城市道路交通中行人安全问题研究

根据长沙市各类交通方式伤亡事故的详尽统计,分析了影响行人交通安全的内在原因和外在原因,以系统论的方法,从城市道路建设、安全管理学、安全文化等多角度研究了现代城市行人交通安全问题,提出了解决问题的对策。     

行人过街设施选择偏好的非集计模型

为提高行人的交通安全水平和过街设施的使用效率,研究行人对过街设施的选择行为.对中关村大街选择人行横道和过街天桥的402个行人进行问卷调查,内容包括行人特性、设施特性及行人对过街设施的选择特性;基于调查数据,分析了影响行人选择过街设施的因素,并建立了反映选择偏好的二元Logit模型.观测数据和模型预测结果对比分析表明,模型对行人选择人行横道和过街天桥的预测准确率分别为80.29%和85.66%.     

基于视频分析的行人闯红灯违法行为检测系统

行人闯红灯是一种非常常见但又难于管理的交通安全违法行为。提出一种基于视频分析的非现场执法系统,可用于全天候监测行人闯红灯违法行为。该系统包含两部高清相机,通过交换机与终端服务器构成局域网,利用服务器中的检测模块分别检测行人和红绿灯的实时状态;通过判断红灯状态下是否有行人走动,自动记录相应的图像与视频数据作为执法依据,并自动将数据上传至指定服务器。实地测试表明,该系统能全天候工作,有效地缓解了交管部门警力不足和执法范围有限的问题。     

基于Logistic回归模型的闯红灯行人的人口特征研究

研究行人人口特征对闯红灯行为的影响.选取某个道路、交通和环境等条件单一的信号交叉口,从而控制这些客观因素对闯红灯行为的影响,采集1 095个过街行人数据,包括121名闯红灯行人、195名红灯时期到达路口等待绿灯通行的行人和779名绿灯期间到达并通行的行人.采用logistic回归模型,分析了行人闯红灯的选择与聚集性、性别、年龄的关系.研究结果表明,群体较之个人,男性较之女性,老年人较之青年人和中年人,闯红灯的可能性更大,从而为制定针对性的交通安全宣传策略提供指导.     

平面交叉口行人过街组织方法比较研究

行人过街是平面交叉口交通组织中的关键问题,如何保证行人过街效率与安全性决定了交叉口整体运行效率与安全水平。关于行人过街交通组织,以往研究多从保障行人安全性出发,讨论某种组织方式的适用条件与可行性,缺少对不同组织方式效果的比较评价。基于实际调查数据,对设置交通安全岛和实体渠化岛两种行人过街交通组织方式进行仿真评价,并分别与交叉口现状比较。结果表明,两种组织方式在保证行人过街安全的前提下均能有效降低行人、车辆及交叉口延误。其中,相同条件下,交通安全岛更适合作为行人过街交通组织的设计方案。     

信号控制交叉口行人个体过街行为选择模型

为减少行人违法过街现象,提高行人过街安全,对信号交叉口行人过街行为机理进行研究.首先,通过相关性分析找出个人属性、家庭属性、行人设施属性、交通状况属性中对行人过街行为有显著影响的因素.另外,除上述可见因素外,也存在一些观察不到的心理因素会对行人行为产生影响,如对交通安全的态度、对舒适性的要求、从众心理的强弱等.将这些心理层面的主观偏好定义为隐性变量,通过对解释变量和表征变量的结构方程建模获取.最后,将相关性分析得出的关键因素和隐性变量共同作为自变量,引入到logit模型中,建立行人个体违法过街行为的MNL模型.结果表明:到达时间对行人选择"先绿后红"行为影响最大;性别因素对行人"全红"行为影响最显著;年龄因素对行人"先红后绿"行为影响最为显著.     

一种城市道路场景下行人危险度评估方法

针对行人在交通场景对车辆驾驶造成的影响和辅助驾驶需要对行人进行避险的问题,提出一种基于车载单目摄像机的行人危险度评估方法.基于中国城市的特色环境,将行车环境划分为三类:普通道路、人行横道和有辅警道路,对每类场景采用不同的评估方法.采用卷积神经网络,检测视频中道路上的行人、辅警、信号灯和人行道等信息;检测行人关键点并使用多目标跟踪方法,生成骨架姿态时间序列,通过LSTM(长短时记忆神经网络)分析姿态序列获得行人行为和趋势;最后综合视频信息、行人信息和场景信息,构建行人危险评估模型,实现行人危险度评估.实验结果表明,提出的模型可以有效地评估行人危险度,辅助驾驶员安全行车,场景分类使危险模型评估结果更符合行人实际危险度.     

