用于车联网环境的适用性。测试结果表明,车辆行驶速度对基于IEEE 802.11p协议的车联网性能影响较大,而车流密度对其性能影响较小,同时IEEE 802.11p协议适用于主动道路安全应用且有助于提高合作交通效率。

雾霾天气下基于二次滤波的交通图像去雾算法

雾霾天气下采集到的退化含噪图像模糊不清、对比度较低;而使用传统基于双边滤波的去雾方法得到的图像偏暗,效果有限。针对这些问题,提出了一种新的基于二次滤波的算法,实现雾霾天气下交通图像去雾处理;利用双边滤波对含雾图像的暗通道图像进行第一次滤波,用引导滤波对图像的透射率粗估计进行二次滤波优化。根据降质模型对含雾图像进行复原,进而得到去雾后的图像。实验效果证明,与传统方法相比,得到的去雾图像与真实场景亮度更加相似,色彩饱和度较好,图像质量较高。

基于改进LeNet-5网络的交通标志识别方法

针对传统LeNet-5卷积神经网络用于交通标志等多种类识别任务中,存在识别正确率低、网络容易过拟合以及梯度消失等问题进行改进。引入Inception卷积模块组来提取目标丰富的特征,同时增加网络的深度。引入BN (batch normalization)层对输入批量样本进行规范化处理;同时改用性能更好的Relu激活函数,并使用全局池化层代替全连接层,合理改变卷积核的大小和数目。研究结果表明,改进LeNet-5网络能够有效解决过拟合和梯度消失等问题,具有较好的鲁棒性;网络识别率达到98. 5%以上,相比CNN (convolutional neural network)+SVM (support vector machine)提高了约5%,比传统的LeNet-5网络提高了3%。可见,改进后的LeNet-5网络图像识别的准确率得到显著提高。

基于新的中值引导滤波的交通视频去雾算法

针对现有改进双边滤波算法处理雾霾天气下交通图像过程中边缘保持效果不理想且容易出现噪声斑块的问题,提出了一种基于新的中值引导滤波的去雾算法。首先,在快速引导滤波基础上改进,利用引导图像在滤波窗口的中值重新定义以像素k为中心的窗口系数ak和bk,并应用在对滤波框内临近像素点上,避免了对引导图像和滤波图像求方差和协方差,进一步提升计算速度。去雾阶段则将含雾图像转化到RGB颜色空间,获取暗通道值、大气光值以及粗透射率,利用中值引导滤波算法对粗透射率进行优化,得到透射率的精确值,根据模型方程反向求解获得去雾图像。实验结果证明,与传统方法相比,新算法去雾效果强化了对边缘的检测和保持能力,更好保持了图像细节。同时,运算效率较同类算法提升较大,实时性较高,可用于交通视频处理。

基于Lyapunov直接法的移动机器人运动控制研究

针对移动机器人的运动学模型,以Pioneer 3DX型轮式移动机器人为研究对象,建立了采用两轮差动驱动控制方式的移动机器人运动学模型,提出了基于Lyapunov直接法的移动机器人运动控制方法,设计了移动机器人控制器。对设计的控制器进行了直线跟踪和圆轨迹跟踪仿真实验,仿真结果表明轮式移动机器人能够有效地跟踪期望轨迹。本文提出的方法不但能够增强移动机器人控制器的调节能力,而且在一定程度上简化了控制器的设计,可应用于移动机器人运动控制实际工程中。

高速公路路面裂缝识别算法研究

经过研究给出了不均匀光照的路面裂缝图像识别的详细算法。算法采用多窗口中值滤波进行图像平滑,既能去除图像的噪声点,又较好地保留了裂缝的边缘信息;使用背景子集图像插值校正法进行灰度校正,有效地克服了不均匀成像对后期图像分割的影响;采用otsu阈值分割、形态学去噪及连通区域标记完成裂缝图像分割;选用连通区域个数、投影特征和分布密度3个参数完成裂缝分类;最后提取裂缝长度、宽度和破损面积等裂缝参数。实验结果显示分类准确率为94%,线状裂缝长度误差均值为7.2%,宽度误差均值为11.3%,非线状裂缝的面积误差均值为9.6%,表明这一方法有效、可靠。

IEEE标准电脑鼠在工程实践教学中的应用

以该校现代工程训练中心近年来针对我国现行高等教育体制下的工程实践教学存在的教学内容局限、教学方式单一、跨学科协同教学能力不足等问题试点开设的"IEEE标准电脑鼠的设计与制作"工程实践课程为例,从IEEE标准电脑鼠的硬件开发、算法设计、软件设计和仿真分析四个方面深入阐述了在该工程实践课程中学生需要学习的各项工程实践技能,并总结了该课程的开设对我国新时期工程实践教学的意义。实际教学结果表明,该实践课程的开设有效地提高了我校本科教育中工程实践环节的教学能力。

一种含雾交通图像梯度双边滤波算法

针对雾霾天气下传统滤波算法处理过程中容易受到噪声干扰,边缘像素点保持效果不理想且容易出现噪声斑块的问题,提出了一种含雾交通图像梯度双边滤波算法来实现雾霾天气下交通图像降噪滤波处理。算法提出了一种梯度相似度核,并基于此设计了一种梯度双边滤波器,将RGB颜色空间的交通图像转换到Lab颜色空间进行滤波处理。将处理过的Lab颜色空间的交通图像转换到RGB颜色空间,得到处理后的雾霾天气下交通图像。与传统方法相比,本文算法处理后图像的PSNR、细节强度和SSIM平均提升了27. 12%、24. 11%和6. 45%,能够实现在滤除噪声信息的同时,尽可能的保持图像边缘,对进一步提取雾霾天气下含有大量噪声的交通图像的特征信息十分有意义。

波纹管耐撞性的理论研究

针对波纹管受轴向压缩时的吸能特性,开展理论分析研究。考虑波纹管发生轴对称变形下的吸能机理,推导出平均压溃力的理论计算公式,从中可以看出它主要受到波纹管几何结构参数、材料性能参数和加载速度的影响。对比数值模拟结果,表明所建立的理论分析模型基本正确。基于理论模型和数值模拟研究了几何结构参数和加载速度的影响规律,随着波纹角的减小和波距的增大,平均压溃力呈加速增大的变化趋势;动态加载时平均压溃力约增大80%。研究工作为波纹管在结构耐撞性领域的应用提供了理论指导和设计帮助。