考虑多源检测设备分布情况的高速公路路段拥堵检测
发布时间：2021-02-03 19:49
对高速公路路段进行拥堵检测,是实现有效管理和及时管控的必要前提。由于数据条件的限制,以往研究的数据大多来源于单一数据源,难以从多侧面表征出全面的交通状态。同时,受检测设备安装间距带来的影响,现有检测模型难以满足各自的适用条件,导致检测率难以提升。目前高速公路各检测设备的布设和推广为获取多源数据提供了条件,在考虑检测设备分布情况下,合理利用现有高速公路各数据源,建立有效的路段拥堵检测模型,对于高速公路管理质量的提升具有重要意义。因此,本文结合高速公路车检器数据、视频图像、收费数据及卡口数据,充分利用各数据源所提供的交通参数,分别针对检测设备分布密集和稀疏的两种情况,采用融合的方式建立高速公路路段拥堵检测模型,从而提高检测率,这对高速公路管理质量的提升具有重要意义。论文主要内容如下:（1）针对检测设备分布密集的情况,采用决策级融合方式对路段进行拥堵检测。首先基于收费数据及卡口数据对当前高速公路路段的平均行程时间进行估计,减小由于行程时间的时延性带来的影响。然后基于上下游车检器数据,建立拥堵检测模型。之后将视频检测结果和以上两个结果进行决策级融合,建立了在设备分布密集情况下的高速公路路段拥堵...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：98 页
【学位级别】：硕士
【部分图文】：
重庆市高速公路车检器数据示例
重庆大学硕士学位论文10从图2.1中可以看出，车检器可以获取的交通参数主要有：车检器编号、检测的道路号、检测时间、平均速度、流量、平均占有率以及不同车型的流量。其车检器编号对应了路段上具体车检器的位置。同时检测时间是以时间戳的形式存储的，以格林威治时间1970年01月01日00时00分00秒(北京时间1970年01月01日08时00分00秒)起至现在的总毫秒数。2.1.2视频数据视频数据为非结构化数据，由监控摄像头实时上传监控视频。对视频数据进行处理可以获得时间占有率及空间占有率两个交通参数，反映摄像头监控区域的实时交通状态信息。①时间占有率：在监控区域高速公路车道路面上设定虚拟线圈，统计一定时间段内各车道的虚拟线圈被车辆占有的帧数，时间占有率即为各车道的虚拟线圈被车辆占有的图像帧数与该时间段总图像帧数的比值。②空间占有率：通过目标提取和道路预先识别获得空间占有率。由于监控摄像头监控区域固定，可通过手动选取ROI区域等方式获取图像中的车道路面区域，并获取道路区域的总面积。通过前景目标提取获得道路上目标车辆占据面积，目标车辆占据面积与道路区域总面积的比值即为空间占有率。为了提高参数的准确性，一般使用平均道路占有率，具体定义为一定时间段内的所有连续帧图像空间占有率的平均值。如图2.2和图2.3所示，是重庆市某高速公路上部分摄像头监控图像示例：图2.2外场摄像头监控图像图2.3隧道摄像头监控图像Fig.2.2camerasmonitorimagesofoutfieldFig.2.3camerasmonitorimagesoftunnel2.1.3收费数据①收费数据基本信息由于高速公路具有封闭性，因此所有在高速公路上的车都必须通过收费站，
重庆大学硕士学位论文10从图2.1中可以看出，车检器可以获取的交通参数主要有：车检器编号、检测的道路号、检测时间、平均速度、流量、平均占有率以及不同车型的流量。其车检器编号对应了路段上具体车检器的位置。同时检测时间是以时间戳的形式存储的，以格林威治时间1970年01月01日00时00分00秒(北京时间1970年01月01日08时00分00秒)起至现在的总毫秒数。2.1.2视频数据视频数据为非结构化数据，由监控摄像头实时上传监控视频。对视频数据进行处理可以获得时间占有率及空间占有率两个交通参数，反映摄像头监控区域的实时交通状态信息。①时间占有率：在监控区域高速公路车道路面上设定虚拟线圈，统计一定时间段内各车道的虚拟线圈被车辆占有的帧数，时间占有率即为各车道的虚拟线圈被车辆占有的图像帧数与该时间段总图像帧数的比值。②空间占有率：通过目标提取和道路预先识别获得空间占有率。由于监控摄像头监控区域固定，可通过手动选取ROI区域等方式获取图像中的车道路面区域，并获取道路区域的总面积。通过前景目标提取获得道路上目标车辆占据面积，目标车辆占据面积与道路区域总面积的比值即为空间占有率。为了提高参数的准确性，一般使用平均道路占有率，具体定义为一定时间段内的所有连续帧图像空间占有率的平均值。如图2.2和图2.3所示，是重庆市某高速公路上部分摄像头监控图像示例：图2.2外场摄像头监控图像图2.3隧道摄像头监控图像Fig.2.2camerasmonitorimagesofoutfieldFig.2.3camerasmonitorimagesoftunnel2.1.3收费数据①收费数据基本信息由于高速公路具有封闭性，因此所有在高速公路上的车都必须通过收费站，
