基于航拍视频的VISSIM仿真参数校正研究
发布时间：2021-08-02 14:02
智能交通系统（Intelligent Transportation System,ITS）的研究与发展对目前的交通严重拥堵、事故频繁发生、环境愈发污染等重大问题有良好的改善作用,交通参数提取技术研究和微观交通仿真系统研究是智能交通系统中两个关键研究领域。在交通参数提取技术研究领域,无人机具有低花费成本、小占有体积、大覆盖范围、少遮挡干扰等优点,受到越来越多的智能交通研究者的喜爱与支持。在微观交通仿真系统研究领域,进行交通仿真模型参数校正能够提高仿真建模精度,使建立的交通模型具有高度代表性。针对利用无人机拍摄采集的交叉口交通现状视频,运用VISSIM的COM接口应用技术,研究了适用于无人机视频的车辆检测和交通车流量参数提取方法以及VISSIM参数校正方法。采用Py Charm开发平台,通过Python调用Open CV计算机视觉库进而运用计算机视觉的方法完成对视频数据的交通流量参数提取工作,针对现有的虚拟检测线检测法的不足进行改进,提出了一种适用于交叉口的组合虚拟检测线方法用于统计交叉口航拍视频中不同转向的车辆数,并设计了此方法的实现流程,根据实际案例证明本统计方法能够保证车流量统计的准...
【文章来源】：华北理工大学河北省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
目标车辆效果图
第3章基于航拍视频的车流量统计方法研究-25-按车道坐标进行分段。观察左转待转区车辆运动情况，在左转待转区位置增设相应虚拟检测线，东、西、南、北方向的左转待转虚拟检测线分别记为lineEL、lineWL、lineSL、lineNL。同时在出口路径上也设置四条相应虚拟检测线，标为line1，line2，line3，line4，交叉口检测线设置如图6所示。它们与进口道位置或者左转待转区的检测线组合成对儿，组合的虚拟检测线对儿及其相关组合含义如表1所示。表1交叉口组合检测线统计含义Table1Statisticsoftrafficcapacityunderdifferentburiallength进口道东进口西进口南进口北进口检测线AlineELlineElineWLlineWlineSLlineSlineNLlineN检测线Bline3line2line4line4line1line3line2line4line1Line1line3line2A+B含义左转直行右转左转直行右转左转直行右转左转直行右转（a）交叉口1（b）交叉口2图6虚拟检测线示意图Fig.6Schematicdiagramofvirtualdetectionline3.2.2阈值的设定统计条件的设定是车流量阈值的设定统计的另一个重要内容，驶过虚拟检测线段的移动车辆的投影会引起一定时间内检测线像素亮度值的改变，无车驶过情况下的检测线段像素值为0，若有驶过检测线段，从像素值改变的那一刻的帧数开始，像素值用赋值1表示，直到移动车辆完全驶过检测线段，像素值重新归为0。使用投影法对每帧图像同一检测线段进行扫描，统计像素赋值为1的持续帧数统计图如图7所示。
华北理工大学硕士学位论文-26-图7像素赋值为1的持续帧数统计图Fig.7Statisticsofthenumberofcontinuousframeswiththepixelassignedas1图中像素赋值为1表示有车经过，且持续帧数都在20以上，代表移动车辆通过检测线段的最短连续帧数为20。本文选取最小持续帧数作为判定阈值，即阈值X=20，根据这个设定阈值进行车流量统计。3.2.3统计交叉口车流量以交叉口东进口的一个运动目标为例描述车流量统计流程，其步骤可总结如下：1）由投影法判断一个运动目标矩形框是否引起虚拟检测线lineE上车道长度段的像素值的变化；2）若引起像素值变化，判断此像素值变化历经帧数x是否大于设定阈值X（X=20），当x≥X时，记为有车辆目标通过lineE；当x<X时，不标记信息；3）根据该矩形框轮廓和质心的位移判断和跟踪运动目标的运动状态和移动方向；4）由投影法判断该运动目标矩形框是否引起出口道虚拟检测线line2（或line4）上部分段像素值的变化；5）若引起line2（或line4）像素值变化，判断此像素值历经帧数x是否大于设定阈值X，当x≥X时，记为有车辆目标通过line2（或line4），东进口直行计数器（或东进口右转计数器）计数器CountE2（或CountE4）累计加1；当x<X时，CountE2（或CountE4）数值不变；
