基于遗传算法的交通事件检测

针对神经网络交通事件检测算法的缺陷，提出遗传算法与神经网络相结合的事件检测算法。应用遗传算法优化交通事件检测的神经网络模型参数，得到事件发生与交通参数间的映射关系。最后，用实测数据对模型进行校验。结果表明该算法有很好的鲁棒性，能提高事件检测的效率。     

基于神经网络的交通事件检测算法

回顾了几种传统的交通事件检测算法,提出从多层前向人工神经网络角度建立模型,并运用BP算法予以实现.在将BP算法与传统算法进行比较之后,发现BP算法具有检测率高、误报率低、检测时间短的优点,同时也存在不足之处,指出了今后进一步研究的方向.     

一种基于物联网的智慧交通事件检测算法

在研究了物联网的公共技术及应用前景的基础上,设计建立了智慧交通管理系统。在系统中提出了一种新的分层的事件自动检测算法:检测小流量的第一层事件检测算法、检测自由流量的第二层事件检测算法和检测大流量的第三层事件检测算法。最后通过对郑州西南绕城高速进行实验,验证了本算法的正确性和有效性,并得到了较好的检测效率。     

高速公路隧道交通事件检测系统的开发

高速公路隧道交通事件是指破坏正常交通流量并造成交通堵塞的非重复性随机发生的事件,它包括交通事故、车辆抛锚、道路养护或施工等临时的大型活动.详细介绍了高速公路隧道交通事件检测系统的构成及主要功能.     

高速公路管理中的交通事件视频检测系统

采用背景自动更新技术,实现了一个交通事件视频检测系统。该系统由分析仪、数据服务器和管理器等组成,可对交通事件报警,可在事件事故发生时自动录像,以及进行永久录像、管理员录像、多摄像机录像和外部触发录像,可测量交通参数,可进行远程维护,实现对道路交通安全管理。     

基于离散时间信号相关性的交通事件检测算法

提出了基于离散时间信号相关性的自动交通事件检测算法.将交通信息数据转化为离散时间信号并进行相关性计算,有效定位通过上、下游截面的同一组交通流.解释了互相关系数的特征,并采用仿真数据进行性能验证.结果表明:基于离散时间信号相关性的自动交通事件检测算法具有可视性且易于理解,在低饱和交通环境下表现依然稳健,具有很好的适应性.     

高速公路交通事件延误计算方法研究

提出以速度和流量为基础的延误计算新方法,该方法公式简单,数据采集容易,并根据算法的需要设计了相关的多车道数据整合技术和故障数据修复技术,从而保证了延误计算的准确性。     

一种新型的交通事件检测算法研究

交通拥堵会造成车辆延误、旅行时间延长和空气污染加重等困扰城市的问题,给城市交通带来了严重的挑战。交通拥堵一般可分为常发性和偶发性两类。常发性拥堵是由于车流需求超过道路容量而产生,从不拥堵到拥堵需要一个过程．前后交通流参数（交通量、速度和道路占有率）的变化一般也是连续的：而偶发性拥堵是由于突发事件造成道路通行能力暂时下降而引起的拥堵．反映拥堵前后的交通参数变化呈不连续状态,并且前后的差值随事件的严重性而增大。不论是常发性拥堵,还是突发交通事件,都具有较为明显的数据变化特征,因此,只要有足够及时的样本数据,进行自动交通事件的检测是完全能够实现的。     

基于朴素贝叶斯分类的高速公路交通事件检测

提出一种基于朴素贝叶斯分类的高速公路非重现交通事件检测算法.将交通事件的检测看作是0-1分类问题,采用交通波动理论建立交通事件的特征属性概念模型,并利用分段离散化的方法将连续特征变量转换为离散特征变量,设计基于朴素贝叶斯算法的交通事件分类器.以典型高速公路的一条路段进行VISSIM仿真试验.结果表明:该算法的检测率高,且在高强度状况下,算法鲁棒性良好,适用于高速公路交通事件检测系统.     

