信号交叉口慢行交通流与机动车流冲突研究

针对信号交叉口慢行交通流与机动车流同时放行产生冲突进行研究。首先,从平均速度、动态占地面积、平均承载人数和出行成本四个方面,对慢行交通流与机动车流的特征进行分析;其次,对四路交叉口两相位慢行交通流与机动车流的主要冲突进行分析;最后,结合冲突分析结果,提出减少信号交叉口慢行交通流与机动车流的冲突点的慢行交通优先通行方法。为减少信号交叉口慢行交通流与机动车流冲突提供理论指导和方法依据。     

自行车专用道冲突区域处理方式的交通设计

为了消除和减少自行车专用道与建筑出入口、交叉口、公交站点等处其他交通方式的冲突,采用隔离、利用绿化带、建设地上和地下过街通道、采用信号控制、取消路边停车、压缩自行车道宽度或允许人非混行等方式对这些冲突区域提出切实可行的处理方法,并给出具体的交通设计图.交通设计图表明,经过交通设计处理,这些冲突区域的冲突点被消除或明显减少,各种交通方式各行其道,顺畅通行.     

基于模糊逻辑的信号交叉口人车冲突判别方法

利用视频图像处理技术提取交叉口人车冲突基本数据。采用冲突时间差和车辆速度两个特征对人车冲突安全性进行分析,并由此构建相应的隶属度函数,确定了人车冲突安全等级,设计了基于模糊逻辑规则的信号交叉口人车冲突判别方法。通过与人工判别结果对比,验证了本文方法的有效性,本文建立的基于模糊逻辑的人车冲突判别模型准确率超过85%。     

基于混合交通流下的交叉口延误

在对无信号交叉口交通流参数进行视频采集的基础上,对无信号交叉口混合交通流的各种冲突行为以及交通参与者面对冲突时采取的微观行为进行了数据分析,并对自行车通过交叉口的轨迹进行了提取,为混合交通流仿真系统的建立和模型参数的校正提供了理论和数据基础。     

冰雪天气下的区域交通状态实时判别

在研究现有常态天气下交通状态判别的基础上,充分考虑冰雪灾害对道路通行能力的影响,提出了适用于冰雪天气条件下的路段和交叉口的交通状态判别方法。同时考虑道路的等级、路段的通行能力以及路段长度等因素,确定了路段和交叉口的交通状态权重,实现了区域交通状态实时判别。最后利用TransModeler微观仿真软件对本文方法进行了验证。结果表明:该方法判别准确度较高、判别时间较短,为冰雪条件下交通状态研究提供了新的思路。     

基于熵的静态背景分割下的运动物体提取

通过对图像序列中运动物体的提取方法进行探讨，提出了一种新的静态背景分割算法，根据交通序列图像的特点，适当修改了一些现有方法，将修改后的方法与新的静态背景分割算法相结合，形成一个完整的适用于交通图像中运动物体的提取方案。     

基于随机参数模型的平面信控交叉口非机动车左转设施安全分析

城市平面信控交叉口非机动车左转驾驶违法行为是路口发生交通事故的关键原因之一.针对非机动车左转现象,研究平面信控交叉口中非机动车的左转设施对信控交叉口交通安全性的影响.以盐城市平面信控交叉口为例,提取5个信控交叉口约50 h的视频数据,利用统计学的方法构建随机参数泊松交通冲突模型,分析左转非机动车的左转车速、左转交通量、...     

平面交叉口交通冲突技术标准化研究

应用交通冲突技术评价平面交叉口交通安全依赖于该技术的标准化,在研究汽车交通国家交通冲突标准化的基础上,结合分析平面交叉口混合交通特性,从交通冲突的定义、分类、冲突调查时间和地点选择以及观测人员选择、样本要求等方面,对交通冲突技术在我国平面交叉口交通安全评价上的标准化程序进行了研究.     

基于图像处理和DSP的交通灯实时智能控制系统研究

针对道路交叉口各通行方向出现车辆分布不均的场合,例如在城市郊区或主干道和非主干道的交叉口,提出一种以DSP嵌入式系统为硬件平台的交通信号灯智能化控制系统设计方案.该系统用CCD摄像机采集反映道路交通现场情况的视频图像,然后对获取的视频图像进行一系列的处理,并用背景减除法来快速获得道路交叉口各相位的车辆信息,然后根据各相对相位车辆多少的不同来实时地控制相应红绿灯的时间和变化,以实现交通管制信号灯的自适应控制.试验证明该系统具有实时性好,扩充灵活等特点.     

信号交叉口交通组织优化设计

以独立信号交叉口为研究对象,采用信号配时、交通工程和交通管理等措施,利用微观仿真模型,提出了信号交叉口交通组织优化的设计方法,讨论了交通组织优化的评价方法、交通仿真机制和模型框架等关键问题．     

基于中值背景模型的运动目标自适应检测方法

针对复杂交通场景中运动车辆检测方法存在的局限性,本文提出了一种基于中值模型和自适应阈值的运动检测算法。利用自适应阈值对差分图像的三个颜色通道进行二值化处理,实现了运动目标的精确检测,采用中值更新策略实现背景图像的实时更新。实验结果表明,算法可以从复杂交通场景图像序列中有效地检测出运动目标,且算法计算量小,具有良好的鲁棒性与实时性。     

基于上下文的交通事件表达与识别

提出了一种基于上下文的交通事件表达与识别方法。首先,利用视频检测与跟踪算法提取前景运动目标及其参数;然后按照交通事件发生的具体环境将上下文分为空间上下文、时间上下文以及对象上下文;在此基础上,结合运动目标的特征属性与上下文相关信息,提出事件单元的概念,并根据事件单元发生的时序将事件表达为基本事件和复杂事件,最后给出了事件的识别方法。通过对实际交通视频监控图像进行验证分析可知,本文方法能够有效自动识别交通事件,为智能化交通管理控制提供技术支持。     