基于稀疏编码的迁移学习及其在行人检测中的应用

行人检测是计算机视觉领域中的研究热点,其实质是一个二分类问题.目前基于统计的行人检测技术已取得了一定进展,但大都需要大量的训练数据.针对这一问题,提出了一种基于迁移学习的半监督行人分类方法:首先基于稀疏编码,从任意的未标记样本中,学习到一个紧凑、有效的特征表示;然后通过迁移学习,将学习到的特征表示方法迁移到行人分类中.在MIT行人数据库上的实验结果表明:该方法能有效地刻画出行人的特征,提高行人分类的性能,在标记样本少的情况下仍具有良好的分类效果,因此可应用于行人检测中.     

行人运动状态对人车碰撞事故中行人损伤的影响

为研究车辆与行人正面碰撞时行人运动状态对行人头部、胸部加速度的影响规律,根据国家车辆事故深度调查体系（NAIS）中的真实案例,利用PreSys软件建立假人与车辆正面碰撞的有限元模型,在此基础上,研究行人不同运动状态和车辆不同碰撞速度下行人的动力学响应及头部、胸部加速度变化情况。结果表明：碰撞速度30km/h时,行人行走状态下头部加速度最大,慢跑状态下行人头部加速度最小;碰撞速度50km/h时,行人不同运动状态下头部加速度差别不明显;行走、慢跑状态下,行人胸部的加速度随着碰撞速度增大而增大;奔跑状态下,行人胸部加速度峰值随碰撞速度的增加呈先减小后增大的趋势。     

信号交叉口个体行人与群体行人过街闯红灯行为分析

行人过街闯红灯行为受道路、交通及行人自身等因素影响,为深入挖掘行人过街闯红灯行为规律,随机调查了1 157名过街行人,包含当时的道路、车流状况,如人行道长度、行人相位信号时长、行人穿越车流时的车头时距等。个体行人过街闯红灯行为与群体行人存在显著差异,利用显著性检验,判定个体行人闯红灯的显著影响因素为车流的车头时距与行人等待时间,群体行人闯红灯的显著影响因素为行人数量与行人群中最长行人等待时间。根据所得显著影响因素,建立了个体行人与群体行人闯灯率的Logit模型,结果显示:等待时间对个体行人与群体行人闯灯率的影响并无差异,当等待时间达到46 s时,个体行人与群体行人闯灯率曲线均达到拐点,此时行人违章率增加最快;当群体行人数量达到4人时,最容易激发行人群的集体闯灯行为。结论为交叉口信号配时及行人违法闯红灯的管理提供的了参考。     

视频行人重识别研究进展

视频行人重识别是指在不同摄像头拍摄的视频中检索特定行人的技术.与图像行人重识别相比,视频行人重识别赋含信息更多,包含了帧与帧之间的时间信息、运动信息等,这有利于提高行人检索的准确率,因此视频行人重识别引起了国内外学者的广泛关注.本文探讨了视频行人重识别的处理过程,详细介绍了其中特征提取和距离度量的方法,并对各种特征提取方法的特点及应用进行了总结,给出了一些视频行人重识别实验数据集和评价标准,提出了视频行人重识别研究领域面临的挑战及相应的解决方案,最后对视频行人重识别技术未来的研究问题做了展望.     

城市道路非机动车道有效宽度和利用率分析

行人事故（Pedestrian RTAs）在许多发展中国是很严重的问题。本文研究各种有效宽度下的城市道路人行道的使用率与交通道路特征包括自行车流量、行人流量、机动车流量和车速之间的关系,以及不使用人行道的行人的性别年龄特征,为城市道路提供合理的行人通道设计提供理论和数据依据。研究表明：有效宽度在1.8m以下的人行道会妨碍人们的正常使用,有效宽度小于1m的人行道大多数行人不会使用。机动车流量和车速对利用率没有显著影响。行人流量和人行道利用率成反比。     

信号控制交叉口行人过街行为虚拟实验

以交通系统微观仿真模型VISSIM为基础,基于虚拟现实仿真理论开发了行人过街行为虚拟实验系统(PCBVRS).在上海市的中原社区和同济大学内招募了29名有代表性的出行者,以上海市大连路与飞虹路交叉口为对象,进行了行人过街行为虚拟实验,获得了230份行人过街样本数据.运用实验科学中的信度与效度理论,将实验数据与实测数据进行了对比分析.结果表明,PCBVRS可以有效地模拟实际场景中的行人过街行为;PCBVRS满足VR(虚拟现实)系统沉浸性、交互性以及现实感等实验特点,且造价便宜,易于携带.经过进一步的研究改进,将来可作为提高行人过街安全意识的培训工具.     

一种多目标跨摄像头跟踪技术研究与实现

将行人检测算法和行人重识别算法相结合,提出一种多目标跨摄像头跟踪算法,该算法由行人检测、行人重识别和行人数据关联三大模块组成.首先利用基于YOLOv3的行人检测改进算法检测视频中出现的行人,并保存视频号、帧号和行人的全身位置信息;其次,利用基于生成对抗网络和重排序的行人重识别改进算法,为已检测的行人图片赋予一个标签;最...     

