基于视频的车辆瞬时停车延误检测

为了给交通灯控制提供更准确的信息，提出了瞬时停车延误的基本概念和量度方法．利用视觉颜色聚类算法，通过计算道路与背景的颜色距离实现图像中车辆与背景分离，从而有效地识别车辆．以颜色距离最大值所在位置标定车辆位置，再通过帧间对比判定车辆的运行状态，最后获得引道内所有车辆的瞬时停车延误总量．对相同的场景记录，由3个独立的测试员利用人工目测方法获得瞬时停车延误总量的目测值，与算法获得的程序测量值进行比对．11个灯时的实验表明，人工目测成功率为90．9％，有90．0％的程序测试值和目测值之间的误差满足要求．     

考虑瞬时停车延误的信号灯闭环控制策略研究

提出一种基于瞬时停车延误的孤立交叉口信号灯闭环控制策略.以交叉口瞬时停车延误总量作为控制参量,其值达到阈值时实时切换交叉口信号灯状态,把信号灯绿灯信号分配给需求最高的道路,不再有信号灯周期的概念.在车流量400～800辆/h变化的情况下,进行了传统的Web-ster周期控制和新策略控制仿真对比实验.仿真结果表明:新策略控制条件下,车辆平均通行时间明显小于传统控制策略,在800辆/h的流量下,仅为传统策略的44%;该策略对控制阈值不敏感,当流量为800辆/h时,车辆平均通行时间最大相对误差仅为11%;该策略获得的多组平均通行时间具有较小的方差,当流量为800辆/h时方差仅为0.895s.     

考虑汇入汇出车流影响干线协调相位差模型构建与应用

为解决城市道路拥堵问题,在干线协调的基础上,充分考虑上游交叉口左右转向车流。分析这些车辆运行至下游交叉口排队情况,给出一种动态相位差模型的计算。在VISSIM仿真基础上结合MATLAB进行二次开发,随着上游交叉口左右转向交通量的不断变化,模型会及时调整周期、绿信比等,也会结合排队情况给出新的相位差,再通过VISSIM中的检测器,检测车辆延误、停车次数等。结合大连市实际数据验证,结果表明：考虑汇入车流对城市道路干线协调相位差影响是具有重要意义,干线车流总延误较原配时方案减少33.3%,停车次数减少65.6%。     

非饱和信号控制交叉口动态延误测定方法

针对新兴的"检测数据驱动"方法进行延误测定过程中在输入假设、模型建立及算法容错性方面存在的典型问题,提出了基于两个检测截面交通参数的"总体抽样"动态延误测定方法.以每个信号周期为计算单元,研究了周期划分方法,车辆在"离去检测器"的首车到达时间、尾车驶离时间测定方法,"进入检测器"的进入时间上下限阈值确定方法以及相应的车辆引道延误计算方法.最后以上海市曹安公路-祁连山南路和武宁路-大渡河路两个交叉口直行车道组的引道延误动态测定为例,以人工实测的37个周期1 565辆车的引道延误数据为基础,验证了"总体抽样法"的精度.结果表明,在检测器精度为100%时,"总体抽样法"测算延误的绝对差为4.1s,95%的检测精度下绝对差仅减少0.1s.该方法对检测误差不敏感,可用于向信号控制系统提供准确、及时、可靠的延误指标.     

利用正交表区间收缩法求函数极值

利用正交表区间收缩的方法求解一般函数的极值及极值点问题。将一般的代数问题 转化为统计问题,采用正交表的数据分析方法,在一定的规则下将自变量（因子）的取值范围 (区间）逐步收缩,从而得到极值、极值点。实际问题中如果系统函数未知而只有试验数据,也 可以利用此种方法寻找系统的极值点及极值。采用SAS语言模拟仿真,验证了其可行性和有效性     

