ETC 技术在高校校园智能车辆管理系统中的应用

针对高校校园车流量过大、进出场通行效率过低的问题,将ETC技术应用于车辆管理系统中,提出了一种3个感应线圈的ETC车道模型.采用二分查找法,设计了一种基于ETC和IC卡的多类型车辆智能识别和快速通行算法.系统实施后,校内日均车流量减少49.36%.     

基于视觉检测的交通信号模糊控制系统研究

通过视觉检测技术,应用改进的三帧帧差算法,获取车辆信息,得到十字路口车流量.并通用模糊控制方法,根据实时车流量动态调整绿灯通行时间.通过数据仿真,与传统固定时长交通灯进行对比,方法能有效提高路口车辆通行状况.     

新增车辆通行拥堵预测模型

为对新增车辆的通行拥堵进行预测,首先使用K-Medoids聚类算法将交通流运行状态划分为顺畅、阻滞、拥堵三类,然后引入交通流特征参数构建累积Logistic回归模型量化新增车辆对路段运行状态的影响,最后基于支持向量回归机预测新增车辆通行时间。研究结果表明:当只考虑车流量、限行时段和二者之间的交互作用时,模型预测道路状态的正确率达到82.36%,此时车流量在非限行时段每增加一辆车,发生比从顺畅状态转为非顺畅状态的概率是原来的1.087倍;当考虑车流量、黄牌车比例、限行时段、外地车比例及后两者的交互作用时,模型预测通行时间MSE最小,预测效果最优。     

夜间车流量检测算法

为了解决夜间车辆检测和车辆跟踪的问题,提出了一种基于车前灯的夜间车流量检测算法。首先,分析了夜间车辆检测的特点及采用车前灯进行夜间车辆检测的原因。其次,利用图像二值化的方法对车灯进行分割,通过比较车灯和车灯投射光线之间的差异识别出车灯,然后在此基础上分别利用车灯帧内配对规则和车灯帧间匹配规则实现车辆检测和车辆跟踪。最后,在跟踪过程中,利用该算法实现了车流量的统计。     

车道被占用对道路通行能力的影响

通过对占用不同车道的车流量数据进行统计,分析了不同车道的实际通行能力变化过程,建立了交通流-密-速模型.并且通过建立微分方程模型,得到了受交通事故所影响的路段车辆排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量间的函数关系.     

车道被占用对城市道路通行能力的影响

本文是对2013年全国大学生数学建模竞赛A题的解答.通过参考国家标准的道路通行能力评价体系,建立了准确求解道路在发生交通事故后的实际通行能力的数学模型;同时,基于交通流二流理论建立了排队长度分析模型,评估其与各影响因素之间的关系.在问题1中,以红绿灯导致的车流量周期性变化规律为依据,引入相关修正系数对模型进行修正,得出求解实际通行能力的模型.在问题2中,对统计数据进行加权平均后计算出道路的实际通行能力,再对比所堵车道的车流量,分析得车道车流量与通行能力的关系.在问题3中,根据交通流二流理论和流量稳定方程建立排队长度的分析模型,再运用控制变量法和MATLAB制图定性分析车辆排队长度与事故断面实际通行能力、事故持续时间和路段上游车辆数间的灵敏度.在问题4中,利用问题3建立的当量排队模型进行适当推导,即得排队长度达到140 m的时间估算模型.     

基于计算机视觉的汽车流量检测统计

利用计算机视觉和图像处理的方法对交通路口通行车辆进行流量统计.首先,由摄像机视场的标定原理和标定公式,得到了摄像机成像平面内的像素距离与实际三维空间距离的对应关系;然后,采用基于光流场的车辆检测方法,对所有经过设置的虚拟线圈的车辆进行实时检测和信息提取;最后,对提取的车辆信息进行统计和计算,得到实时路况信息.实验结果表明,该算法具有较高的检测概率,能够满足系统的精度和实时处理要求.     

基于Monte Carlo模拟的交通灯动态时间控制系统

为了解决城市交通拥堵的问题,针对当前大多数交通灯采用固定红绿灯时长、通行效率低的情况,提出一种基于Monte Carlo模拟的交通灯动态时间控制系统设计方案,利用各路口的车流量信息计算分配当前各车道的通行时间,利用Monte Carlo法模拟实际交通情况,采用车辆平均等待时间作为评价指标对红绿灯时长分配进行优化。该系统可实现交通灯的动态时间控制,有效提高交叉路口车辆的通行效率。     

基于磁阻传感器的车流量检测系统的设计与应用

为了缓解城市交通拥堵、提高道路通行能力,设计了一个基于磁阻传感器的车流量检测系统,磁阻传感器能将车辆引起的地磁扰动转换为清晰的电压信号输出.该系统包含了信号放大模块、无线通信模块、A/D转换模块、传感器置位/复位模块等,多个地磁传感器节点通过无线通信模块与计算机系统相连,将检测到的车流信息反馈到上位机,从而实现对整个路口车流的检测.采用改进后的多中间状态机算法,有效避免由于干扰造成的误判.实验表明:该系统具有较高的检测精度,能够实时、准确检测车流量信息.     

