原文传递
基于多视频车辆轨迹跟踪的交通流模型标定
| 论文题名： | 基于多视频车辆轨迹跟踪的交通流模型标定 |
| 关键词： | 交通流模型;参数标定;多视频车辆;轨迹跟踪 |
| 摘要： | 交通流基本模型的参数标定试验是智能交通领域发展中的关键一环。现有城市摄像头拍摄的视频包含多种行为姿态的行人、不同运动轨迹的车辆、形态各异的道路，难以构建高效、高质量的交通数据集，导致交通流模型参数标定试验适应性较差；且基于单个摄像头拍摄的车辆视频较短，难以满足参数标定试验的需求；因此传统的参数标定试验均基于交通仿真软件的理论推导，未能将实际场景数据应用于实验研究，针对各国不同交通状态以及各国驾驶人跟驰行为特性，选取适应性好的交通流模型是一个难点。 为了解决这些问题，本文采用连续摄像头，获取城市道路中实时、动态的车辆视频，将其作为研究场景，构建跨摄像头下的真实车辆轨迹实测数据集。基于中国实测轨迹数据集与美国德国开源实测轨迹数据集，分别对比分析五种经典的宏观交通流模型与三种微观车辆跟驰模型。本论文分为以下三个内容： (1)针对城市交通场景，建立车辆多目标检测、多目标跟踪模型。根据采集的交通实测数据特点，构建Mask R-CNN车辆目标检测网络，提取车辆图像中运动车辆的位置信息；基于车辆特征图像的检测信息，运用Deep SORT多目标跟踪算法，得到车辆在单摄像机视图下的轨迹；利用重识别技术匹配多目标跟踪得到的车辆轨迹，得到跨摄像机下的车辆轨迹数据集。 (2)基于中国车辆实测轨迹数据集、德国HighD、美国PeMS车辆实测数据集，采用最小二乘方法和优化后的最小二乘方法，标定和分析几种宏观交通流基本图模型，利用均方误差指标对参数标定后的模型进行性能评价，试验结果表明：在对宏观模型的标定中，S3模型可以更好地表达自由流、饱和、拥堵交通状态下流量、速度和密度之间耦合关系。 (3)基于中国车辆实测轨迹数据集、德国 HighD 和美国 NGSIM 车辆实测轨迹数据集，采用互相关分析法标定车辆跟驰模型中的反应时间参数，利用模拟退火法标定几种微观车辆跟驰模型中的其他参数，利用均方误差指标对参数标定后的模型进行性能评价，试验结果表明：在对微观模型的标定中，S3 模型可以更好地表达各国驾驶人的跟驰行为。 |
| 作者： | 刘张琦 |
| 专业： | 交通运输工程 |
| 导师： | 徐志刚 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