【参考文献】：
期刊论文
[1]基于K-means聚类算法优化方法的研究[J]. 刘叶,吴晟,周海河,吴兴蛟,韩林峄. 信息技术. 2019(01)
[2]多传感器信息融合技术综述[J]. 崔硕,姜洪亮,戎辉,王文扬. 汽车电器. 2018(09)
[3]聚类算法综述[J]. 王玉晗,罗邓三郎. 科技资讯. 2018(24)
[4]一种用于高速公路通行情况分析的收费数据挖掘方法[J]. 赵怀鑫,邓然然,张英杰,丁明航,孙朝云,李伟. 中国公路学报. 2018(08)
[5]基于BP神经网络的多传感器数据融合方法[J]. 邱春荣. 长沙民政职业技术学院学报. 2018(02)
[6]二分K-FCM结合算法在交通运行状态判别中的应用[J]. 符锌砂,梁中岚,郑伟,王晓飞,朱洪磊. 公路工程. 2018(02)
[7]支持向量机模型与应用综述[J]. 刘方园,王水花,张煜东. 计算机系统应用. 2018(04)
[8]基于模糊聚类分析的高速公路状态识别研究[J]. 何亚龙. 山东工业技术. 2018(06)
[9]面向多源数据融合的贝叶斯估计方法[J]. 孙振东. 齐鲁工业大学学报. 2018(01)
[10]基于谱聚类与RS-KNN的城市快速路交通状态判别[J]. 商强,林赐云,杨兆升,邴其春,田秀娟,王树兴. 华南理工大学学报(自然科学版). 2017(06)
博士论文
[1]城市交通流数据优化感知关键技术研究[D]. 张伟.大连理工大学 2015
硕士论文
[1]基于交通监控视频的道路状况分析[D]. 毛猛.北京工业大学 2017
[2]高速公路实时交通状态判别方法研究[D]. 杜崇.北京交通大学 2017
[3]交通事件检测California算法的改进及参数自整定研究[D]. 刘严磊.重庆大学 2017
[4]基于模糊聚类的高速公路交通运行状态判别与决策模型研究[D]. 朱洪磊.华南理工大学 2017
[5]基于视频的夜间高速公路拥堵事件检测关键技术研究[D]. 黄波.重庆大学 2017
[6]基于D-S证据理论的融合事件检测算法研究[D]. 鹿高娜.北京交通大学 2016
[7]考虑多源数据集的交通状态估计方法研究[D]. 宋力.北京理工大学 2016
[8]高速公路基本路段实时交通状态判别方法的研究及应用[D]. 陈会茹.长安大学 2015
[9]重大节假日高速公路免收通行费政策影响分析[D]. 楚瑞锋.长安大学 2014
[10]基于模糊理论与增量判别法的高速公路交通事件检测方法研究[D]. 万彬彬.昆明理工大学 2014
本文编号：3017061
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：98 页
【学位级别】：硕士
【部分图文】：
重庆市高速公路车检器数据示例
重庆大学硕士学位论文10从图2.1中可以看出，车检器可以获取的交通参数主要有：车检器编号、检测的道路号、检测时间、平均速度、流量、平均占有率以及不同车型的流量。其车检器编号对应了路段上具体车检器的位置。同时检测时间是以时间戳的形式存储的，以格林威治时间1970年01月01日00时00分00秒(北京时间1970年01月01日08时00分00秒)起至现在的总毫秒数。2.1.2视频数据视频数据为非结构化数据，由监控摄像头实时上传监控视频。对视频数据进行处理可以获得时间占有率及空间占有率两个交通参数，反映摄像头监控区域的实时交通状态信息。①时间占有率：在监控区域高速公路车道路面上设定虚拟线圈，统计一定时间段内各车道的虚拟线圈被车辆占有的帧数，时间占有率即为各车道的虚拟线圈被车辆占有的图像帧数与该时间段总图像帧数的比值。②空间占有率：通过目标提取和道路预先识别获得空间占有率。由于监控摄像头监控区域固定，可通过手动选取ROI区域等方式获取图像中的车道路面区域，并获取道路区域的总面积。通过前景目标提取获得道路上目标车辆占据面积，目标车辆占据面积与道路区域总面积的比值即为空间占有率。为了提高参数的准确性，一般使用平均道路占有率，具体定义为一定时间段内的所有连续帧图像空间占有率的平均值。如图2.2和图2.3所示，是重庆市某高速公路上部分摄像头监控图像示例：图2.2外场摄像头监控图像图2.3隧道摄像头监控图像Fig.2.2camerasmonitorimagesofoutfieldFig.2.3camerasmonitorimagesoftunnel2.1.3收费数据①收费数据基本信息由于高速公路具有封闭性，因此所有在高速公路上的车都必须通过收费站，