基于3G的交通事件检测系统建模及性能分析

为了保持道路畅通,提高交通事件检测性能,提出了一种集GPS(global positioning system)模块和手机定位模块为一体的车载终端,采用GSM(global system for mobile communications)定位与GPS定位相结合构建了基于车载无线定位的交通事件检测系统.为了对系统性能进...     

基于改进的SIFT算法交通标志牌的检测与识别

提出了一种针对自然场景下的标志牌的检测和识别算法,首先对获取的视频进行帧提取,采用图像增强算法对图像进行预处理,进而转换到HSV颜色空间,利用其颜色和形状特征进行检测定位,再根据感兴趣区域的面积特征排除多余目标,最后根据改进的SIFT特征匹配算法,利用最近邻分类器算法进行识别,样本库选用的是自然场景下的道路交通中的数据,通过对比实验发现,该算法在保证检测率的同时大大提高了算法的实时性。     

基于改进YOLOv5算法的复杂场景交通目标检测

实时的交通场景目标检测是实现电子监控、自动驾驶等功能的先决条件.针对现有的目标检测算法检测效率不高,以及大多数轻量化目标检测算法模型精度较低,容易误检、漏检目标的问题,本文通过改进YOLOv5目标检测算法来进行模型训练,再使用伪标签策略对训练过程进行优化,然后在KITTI交通目标数据集上将标签合并为3类,对训练出的模型进行测试.实验结果表明,改进的YOLOv5最终模型在该所有类别上的mAP达到了92.5％,对比原YOLOv5训练的模型提高了3％.最后将训练的模型部署到Jetson Nano嵌入式平台上进行推理测试,并通过TensorRT加速推理,测得平均每帧图像的推理时间为77ms,可以实现实时检测的目标.     

Improved Genetic Algorithm Application in Textile Defect Detection

Based on an efficient improved genetic algorithm, a pattern recognition approach is represented for textile defects inspection. An image process is developed to automatically detect the drawbacks on textile caused by three circumstances： break, dual, and jump of yams. By statistic method, some texture feature values of the image with defects points can be achieved. Therefore, the textile defects are classified properly. The advanced process of the defect image is done. Image segmentation is realized by an improved genetic algorithm to detect the defects. This method can be used to automatically classify and detect textile defects. According to different users＇ requirements, different types of textile material can be detected.     

基于改进混合高斯模型的交通流背景检测算法

针对交通流视频中道路背景像素较为统一的特点,提出一种基于时空信息的双混合高斯模型背景检测算法.该算法先构造像素时间域混合高斯模型进行时间域的检测,并采用双重阈值分别判断前景与背景.当某像素无法准确判断时,针对该像素邻域构造空间域混合高斯模型,以空间域的检测结果代替时间域的检测.通过不同的交通流视频中的测试和比较,验证了所提出的算法能有效地融合像素自身的时间信息与像素间的空间信息,提高了检测初始阶段的鲁棒性,同时有效地解决了出现停车现象时的误检测问题.     

一种改进的BP算法

为了克服BP算法易陷入局部极小、收敛速度慢等缺点,笔者利用非线性最小二乘法对其进行了改进.结果表明,采用改进后的BP算法来训练神经网络,能在一定程度上提高神经网络的收敛速度,具有学习速度快、识别能力强等优点.     

一种改进的和声搜索算法及其应用

为了克服和声搜索算法(Harmony Search Algorithm,HSA)方向性差和收敛速度慢的缺陷,提出一种新的和声搜索算法。新算法设置一个主种群和多个子种群,主种群和子种群分别采用全局差分HSA和局部差分HSA进行优化,所有种群通过排序循环划分方法进行协同优化。随机3—SAT测试实例和三个典型Benchmark函数上的实验表明,新算法是可行的、有效的。     

改进蚁群算法在动态交通分配中的应用研究

将蚁群算法用于交通分配中最优路径求解,考虑到实际路网中路段的通行时间受到交通量的影响,提出了一种改进的蚁群算法.算法对基本蚁群算法的信息素更新方程和启发信息进行适当改进,即用车辆在路段的行驶时间代替路段长度对信息素进行更新,并在启发信息中引入新的参数以加强搜索方向性.将改进后的蚁群算法结合增量分配法进行应用.用一个算例对算法的有效性进行验证.