论文题名: | 基于高分影像城市群路网瓶颈路段判别技术与系统实现 |
关键词: | 城市群路网;交通状态监测;瓶颈路段识别;高分影像;车辆提取 |
摘要: | 近十年来,我国城市化进程加快,以交通路网建设为主要形式的超大城市和城市群取得了长足发展。然而交通拥堵已成城市“顽疾”,并呈愈演愈烈之势。加强城市群路网交通状态监测,判研以交通频繁拥堵队列为表征的交通瓶颈,为交通管理部门规划、疏导和优化路网提供可靠数据,成为解决上述问题的基础性工作。 城市群交通路网具有点多、线长、面广的特点,仅仅依靠传统的交通监测手段,短期内难以实现统一管理;同时,长期的行政条块化管理,毗邻城市间、城乡结合部路网往往成为监管盲区。随着我国高分遥感技术的发展,从高分辨率遥感影像中提取交通信息,应用于大区域的城市群交通路网管理之中,成为当前的研究热点。对此,本课题在2012年交通运输部重点项目支持下,开展了城市群路网瓶颈路段识别技术研究,主要研究内容如下: (1)研究了当前国内外遥感技术交通行业应用现状,明确了本课题研究的目的、意义,拟定了研究内容和技术路线。 (2)研究了城市群以交通频繁拥堵队列为表征的交通瓶颈判别常用的指标,从宏观、大区域交通管理需求出发,依据高分影像中交通信息特点,建立了车辆排队长度比为指标的交通瓶颈路段判别技术。 (3)为实现高分遥感影像车辆目标信息提取基础上的车辆队列识别,分别研究了航空和航天两种高分影像车辆提取技术。基于航天影像车辆亮度特征明暗差异,提出了全自动双阈值提取算法;利用航空影像车辆信息丰富特征,分别构建了正、负样本各400个,提取样本SURF(Speed-up robust feature)特征后,经SVM(Support vector machine)分类器训练后,建立高维映射模型,并以此对路网掩膜后的感兴趣区域完成车辆目标遍历搜索提取,形成了基于SURF与SVM结合的航空高分影像车辆提取方法。与目视解译对比,两种车辆目标提取方法的误检率分别为10.2%、16%,漏检率分别为5.1%、15%。 (4)车辆信息提取后,将道路进行打断分割,建立了车辆队列搜索块,以车辆队列搜索块中的车辆占有率0.3为阈值,遍历搜索出大区域影像中车辆队列,从而形成了车辆队列滑块阈值判别法,完成了高分遥感影像中车辆队列提取。 (5)采用ArcGIS Engine,VS2008平台,C++语言,将信息提取模块、信息展示模块、瓶颈路段判别模块进行集成开发,构建了城市群交通路网瓶颈路段判别系统。在多时像、多时段数据积累基础上,根据车辆排队长度比出现频率,以深圳市为实例,建立起交通瓶颈识别技术。 |
作者: | 李健 |
专业: | 车辆工程 |
导师: | 谷正气 |
授予学位: | 硕士 |
授予学位单位: | 湖南工业大学 |
学位年度: | 2015 |
正文语种: | 中文 |