【参考文献】：
期刊论文
[1]集成Vissim和Python的车联网仿真平台研究[J]. 姚志洪,蒋阳升. 计算机仿真. 2018(12)
[2]道路交通流参数无人机调查与识别方法研究[J]. 李士尧,鲁元博,裴玉龙. 森林工程. 2018(05)
[3]以OpenCV为基础的图像预处理技术在无人机视频的应用[J]. 陈之尧. 电子技术与软件工程. 2018(16)
[4]基于黄金分割遗传算法的VISSIM仿真模型参数校正[J]. 杨文臣,张轮,王铮,胡澄宇. 华东交通大学学报. 2017(03)
[5]基于改进高斯混合模型的自适应前景提取[J]. 赵亚欣,蔡华杰,赵怀勋,谢跃辉. 计算机应用与软件. 2016(11)
[6]基于数学形态学的双直方图均衡化图像增强算法[J]. 刘燕妮,张贵仓,安静. 计算机工程. 2016(01)
[7]针对主辅路的Vissim仿真模型参数标定方法[J]. 李振龙,王保菊,金雪,连培昆. 交通信息与安全. 2015(02)
[8]基于IAGSO算法的VISSIM模型校正研究与实现[J]. 唐少虎,刘小明. 交通运输系统工程与信息. 2014(05)
[9]城市地下道路设计要点分析[J]. 尹海军. 中国市政工程. 2014(04)
[10]基于遗传算法的VISSIM人车参数标定方法[J]. 李欣,陈旭梅,万涛,郭淑霞. 中国民航大学学报. 2014(01)
硕士论文
[1]基于无人机视频的交通信息提取方法[D]. 陈林.华东师范大学 2018
[2]基于自适应混合高斯模型的运动目标检测与跟踪算法研究[D]. 郑加敏.重庆邮电大学 2017
[3]基于视觉的机器人分拣系统[D]. 徐家宝.湖南大学 2017
[4]自适应混合高斯目标检测方法研究[D]. 盛超.兰州理工大学 2017
[5]基于目标跟踪的车流量统计系统研究[D]. 袁璐.兰州理工大学 2017
[6]基于无人机视频的交通参数提取技术研究[D]. 张有节.重庆交通大学 2017
[7]基于视频的车流量及车速检测系统研究[D]. 胡云鹭.长安大学 2017
[8]基于视频检测的乒乓球自动计分方法研究[D]. 李海波.哈尔滨工业大学 2016
[9]基于视觉的交通车流量统计[D]. 黄霞.湘潭大学 2016
[10]基于视频图像的车辆检测及车型识别研究[D]. 高许.燕山大学 2016
本文编号：3317692
【文章来源】：华北理工大学河北省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
目标车辆效果图
第3章基于航拍视频的车流量统计方法研究-25-按车道坐标进行分段。观察左转待转区车辆运动情况，在左转待转区位置增设相应虚拟检测线，东、西、南、北方向的左转待转虚拟检测线分别记为lineEL、lineWL、lineSL、lineNL。同时在出口路径上也设置四条相应虚拟检测线，标为line1，line2，line3，line4，交叉口检测线设置如图6所示。它们与进口道位置或者左转待转区的检测线组合成对儿，组合的虚拟检测线对儿及其相关组合含义如表1所示。表1交叉口组合检测线统计含义Table1Statisticsoftrafficcapacityunderdifferentburiallength进口道东进口西进口南进口北进口检测线AlineELlineElineWLlineWlineSLlineSlineNLlineN检测线Bline3line2line4line4line1line3line2line4line1Line1line3line2A+B含义左转直行右转左转直行右转左转直行右转左转直行右转（a）交叉口1（b）交叉口2图6虚拟检测线示意图Fig.6Schematicdiagramofvirtualdetectionline3.2.2阈值的设定统计条件的设定是车流量阈值的设定统计的另一个重要内容，驶过虚拟检测线段的移动车辆的投影会引起一定时间内检测线像素亮度值的改变，无车驶过情况下的检测线段像素值为0，若有驶过检测线段，从像素值改变的那一刻的帧数开始，像素值用赋值1表示，直到移动车辆完全驶过检测线段，像素值重新归为0。使用投影法对每帧图像同一检测线段进行扫描，统计像素赋值为1的持续帧数统计图如图7所示。
