详情

原文传递道路交通参数及交通事件智能检测关键技术研究

论文题名：	道路交通参数及交通事件智能检测关键技术研究
关键词：	道路;交通参数检测;交通事件检测;智能检测;检测方法;识别问题;数据融合;感应线圈;交通信息;算法;视频;运动目标跟踪;曲线形态;模型;模式识别;交通状态判别;网络;数据预处理;理论;多运动目标
摘要：	智能交通系统(ITS)被公认为是解决道路交通问题最有力的手段之一,而动态交通信息是ITS实施的基础。本文围绕道路交通信息获取这一主题,对自动化交通参数和交通事件检测所涉及的关键问题展开研究；针对现有技术方法的不足,提出了若干富有创新性和实用性的解决方案和算法,并通过丰富的实验加以验证；主要工作和研究成果如下： 1.系统地分析感应线圈车型自动识别的基本原理、数据预处理、特征提取、模式识别等问题。在数据预处理环节,提出基于快速小波变换(FWT)的感应曲线近似信号抽取及数据压缩方法。在特征提取环节,针对感应曲线的形态难以用数学方法描述的特点,提出一种新的曲线形态描述和识别方法：首先定义语素及语素向量来符号化任意曲线,其次定义通配符及通配符向量增强对曲线形态的刻画和分析能力,最后设计了一种字符属性约束下的带通配符字符串匹配算法,使曲线形态识别能够由计算机来完成。此外,为避免信息冗余并提高分类器的性能,提出通过信息熵度量样本的纯度、通过信息增益优选特征属性的方法。在模式识别环节,为构建具有容错能力的分类器,并克服一般BP神经网络在解决多模式识别问题时难以收敛的缺陷,提出一种多分支结构的BP网络模型并在理论上验证其优于一般BP网络的原因。多分支BP网络的最大特点是将1个N类识别问题转化为N个两类识别问题。 2.研究面向交通参数检测的视频处理技术,重点对图像背景估计、连通成分快速标记、阴影消除、多运动目标跟踪等关键问题展开研究。提出一种基于样本选择的单高斯背景估计模型,该模型克服了混合高斯模型参数难以获取、计算复杂等缺陷。针对经典算法需要对所有像素遍历2次的限制,本文根据像素前后访问的关系提出一种只需遍历像素1次、无递归过程的8邻域连通成分标记算法,有效地提高了算法的效率。阴影消除是视频技术中的难点,本文分析了极亮、极暗点在阴影检测中的作用,并采用纹理抽取及灰度共生矩阵对车辆阴影进行检测和消除,实验表明纹理分析法在消除夜间车灯照明的影响时同样具有良好的性能。另外,本文还提出基于Kalman滤波和模板匹配的多运动目标跟踪方法,并通过实验验证该方法的正确性和有效性。 3.研究间接式道路交通状态判别和交通检测器布点方法。系统地提出一种新的基于图论的检测器布点方法,该方法将道路网络转化为抽象的图对象,利用图的相关理论进行检测器优化布点；该方法在完全有向回路图中具有理论上的最小布点数,因此特别适合应用在城市路网中。对于交通状态判别问题,本文探讨了多车道路段中不同车道交通参数的差异及原因,并利用交通波理论分析不同车道拥挤状态的扩散机理。另外,针对McMaster算法状态边界难以确定的问题,本文提出一种基于样本集学习的神经-决策树方法。 4.研究基于视频感知的道路交通事件检测方法,提出了对环境光照强度和稳定性进行检测的指标及计算模型,探讨了烟雾、火焰的检测方法并通过实验加以验证。此外,通过FWT对传统Hough变换进行改进,大大缩短计算时间,在此基础上提出基于多分辨率Hough变换的车道线自动提取算法。在视频车辆行为解释的问题上,提出了停车检测及停车原因判别方法：探讨了基于轨迹跟踪的车辆碰撞检测技术,并设计用于车辆突变状态检测的直方图相似性分析法,该方法可作为Kalman滤波的有效补充应用于车辆轨迹跟踪问题。 5.为满足ITS对交通信息高精度、高可靠性的要求,本文对基于多传感器数据融合的道路交通参数及交通事件检测进行研究。首先分析了多传感器在数据层、特征层、决策层的数据融合特点,探讨了常用数据融合技术的适用范围。在此基础上,研究融合感应线圈和视频数据的交通参数检测方法：分析了感应线圈与视频这两种异质传感器的信息互补关系,并提出三个典型的数据融合模型。此外,提出基于D-S证据理论、融合感应线圈和视频数据的交通事件检测方法,该方法能够有效地提高交通事件检测的准确率和响应速度。
作者：	林培群
专业：	控制理论与控制工程
导师：	徐建闽
授予学位：	博士
授予学位单位：	华南理工大学
学位年度：	2008
正文语种：	中文