兼顾效率与公平的模糊交通控制模型

为了在控制过程中既强调交通效率又兼顾交通公平，提出了一种新的信号交叉口模糊逻辑控制模型，该模型由2个子控制器构成．当前绿灯结束时，通行相位控制器根据各车道的车辆数和平均等待时间计算它们的交通紧急度，然后根据交通紧急度选择下一个通行相位，通行时间控制器则根据被选相位中车辆数最大车道的交通情况来决定通行时间．仿真实验结果表明，该模型与感应控制和Pappis模型相比，在车流量很小时控制效果相近，但随着各向车流量的增加，该模型开始优于其他模型，车流量越大优势越明显，而且变化十分平稳，不仅提高了交通效率，而且使交通供给更加公平．     

基于视频的车辆检测与跟踪算法综述

首先介绍了交通检测系统,指出视频交通检测技术日益成为计算机视觉领域中备受关注的前沿方向.在此基础上,分别讨论了常用的车辆检测算法,基于模型的车辆检测算法,车辆跟踪的基本类型,以及基于模板匹配、卡尔曼滤波和粒子滤波的车辆跟踪算法,同时分析比较了各种算法的优缺点.最后,展望了这一领域未来研究的热点.     

基于视频图像处理的交通流检测方法

针对视频交通流的特点，提出了一种无需进行视场标定的交通流检测方法。该方法选用检测线上的点及其近似点作为检测区域，通过对背景模板上检测区域中的突变点的分析和统计，可以实时地检测车辆的驶入、存在和驶出，提高了检测速度。在此基础上，设计和实现了视频交通流信息采集系统，并用软件实现检测算法和图像处理算法。试验结果表明，其检测速度和检测精度都能够满足实际要求，达到了用最小的系统规模实现交通流信息采集的目的，能够为交通管理与控制提供信息数据。     

自适应背景更新的视频车辆检测

针对视频车辆检测技术会因气象等环境变化，尤其在动态检测大范围、多目标的情况下，检测移动车辆图像的分割和检测的效果存在问题，采用一种用于数字图像处理和计算机视觉的函数库openCV，设计出一种基于背景更新的自适应车辆对象检测法，用于视频检测和统计车流量，比较准确地测量出车辆对象．     

前方车辆图像识别与纵向安全域控制方法研究

提出一种基于单目视觉的前方目标车辆图像识别与纵向安全域控制方法。利用目标车辆视频图像的小波分形特征进行图像识别,并采用粒子滤波对检测结果进行实时动态跟踪,在此基础上,结合单目机器视觉感知技术测量纵向车间距,并建立纵向安全域控制模型,最后进行了仿真分析。实验结果表明,该方法有效缓和了目标车辆图像检测准确性与实时性之间的矛盾,在保证行车安全的同时,兼顾了道路通行能力。     

基于时域处理的视频质量评价方法

目的利用人眼视觉系统时域处理机制开发视频质量评价算法。方法利用人眼视觉系统的饱和与不对称感应原理,对连续帧质量变化进行限制,然后对单帧质量进行时域处理产生视频质量指标。结果提出84个视频质量评价指标(包括12种单帧估计和7种时域处理方法)。结论单帧质量评估方式的优劣对于视频质量评价算法的整体性能至关重要,所有性能良好的视频质量评价算法均基于与主观质量高度吻合的图像质量评价方法;表现最好的视频质量评价模型分别是利用百分位数、明可夫斯基求和,加权明可夫斯基求和与本地L帧的最大值作为时域处理方法。     

基于分数阶微分Frangi的夜间车道线检测

基于机器视觉和图像处理的夜间车道线检测一直是该领域的研究难题,即使是近年的深度学习方法,检测精度只能达到50%左右.为此,研究了一种新的算法,根据车道线的特点和车辆的行驶速度,将视频中多幅图像融合到一幅图像中;利用图像的特点,在区域合并中识别出有效的车道线检测区域;将有效区域分割成新的图像后,采用基于Frangi和Hessian矩阵的算法对图像进行平滑和增强;为了提取车道线的特征点,提出了一种新的分数阶微分模板进行车道线特征点检测,该算法根据车道线在图像中可能的位置,从4个方向检测特征点;在检测出候选点后,应用递归Hough直线变换得到候选车道线,为了确定最终的车道线,一条车道线的角度应介于25°～65°之间,而另一条车道线的角度应介于115°～155°之间,否则,通过降低线点数的阈值继续进行Hough直线检测,直到获得两条车道线为止.通过对数百幅夜间车道线图像的测试,并与深度学习方法和传统的图像分割算法进行比较,新算法的检测准确率可达70%.     

基于光流分析的车辆转弯及上下坡信息获取

传统的前照灯系统存在安全隐患,自适应前照灯系统(AFS)可以有效消除安全隐患、降低交通事故率,准确获取行车环境特征信息是AFS实现自适应照明的前提条件.文章采用摄像头获取车辆夜间行车时驾驶员视野前方视频图像序列,提出了一种图像区域分割方法,结合基于光流模型的图像运动估计方法计算出各个区域的所有像素点的光流速度,并依据不同区域光流速度提出车辆行车环境特征判断准则,来获取夜间行车转弯及上下坡信息,实验证明了该方法的有效性.     

基于Directshow的视频抓图在车牌识别系统中的应用

介绍了Directshow的基本原理和运动目标的检测方法,然后针对车牌识别中背景的不固定性提出了如何利用背景重建和背景差分法检测视频流中的运动车辆的方法.最后给出了基于Directshow的视频抓图在车牌识别系统中的具体实现方案和代码,为下一步进行车牌识别奠定了基础.     

基于视频图像检测的高速公路车型分道行驶监测系统

为解决交通监管部门对于高速公路客货混流问题监管效率低效果差的问题,通过视频图像检测法对高速公路进行研究和应用,构建了基于机器学习和计算机视觉的视频图像检测模式,以提高视频检测的稳定性和准确率,提出了基于尺度不变特征变换(scale invariant feature transformation,SIFT)池化的车辆特征提取模型,摒除传统视频背景建模稳定性和准确率不高的缺陷,获取车辆车型特征数据和分道行驶参数,经过试点样本训练后,实验结果表明:车型识别的准确率高达95％以上,车辆分道检测的准确率达到90％左右.