基于中值背景模型的运动目标自适应检测方法

目的 在保证准确性的前提下,降低运动车辆检测算法的计算量,加快处理速度,满足实时性要求,提出一种基于中值背景模型和自适应阈值的运动检测方法 .方法 基于当前帧与背景图像的差分图像,利用自适应阈值分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测.同时,根据检测结果 ,采用中值更新策略实现背景图像的实时更新.结果 实验结果 表明,笔者算法可以从复杂交通场景图像序列中有效地检测出运动目标,并且算法计算量小,具有良好的鲁棒性与实时性.算法每帧处理时间比混合高斯降低43%,背景更新时间比一阶Kalman算法降低了45%.结论 算法能够很好地满足智能交通监控系统中运动车辆实时检测的要求.     

移动对象流量查询方法研究

针对移动对象数据库中存储有移动对象运动状态信息的特点,提出了在移动对象数据库中实现基于道路网络的移动对象流量查询。首先,给出了利用直方图处理基于时间段的移动对象流量数据的方法;其次,基于FNR-Tree思想,提出了一个新的索引结构IFNR-Tree（Improved FNR-Tree）,该索引结构增加了hash表和网格结构能够对移动对象数目进行统计,从而可以实现移动对象的流量查询。     

基于视频监控的运动目标跟踪算法

利用Kalman滤波思想对运动目标的前时刻状态信息进行预测,获取重心位置与形态紧密度估计值;将估计值与当前时刻观测值进行匹配,根据匹配误差修正运动目标的速度与紧密度变化值,通过递归算法实现常态下运动目标的准确、快速跟踪.针对复杂场景下由于运动遮挡造成无法准确估计目标运动轨迹,采用灰色模型GM(1,1)保证了跟踪过程的连续、稳定.最后,通过不同交通场景的视频序列对本文算法进行了验证,结果表明本文方法具有较好的适应性、鲁棒性,可实现复杂遮挡情况下连续、稳定、实时的目标运动跟踪.     

交通流视频检测中背景模型与阴影检测算法

提出了基于对象级的混合高斯背景模型更新方法与基于RGB颜色变化度的运动阴影检测算法。根据运动分割、物体识别、Kalman运动跟踪等高层语义表达,结合像素的时空特性,进行基于对象级的混合高斯背景更新。克服了像素级混合高斯模型中交通控制信号或交通阻塞等造成的长时间停车以及交通高峰期交通拥挤等情况下对背景抽取造成的影响;根据运动目标的RGB颜色变化度特点,提出自适应的对象级运动阴影检测算法,克服了运动阴影的影响及其造成的误分类。不同交通状态下的视频处理效果表明,该方法具有良好的鲁捧性和自适应性。     

基于水平集的多运动目标检测和分割

针对视频图像的运动分割问题，提出了一种基于水平集方法的多运动目标检测和分割新方法.通过一种基于帧间差分的算法,自动提取初始背景图像，并使用相减法，检测出当前图像中的运动像素.定义了一种新的基于差分图像的局部梯度、目标的方差和背景的方差的速度函数，得到了改进的分割曲线的演化方程，分割出不同的运动目标.在水平集的求解过程，设定了控制演化曲线最终停止在目标边界上的条件，得到了运动目标的边界.实验结果表明，与其他传统方法相比，该运动目标检测和分割方法更有效和具有更好的鲁棒性，能够正确地提取运动目标边界.     

交通网络中移动对象定点CRNN查询算法

目的在交通网络中实现移动对象的定点CRNN查询监控,确定受到定点影响的移动对象集合.方法根据交通网络的特征,定义网络中RNN的概念,采用PMR四叉树来索引交通网络结构,利用监控树来简化对网络上移动对象的计算判断和监控.结果测试显示该算法能够针对现实交通网络,实现定点CRNN的查询监控.结论实验表明,在移动对象和查询数量增大时,该算法显示出较好的伸缩性.     

基于运动平台的运动目标检测与跟踪

为了实现大视场智能监控,本文提出了一种基于运动平台的运动目标检测与跟踪方法．在相邻帧之间通过块匹配进行运动补偿,采用三帧差分法分割出运动目标．当运动目标正常运动时跟踪其形心;当运动目标被遮档时,根据卡尔曼滤波器预测的形心跟踪目标．其中,对于块匹配,采用边缘点作为匹配块的中心点并根据摄像机的运动方向确定搜索范围,使处理速度提高了38．6％．另外,比较得出最小二乘法对运动目标运动状态突然改变时拟合效果差,因此采用卡尔曼滤波器进行预测．实验证明,本算法适应环境变化的能力强,而且平均每秒处理37．6帧,达到实时处理要求．     

基于CTBN的移动对象不确定轨迹预测算法

为了高效准确地预测移动对象动态运动轨迹,提出了一种基于轨迹时间连续贝叶斯网络(CTBN)的不确定性轨迹预测算法,充分考虑了移动速度和方向对移动对象动态运动行为的影响,包含3个主要步骤:热点区域挖掘将轨迹数据集划分为不同的热点聚簇;轨迹时间连续贝叶斯网络的构建,其由3个变量(街区号、移动速度、移动方向)构成的状态组合;利用该网络预测移动对象动态运动行为计算可能运动轨迹。不同数据集上的实验结果表明该算法的预测精度优于朴素预测算法,并证明了热点区域挖掘的作用在于能够在保证较高预测准确性的前提下提高预测时间性能近60%。