ITS中交通狀態(tài)檢測(cè)的算法研究.pdf

1、由于經(jīng)濟(jì)的快速發(fā)展，城市交通量急劇增加，使得城市道路交通擁擠與擁堵日趨嚴(yán)重，這就要求加強(qiáng)道路監(jiān)測(cè)與管理的有效性與實(shí)時(shí)性。實(shí)現(xiàn)有效的道路交通監(jiān)測(cè)與管理的關(guān)鍵是建立一個(gè)實(shí)時(shí)有效的智能交通系統(tǒng)(Intelligent Transportation Systems，ITS)，對(duì)道路交通狀態(tài)進(jìn)行檢測(cè)進(jìn)而實(shí)現(xiàn)交通流的誘導(dǎo)。本文主要研究交通狀態(tài)檢測(cè)算法的兩個(gè)模塊:基于視頻的交通流參數(shù)檢測(cè)、基于分類(lèi)器的交通狀態(tài)分類(lèi)。
　　基于視頻的交通流參數(shù)檢測(cè)

2、方法具有成本低，易安裝，涵蓋信息量大等特點(diǎn)，最有發(fā)展前景。目前基于視頻的交通流參數(shù)檢測(cè)技術(shù)主要是根據(jù)圖像幀差法、背景差法、邊緣檢測(cè)法來(lái)檢測(cè)車(chē)輛信息。為了更有效的檢測(cè)出車(chē)速和車(chē)流量?jī)蓚€(gè)交通流參數(shù)，本文對(duì)傳統(tǒng)背景提取法進(jìn)行了改進(jìn)，結(jié)合小波變換，減少背景提取算法中的車(chē)輛運(yùn)動(dòng)軌跡。并采用虛擬檢測(cè)圈技術(shù)對(duì)車(chē)流量、車(chē)速進(jìn)行檢測(cè):在沿垂直于道路方向的區(qū)域設(shè)置兩個(gè)平行的虛擬檢測(cè)線(xiàn)圈。對(duì)虛擬檢測(cè)線(xiàn)圈內(nèi)的圖像進(jìn)行處理，從而對(duì)過(guò)往車(chē)輛進(jìn)行計(jì)數(shù)與測(cè)速，降低了運(yùn)

3、算量。
　　道路交通狀態(tài)分類(lèi)算法，即判別道路上的交通狀態(tài)是暢通，繁忙還是擁堵。本文綜合利用了支持向量機(jī)SVM(Support Vector Machine)與BP(Back propagation)神經(jīng)網(wǎng)絡(luò)分類(lèi)算法，對(duì)城市道路交通狀態(tài)進(jìn)行分類(lèi)判斷，提高了交通狀態(tài)分類(lèi)算法的準(zhǔn)確率。仿真結(jié)果表明，采用SVM與BP分類(lèi)算法融合的兩層級(jí)聯(lián)分類(lèi)器提高了分類(lèi)準(zhǔn)確率。在采用SVM-BP的兩層級(jí)聯(lián)分類(lèi)器的基礎(chǔ)上，與單一的SVM、BP分類(lèi)器進(jìn)行分類(lèi)