基于车路协同的行人过街主动安全预警系统

为了解决交叉口信号过渡期间行人与车辆常因路权不明确而产生冲突导致交通事故的问题,设计基于车路协同的行人过街主动安全预警系统;采用模块化设计方案,将该系统分为检测模块、控制模块、预警模块及无线通信模块;该系统检测行人和车辆的位置与速度,并对冲突情况进行判别,针对不同情况,执行相应的预警方案;该系统通过语音提示桩对行人进行预警,通过智能斑马线的不同颜色显示,对行人和车辆进行双向预警;在对停车视距模型和行人过街安全心理模型进行改进的基础上,提出考虑人车特性的车辆安全制动距离模型。结果表明：所提出的模型将多种因素协同耦合,考虑了车辆大小和类型对行人心理的影响,具有安全性和有效性;所设计的系统从理论和技术2个方面解决了行人过街安全问题。     

城市干道无信号控制人行横道行人过街特性分析

对城市干道无信号控制人行横道行人过街特性进行了分析,在对行人过街定性分析的基础上总结出反映行人过街效率的6个具体指标,以某市典型无信号控制人行横道为实例进行了交通调查,测算了行人过街效率指标的实际值.通过对指标值的分析,找出了观测路段交通秩序混乱的原因,提出了具体的改进建议.     

基于YOLO和排斥力损失函数的行人检测方法

针对行人检测受人体姿态复杂、光照变化、遮挡严重等影响,导致检测效率和精度不高的问题,提出一种基于YOLO和排斥力损失函数的行人检测方法.首先,对YOLO模型进行改进,主要是设置合适的预选框以及采用较大尺度的特征图进行特征提取,从而提高其对小物体的检测性能;然后,对排斥力损失函数进行改进,使其符合行人检测的应用场景,为接下来的融合检测提供新的损失函数;最后,将改进的YOLO和排斥力损失函数结合起来,利用YOLO模型速度快的特点提高运行速度,并利用排斥力损失函解决行人遮挡问题.在多个行人检测数据集上的实验结果表明:与其他算法相比,能够更加快速准确地实现行人检测.     

行人步行设施紧急疏散出口设置方法

从行人疏散过程和紧急疏散出口通过能力的角度,分析行人步行设施紧急疏散出口设置的影响因素,并提出紧急疏散出口设置方法.研究发现,在总宽度一定的情况下,紧急疏散出口的个数越多,其相应的总通过能力越低.基于步行设施内疏散行人的数量、初始位置,紧急疏散出口的行人通过能力,多紧急疏散出口的行人选择策略,以及紧急疏散出口的设置指标,构建了行人步行设施紧急疏散出口设置的优化模型;并提出其简化的求解算法,实现紧急疏散出口个数、位置和宽度的优化设置.结合算例,从紧急疏散出口布局优化的角度,提出北京市西直门换乘枢纽紧急疏散出口布局的改进措施.     

基于姿态估计和Transformer模型的遮挡行人重识别

行人重识别是利用人工智能解决边防检查、人员追踪等公共安全应用问题的技术,具有从跨设备采集的图像中识别某一特定行人的能力。但是在人员追踪等问题中,往往会出现行人刻意遮挡、复杂场景环境遮挡等因素,大大提高了行人重识别的难度。针对行人重识别遮挡问题,基于ResNet50网络,结合姿态估计（Pose estimation）和转换器（Transformer）模型,提出了一种改进的行人重识别网络PT-Net,以提高遮挡条件下的行人重识别能力。该方法首先利用现有的姿态估计方法对输入图像进行关键点检测,并将关键点信息与行人特征图像结合起来生成一个基于姿态的行人特征表示;然后利用Transformer模型对基于姿态的行人特征表示编码,用来实现特征对齐和特征融合。论文基于国际公开的数据集Occluded-Duke开展实验验证,结果表明,PT-Net方法相对于基线模型,其均值精度mAP和相似度排序Rank-1指标分别提高了1.3和1.5个百分点,验证了该方法的有效性和优越性。     

基于量子演化理论的行人检测改进算法

对视频中移动摄像头下的行人检测问题进行了研究,在AdaBoost行人分类算法、支持向量机(SVM)理论和多目标优化原理的基础之上,并结合三者的特点,提出了一种基于量子演化算法的行人检测优化算法。首先,使用传统的AdaBoost算法对行人进行粗粒度的分类,然后使用支持向量机(SVM)设计精度更高的行人检测器。针对SVM的分类器参数多、关系复杂,而且无好的调节准则,根据核函数的构建条件,将实值量子演化算法引入到SVM参数的寻优问题中,对于分类性能采用多目标优化的方法,取得了较好的效果;同时从理论上分析了算法的复杂度。经过实例测试,算法与经典多目标优化算法NSGA-II的相比,改进效果明显。最后的实验说明了算法检测的准确性。