重庆大学硕士学位论文10从图2.1中可以看出，车检器可以获取的交通参数主要有：车检器编号、检测的道路号、检测时间、平均速度、流量、平均占有率以及不同车型的流量。其车检器编号对应了路段上具体车检器的位置。同时检测时间是以时间戳的形式存储的，以格林威治时间1970年01月01日00时00分00秒(北京时间1970年01月01日08时00分00秒)起至现在的总毫秒数。2.1.2视频数据视频数据为非结构化数据，由监控摄像头实时上传监控视频。对视频数据进行处理可以获得时间占有率及空间占有率两个交通参数，反映摄像头监控区域的实时交通状态信息。①时间占有率：在监控区域高速公路车道路面上设定虚拟线圈，统计一定时间段内各车道的虚拟线圈被车辆占有的帧数，时间占有率即为各车道的虚拟线圈被车辆占有的图像帧数与该时间段总图像帧数的比值。②空间占有率：通过目标提取和道路预先识别获得空间占有率。由于监控摄像头监控区域固定，可通过手动选取ROI区域等方式获取图像中的车道路面区域，并获取道路区域的总面积。通过前景目标提取获得道路上目标车辆占据面积，目标车辆占据面积与道路区域总面积的比值即为空间占有率。为了提高参数的准确性，一般使用平均道路占有率，具体定义为一定时间段内的所有连续帧图像空间占有率的平均值。如图2.2和图2.3所示，是重庆市某高速公路上部分摄像头监控图像示例：图2.2外场摄像头监控图像图2.3隧道摄像头监控图像Fig.2.2camerasmonitorimagesofoutfieldFig.2.3camerasmonitorimagesoftunnel2.1.3收费数据①收费数据基本信息由于高速公路具有封闭性，因此所有在高速公路上的车都必须通过收费站，
【参考文献】：
期刊论文
[1]基于K-means聚类算法优化方法的研究[J]. 刘叶,吴晟,周海河,吴兴蛟,韩林峄. 信息技术. 2019(01)
[2]多传感器信息融合技术综述[J]. 崔硕,姜洪亮,戎辉,王文扬. 汽车电器. 2018(09)
[3]聚类算法综述[J]. 王玉晗,罗邓三郎. 科技资讯. 2018(24)
[4]一种用于高速公路通行情况分析的收费数据挖掘方法[J]. 赵怀鑫,邓然然,张英杰,丁明航,孙朝云,李伟. 中国公路学报. 2018(08)
[5]基于BP神经网络的多传感器数据融合方法[J]. 邱春荣. 长沙民政职业技术学院学报. 2018(02)
[6]二分K-FCM结合算法在交通运行状态判别中的应用[J]. 符锌砂,梁中岚,郑伟,王晓飞,朱洪磊. 公路工程. 2018(02)
[7]支持向量机模型与应用综述[J]. 刘方园,王水花,张煜东. 计算机系统应用. 2018(04)
[8]基于模糊聚类分析的高速公路状态识别研究[J]. 何亚龙. 山东工业技术. 2018(06)
[9]面向多源数据融合的贝叶斯估计方法[J]. 孙振东. 齐鲁工业大学学报. 2018(01)
[10]基于谱聚类与RS-KNN的城市快速路交通状态判别[J]. 商强,林赐云,杨兆升,邴其春,田秀娟,王树兴. 华南理工大学学报(自然科学版). 2017(06)
博士论文
[1]城市交通流数据优化感知关键技术研究[D]. 张伟.大连理工大学 2015
硕士论文
[1]基于交通监控视频的道路状况分析[D]. 毛猛.北京工业大学 2017
[2]高速公路实时交通状态判别方法研究[D]. 杜崇.北京交通大学 2017
[3]交通事件检测California算法的改进及参数自整定研究[D]. 刘严磊.重庆大学 2017
[4]基于模糊聚类的高速公路交通运行状态判别与决策模型研究[D]. 朱洪磊.华南理工大学 2017
[5]基于视频的夜间高速公路拥堵事件检测关键技术研究[D]. 黄波.重庆大学 2017
[6]基于D-S证据理论的融合事件检测算法研究[D]. 鹿高娜.北京交通大学 2016
[7]考虑多源数据集的交通状态估计方法研究[D]. 宋力.北京理工大学 2016
[8]高速公路基本路段实时交通状态判别方法的研究及应用[D]. 陈会茹.长安大学 2015
[9]重大节假日高速公路免收通行费政策影响分析[D]. 楚瑞锋.长安大学 2014
[10]基于模糊理论与增量判别法的高速公路交通事件检测方法研究[D]. 万彬彬.昆明理工大学 2014
本文编号：3017061
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3017061.html
