基于半监督哈希算法的交叉口交通状态识别

发布时间：2024-03-13 05:02

　　准确辨识交叉口交通状态是实施有效交通控制策略的前提.传统交通状态识别方法是利用占有率、排队等统计数据设计指标实现状态识别,存在只能从单一角度刻画交叉口交通需求的问题.对此,提出基于半监督哈希算法的交叉口交通状态识别方法.从原始数据丰富特征入手,构建交叉口有效检测区域的图像化模型;将交叉口交通状态识别转化为图像搜索问题,利用监督哈希算法实现基于部分标签信息的图像搜索,进而得到交叉口的交通状态;最后,利用仿真对该方法进行了验证.结果表明,所提方法在识别精度和速度上具有可行性和有效性.

【文章页数】：8 页

【部分图文】：

图6不同速度下交叉口交通状态

图6不同速度下交叉口交通状态4结论

图1实时高精度轨迹跟踪式检测

传统用于交通控制的数据类型包括流量、占有率、密度、排队长度等，这些类型的检测数据具有检测粒度粗、统计特性强的特征，难以有效描述实时动态交通变化的细节.随着雷达检测技术和车路协同技术的发展，实时的高精度轨迹跟踪式检测成为可能，正逐渐应用到城市道路交通控制中，如图1所示.该类检测手段....

图3扩展离散状态编码到图像化的映射

图3是t时刻某标准正交十字交叉口车辆属性和状况编码情况.由式(2)和图3中表示以下数据形式.C向量表示存储车道单元是否有车辆存在的信息，如图4(a)所示，1表示有车辆，0表示没有车辆，这里描述的是真实的坐标数据映射至路段上的结果；R向量表示存储车辆的速度信息，如图4(b)所示，1....

图4扩展离散状态编码数据描述

由式(2)和图3中表示以下数据形式.C向量表示存储车道单元是否有车辆存在的信息，如图4(a)所示，1表示有车辆，0表示没有车辆，这里描述的是真实的坐标数据映射至路段上的结果；R向量表示存储车辆的速度信息，如图4(b)所示，1表示车速为自由流车速，0表示没有车或车辆停止，其余取值由....

本文编号：3927227