基于改进YOLOv5s和传感器融合的目标检测定位

针对无人车环境感知过程中相机无法提供道路目标的位置信息,激光雷达点云稀疏以致检测方面难以达到很好效果的问题,提出一种通过融合两者信息进行目标检测和定位的方法。采用深度学习中YOLOv5s算法进行目标检测,通过联合标定进行相机与激光雷达外参的获取以转换传感器之间的坐标,使雷达点云数据能投影到相机图像数据中,得到检测目标的位置信息,最后进行实车验证。结果表明,所提算法能在搭载TX2嵌入式计算平台的无人车自动驾驶平台上拥有27.2 Hz的检测速度,并且在一段时间的检测环境中保持12.50%的漏检率和35.32 m的最远识别距离以及0.18 m的平均定位精度。将激光雷达和相机融合,可实现嵌入式系统下的道路目标检测定位,为嵌入式平台下环境感知系统的搭建提供了参考。     

一种基于机器视觉的自动标定贴屏实现方法

针对手机贴屏系统中存在显示屏和触摸屏对位不准确问题,提出了一种基于机器视觉的自标定贴屏的实现方法.利用两个固定的单目摄像头对两屏进行图像采集,对两个屏幕的图像信息分别经过小波变换、Hough直线检测等算法处理之后得到两个屏幕的两对贴合点的图像坐标,利用自标定等几何方法计算出贴合点的三维坐标,得到显示屏和触摸屏之间的位置关系.此贴屏算法实验得到的数据精度高,图像误差率限制在2%以内,三维误差率限制在0.02 cm以内,可为手机自动贴屏机的伺服控制机构提供准确的数据支持.     

基于改进Q学习的双周期干线信号协调控制方法

针对双周期干线信号协调控制中干线协调与双周期交叉口通行效率存在一定矛盾的问题,提出了一种基于改进Q学习的双周期干线信号协调控制方法,从状态空间和动作空间两个方面对Q学习算法进行了改进。首先,提出了新的交通状态描述指标——排队消散指数,依据该指标的阈值对交通状态进行等级划分,降低了Q学习状态空间的维数。其次,综合考虑相邻交叉口交通状态之间的关联和影响,针对每种系统状态分别设定可行的关联动作,降低了Q学习的动作空间。最后,以北京市两广路为例验证了改进的Q学习算法。结果表明,改进Q学习算法相比于普通Q学习算法、固定配时方案,干线平均延误分别减少10.47%、9.93%,平均停车次数分别减少22.64%、7.96%,双周期交叉口平均延误分别减少21.58%、24.96%,平均停车次数分别减少8.51%、11.64%,表明该算法对减少双周期干线延误,降低停车次数具有较为显著作用。     

信号交叉口延误计算方法的比较

在论述控制延误、停车延误和引道延误概念和关系的基础上,着重分析了用于计算延误的调查法、分析法和仿真法,并以十字型交叉口为案例,分别使用点样本法、HCM2000法、SimTraffic 5系统和VISSIM 3.60系统计算交叉口延误.经分析认为,VISSIM 3.60系统在交通行为描述和参数设置方面更为细致,因此更适合计算国内混和交通流条件下信号交叉口延误.     

瞬时频率计算方法的比较研究和改进

希尔伯特-黄变换是目前最广泛使用的提取信号瞬时频率时频分析方法,但在求取瞬时频率过程存在端点效应问题.针对这个问题,本文从解析信号的瞬时频率定义着手,介绍了Bedrosian等式和Nuttall定理的限制条件,分析了希尔伯特变换端点效应的产生原因,研究了基于经验调幅调频分解求取瞬时频率的方法及原理.在此基础上比较了希尔伯特变换、Teager能量算子和直接正交法在求取瞬时频率的优缺点.通过实例验证可以得出以下结论:(1)希尔伯特变换解调信号端点效应明显;(2)Teager能量算子法易受信号形式和噪声影响,误差较大;(3)直接正交法易受信号极值点影响,在极值点处会产生瞬时频率突变.针对直接正交法存在的问题,提出了一种改进算法,仿真结果表明:改进算法的效果较为理想,误差较小,能够解决直接正交法求取瞬时频率在极值点处发生突变的问题.