基于动态仿真与路网优化的疏散区域确定方法（英文）

在确定的突发事件危险区域与疏散需求基础上,提出了基于动态仿真与路网优化的疏散区域确定方法.该方法包含3个模块:运用车道反向设置与消除交叉口冲突综合策略,对疏散区域内的路网进行优化;应用基于元胞传输模型的动态疏散仿真模型,对待疏散车辆在疏散区域内路网上的动态运行状况进行模拟,获取临界交叉口车辆到达的估计值和待疏散车辆离开危险区域的时间,并对当前疏散区域范围的设置进行反馈;基于疏散车辆到达临界交叉口的状况,计算临界交叉口延误,并将其作为该交叉口是否仍旧为下一次迭代的临界交叉口的判定值.通过迭代,疏散区域范围逐渐扩大,最终确定合理的疏散区域与区域内的路网优化方案.应用上述模型与迭代算法,基于南京奥体中心周边停车设施、道路网络分布与道路基础设施现状调查,获取疏散状况下的疏散区域与路网重构方案,验证了所提方法的有效性.     

基于视频的道路车辆测速系统设计与实现

为了对道路上行驶的车辆速度进行有效估计,提出了一种基于Harris Stephen角点检测算法和归一化互相关（Normalized Cross Correlation method,NCC）匹配算法的视频车辆检测系统。该系统对车辆进行跟踪,并测算车辆在干道和高速公路上的速度。通过使用Harris Stephen角点检测兴趣点,利用归一化互相关算法匹配对应角点,利用点对应关系确定车辆行驶的像素位移。根据车辆在连续视频帧中所有角点的总位移计算车辆的平均位移,结合帧率估计车速。实验结果表明,系统测速精度高,能实时估计出车辆行进的速度。     

基于车辆轮廓对称与车牌定位信息融合的车辆检测方案(英文)

为了有效地定位交通监控图像中的车辆区域,提出了一种基于车辆轮廓对称和车牌定位信息融合的车辆检测方法. 该方法首先检测图像中的车辆轮廓竖直对称轴,然后以车辆轮廓对称轴位置为基准检测车牌水平和竖直对称轴,最后根据车牌横纵对称轴和车辆轮廓图像的水平、竖直投影进行车辆区域定位. 以450 张 15 类车型的图片为测试集进行了基于对称特征融合的车辆区域检测,并与基于车辆边缘、车牌、车辆纹理特征和车辆图像 Gabor 特征的 4 种方法进行了对比,实验结果表明基于车辆轮廓对称与车牌对称特征融合的车辆区域检测方法最优,其检测率和检测时间分别为 90. 7%和 125 ms.     

基于视频的城市快速路交通流检测及车辆行为监控

提出一种针对城市快速路的视频监控系统,完成交通流及道路异常行为检测.流量检测模块对车辆进行实时跟踪获得各类交通流统计数据,实现快速路车辆运行状况的全面掌控.异常监控模块运用隐马尔科夫模型,对带有时间和空间信息的车辆轨迹进行训练,获得路径划分后对道路车辆轨迹进行参数匹配,提取诸如超低(高)速行驶、违章停车、违规掉头等异常...     

一种视频防抖的车辆检测算法

为解决由于道路颠簸、车辆自身抖动导致视频帧图像模糊而影响车辆检测效果的问题,采用基于特征匹配的光流法结合SURF特征点提取算法对车载视频进行防抖预处理,再将增稳后的视频序列传入训练好的YOLOv4框架进行车辆检测.在KITTI数据集上对该算法进行验证,最终识别准确率达96.5％.通过对比防抖前后测试结果发现,建立的防抖...     

基于视频的车辆违章越线行为检测方法研究

本文介绍了一种基于视频的车辆违章越线行为识别方法.该方法首先利用帧数统计判断当前图像的车道线边界状态,然后根据车道线的不同状态分别采用检测车前部的均匀灰度区域和检测车头复杂边界信息的方法来实现车辆的越线检测.实验结果表明该方法是有效的.     

基于学习算法SSD的实时道路拥堵检测

随着人们生活水平的不断提高,道路车辆拥堵情况愈发严重。如何实时、精确地检测出道路车辆,对于解决道路拥堵问题具有重要意义,GPU和人工智能技术的飞速发展为其提供了可靠的解决方案。研究分析传统目标识别算法、基于候选区域深度学习的目标提取算法RCNN和基于回归的深度学习目标检测YOLO,最终确定采用基于卷积神经网络的实时目标检测算法SSD。首先调用VGG16网络模型在ILSVRC CLS-LOC数据库上预训练生成初始网络模型,进而设置超参数并在自身数据集上进行再训练,生成新的网络检测模型,然后将训练和测试部署到深度学习框架Caffe上加以实现。通过在数据库COCO、VOC2012上的测试结果表明,该模型检测精度为76%左右,处理速度为26FPS。同时通过道路路口的实地车辆检测,显示该算法能够实时、精确地检测出道路车辆,为道路拥堵情况判定提供可靠数据。     

考虑遮挡的视频车辆跟踪

为了对遮挡情况下的运动车辆进行跟踪,提出一种基于分块的车辆跟踪算法。该算法将目标车辆以可重叠的方式划分为若干大小一致的子块。在分块的基础上估计所有子块的运动矢量,检测噪声运动矢量并进行调整,以减少运动矢量估计的误差,然后对子块进行移位以实现车辆跟踪。为了处理车辆间的遮挡现象建立了马尔可夫随机场描述子块之间的关系,利用欧氏距离定义块的邻域,并基于块的直方图构建能量函数,最后利用模拟退火法对能量函数进行优化,以对遮挡区域进行分割。实验结果表明,该算法能够对遮挡车辆进行准确跟踪。     

基于视频快速目标检测算法实现

首先回顾了目前流行的各种车辆检测方法,并指出视频检测技术已日益成为最具优势、最有发展潜力的检测方法。在此基础上,对各种基于视频的车辆检测算法分别进行分析比较。最终,给出一种基于视频的快速目标检测算法。     

基于Petri网的无信号交叉口车辆诱导及优化系统研究

为充分利用现有城市道路交通空间,在车路协同环境下对无信号交叉口控制优化方法进行了研究。根据交通流冲突点理论,交叉口分为不同的空间区域,车辆进入不同的区域需要申请该区域路权资源|利用赋时Petri网建立无信号交叉口控制模型。根据优化算法,得到较优的车辆通行序列,从而实时引导车辆通过交叉口|分析了不同数量车辆对交叉口的延误时间、车辆平均延迟时间的影响,并将其与传统的信号控制方法进行对比。研究结果表明：基于Petri网的无信号交叉口控制方案改善了交叉口通行状况,控制效果优于传统的信号控制方法。