华北理工大学硕士学位论文-26-图7像素赋值为1的持续帧数统计图Fig.7Statisticsofthenumberofcontinuousframeswiththepixelassignedas1图中像素赋值为1表示有车经过，且持续帧数都在20以上，代表移动车辆通过检测线段的最短连续帧数为20。本文选取最小持续帧数作为判定阈值，即阈值X=20，根据这个设定阈值进行车流量统计。3.2.3统计交叉口车流量以交叉口东进口的一个运动目标为例描述车流量统计流程，其步骤可总结如下：1）由投影法判断一个运动目标矩形框是否引起虚拟检测线lineE上车道长度段的像素值的变化；2）若引起像素值变化，判断此像素值变化历经帧数x是否大于设定阈值X（X=20），当x≥X时，记为有车辆目标通过lineE；当x<X时，不标记信息；3）根据该矩形框轮廓和质心的位移判断和跟踪运动目标的运动状态和移动方向；4）由投影法判断该运动目标矩形框是否引起出口道虚拟检测线line2（或line4）上部分段像素值的变化；5）若引起line2（或line4）像素值变化，判断此像素值历经帧数x是否大于设定阈值X，当x≥X时，记为有车辆目标通过line2（或line4），东进口直行计数器（或东进口右转计数器）计数器CountE2（或CountE4）累计加1；当x<X时，CountE2（或CountE4）数值不变；
【参考文献】：
期刊论文
[1]集成Vissim和Python的车联网仿真平台研究[J]. 姚志洪,蒋阳升. 计算机仿真. 2018(12)
[2]道路交通流参数无人机调查与识别方法研究[J]. 李士尧,鲁元博,裴玉龙. 森林工程. 2018(05)
[3]以OpenCV为基础的图像预处理技术在无人机视频的应用[J]. 陈之尧. 电子技术与软件工程. 2018(16)
[4]基于黄金分割遗传算法的VISSIM仿真模型参数校正[J]. 杨文臣,张轮,王铮,胡澄宇. 华东交通大学学报. 2017(03)
[5]基于改进高斯混合模型的自适应前景提取[J]. 赵亚欣,蔡华杰,赵怀勋,谢跃辉. 计算机应用与软件. 2016(11)
[6]基于数学形态学的双直方图均衡化图像增强算法[J]. 刘燕妮,张贵仓,安静. 计算机工程. 2016(01)
[7]针对主辅路的Vissim仿真模型参数标定方法[J]. 李振龙,王保菊,金雪,连培昆. 交通信息与安全. 2015(02)
[8]基于IAGSO算法的VISSIM模型校正研究与实现[J]. 唐少虎,刘小明. 交通运输系统工程与信息. 2014(05)
[9]城市地下道路设计要点分析[J]. 尹海军. 中国市政工程. 2014(04)
[10]基于遗传算法的VISSIM人车参数标定方法[J]. 李欣,陈旭梅,万涛,郭淑霞. 中国民航大学学报. 2014(01)
硕士论文
[1]基于无人机视频的交通信息提取方法[D]. 陈林.华东师范大学 2018
[2]基于自适应混合高斯模型的运动目标检测与跟踪算法研究[D]. 郑加敏.重庆邮电大学 2017
[3]基于视觉的机器人分拣系统[D]. 徐家宝.湖南大学 2017
[4]自适应混合高斯目标检测方法研究[D]. 盛超.兰州理工大学 2017
[5]基于目标跟踪的车流量统计系统研究[D]. 袁璐.兰州理工大学 2017
[6]基于无人机视频的交通参数提取技术研究[D]. 张有节.重庆交通大学 2017
[7]基于视频的车流量及车速检测系统研究[D]. 胡云鹭.长安大学 2017
[8]基于视频检测的乒乓球自动计分方法研究[D]. 李海波.哈尔滨工业大学 2016
[9]基于视觉的交通车流量统计[D]. 黄霞.湘潭大学 2016
[10]基于视频图像的车辆检测及车型识别研究[D]. 高许.燕山大学 2016
本文编号：3317692
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3317692.html
