基于视频的高架道路限流控制方法研究

发布时间：2020-10-26 08:38

　　 科学技术的发展日新月异,现行城市道路交通拥堵的监测和处置却仍然依赖人工巡检,因此智能判别城市交通拥堵,提出规避拥堵的具体措施和确定拥堵后应急处置的研究迫在眉睫。基于视频的高架道路车流量监测具有成本低、实时性好、安装维护简单等显著优势,是未来城市交通拥堵监测的热点方向。目前基于图像的交通拥堵判别方法所需交通特征参数种类、数量多,算法复杂度高,实时性差。尤其高架道路作为城市快速通道的重要组成部分,具有车流量大,车速快的特点,现有基于视频的交通拥堵判别方法更难满足监测要求。本文在大量观察和调研的基础上,提出了以出租车速度作为高架道路交通拥堵的特征参数,降低了算法复杂度。出租车作为一种盈利性质的公共服务类车辆,通常具有显著特征。本文以合肥市为例,明确了出租车的在车辆类型、颜色、顶灯上的典型特征。提出了基于视频的出租车识别算法。对检测出的车辆目标依次进行是否轿车型、是否彩色、是否存在顶灯的二分法筛选,逐步减少后续处理的目标数量,提高了算法效率。本文在车辆的相关特征提取方面进行了补充研究,避免了高架道路上无出租车的情况发生。通过在各个匝道设置虚拟线圈,进行单位时间内的车辆计数,可以准确定位高架道路交通拥堵的位置。按照现行处理办法短时禁行,可以有效缓解高架道路的车流量压力,规避高架道路的交通拥堵。偶发性事故和车流量激增是造成高架道路交通拥堵的两个重要原因。本文在针对上述原因深入分析后,提出了应对措施,结合高架道路预先排堵调度策略,完成了对高架道路限流控制的方法研究,提出了总体软件设计流程图。在实验室条件下,借助数字图像处理工具MATLAB,对采集视频进行了仿真验证,结果表明本设计在高架道路限流控制中的可行性。
【学位单位】：合肥工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U495;TP391.41
【部分图文】：

２．３．２高架道路的拥堵对出租车速度的影响??高架道路上的车辆数目多，速度快，所以目前国内外对其拥堵的检测研究还??不够成熟。如图２．１所示，现行高架道路视频监控系统己经建设得相当完善，摄像??机安装在高架道路包括匝道口的多个位置，以合肥市为例，摄像机间距离约为４００??一６００米，足以监测整条高架桥的车流量情况。使用视频的方法监测高架道路的车??流量情况，为满足实时性的要求，应降低算法复杂度，提高其可行性。因为出租??车驾驶员的熟练度较高，在城市快速路上通常迅速匀速行驶，上下高架桥的车速??不超过限速４０ｋｍ／ｈ。??高架道路拥堵通常是由偶发性事故或者车流量激增所致，而上述原因对出租??车车速影响明显。如果发生事故，高架道路事故前方出租车车速不受影响，事故??后方出租车车速将会突降。如果高架道路车流量激増，整条高架出租车车速将会??同时缓慢下降。对于现行视频监控系统

本章在车辆目标检测的基础上，依次对目标进行车辆类型区分，彩色和非??彩色区分，有无顶灯区分。运用二分法对检测出的车辆目标逐次识别，减少了后??续处理的目标个数，为实时检测奠定了基础。??３．１车辆目标检测??车辆目标检测是提取道路交通特征的关键技术，是实现高架道路交通拥堵判??别算法的前提。本节通过对常用目标提取算法的分析对比，选取混合高斯分布的??背景建模法来进行车辆目标检测。??３．１．１帧间差分法??摄像机拍摄的视频序列是连续的。若拍摄范围内没有运动目标，则帧间变化??非常微弱，几乎可以视作稳定的。当运动目标出现，表现为稳定的背景图像中内??嵌运动目标，倾间变化十分明显。由于上述显著变化，巾贞间差分法（Ｔｅｍｐｏｒａｌ??Ｄｉｆｆｅｒｅｎｃｅ）因此诞生［３９］。拍摄范围内运动目标在帧与帧间的位置不同，据此对连??续两到三帧进行差分，通过像素点间的减法运算，得出灰度差的绝对值。当该值??超出预设值，判定该点属于运动目标，从而得出完整的运动目标范围，实现其检??测功能。??

Ｆｉｇ?３．２?Ｂａｃｋｇｒｏｕｎｄ?ｅｘｔｒａｃｔｉｏｎ?ｒｅｓｕｌｔｓ??提取前景后，通过对前景的灰度化、锐化、滤波、开运算以识别车辆，并对??车量目标进行空洞填充，得到车辆的前景目标块如图３．３所示。??原图?均值滤波??＿?＿??锐化?目标块??■?ＱＪ??图３．?３车辆目标提取结果??Ｆｉｇ?３．３?Ｖｅｈｉｃｌｅ?ｔａｒｇｅｔ?ｅｘｔｒａｃｔｉｏｎ?ｒｅｓｕｌｔｓ??１７??
【参考文献】

相关期刊论文 前10条

1 刘东兴;龚全洲;;浅议当前城市交通管理发展规划的要点[J];交通与运输;2015年05期

2 张勇;;浮动车技术在合肥市智能交通系统中的应用[J];数字技术与应用;2015年09期

3 林雄斌;杨家文;;城市交通拥堵特征与治理策略的多维度综合评述[J];综合运输;2015年08期

4 黄凯奇;陈晓棠;康运锋;谭铁牛;;智能视频监控技术综述[J];计算机学报;2015年06期

5 陆化普;李瑞敏;;城市智能交通系统的发展现状与趋势[J];工程研究-跨学科视野中的工程;2014年01期

6 蒋丹红;夏林;;视频人流统计技术的应用研究[J];现代建筑电气;2014年01期

7 廖律超;蒋新华;邹复民;赖宏图;;基于交通视频的交通拥堵状态自动识别方法[J];公路交通科技;2014年01期

8 徐克虎;王天召;陈金玉;张波;;动态背景下的运动目标检测定位算法研究[J];计算机测量与控制;2013年12期

9 佘永业;赵力萱;罗东华;李熙莹;余志;;一种交通拥堵自动检测方法[J];计算机与现代化;2013年11期

10 胡少龙;胡志华;;物流网络中分布式OD运载需求的分时段限流优化[J];江苏科技大学学报(自然科学版);2012年06期

相关博士学位论文 前1条

1 刘晴;基于区域特征的目标跟踪算法研究[D];北京理工大学;2014年

相关硕士学位论文 前8条

1 李勇;基于出租车GPS数据的城市交通拥堵识别和关联性分析[D];哈尔滨工业大学;2016年

2 卢泽琼;动态目标特征提取与识别技术研究[D];中国科学院研究生院（光电技术研究所）;2014年

3 徐云飞;高速公路拥堵事件检测中的背景建模及状态判别方法研究[D];重庆大学;2014年

4 申高;视频监控系统中车型分类研究[D];东北大学;2013年

5 王琪;关于运动目标特征提取以及车辆颜色识别算法的研究[D];电子科技大学;2011年

6 王川童;基于视频处理的城市道路交通拥堵判别技术研究[D];重庆大学;2010年

7 陈青;基于GPS浮动车的城市道路交通状态判别技术研究[D];长安大学;2009年

8 张杨;运动目标图像的检测与跟踪[D];中北大学;2005年

本文编号：2856770