ITS中交通狀態(tài)檢測的算法研究.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)，對道路交通狀態(tài)進(jìn)行檢測進(jìn)而實(shí)現(xiàn)交通流的誘導(dǎo)。本文主要研究交通狀態(tài)檢測算法的兩個(gè)模塊:基于視頻的交通流參數(shù)檢測、基于分類器的交通狀態(tài)分類。
　　基于視頻的交通流參數(shù)檢測

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)檢測技術(shù)主要是根據(jù)圖像幀差法、背景差法、邊緣檢測法來檢測車輛信息。為了更有效的檢測出車速和車流量兩個(gè)交通流參數(shù)，本文對傳統(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輛運(yùn)動軌跡。并采用虛擬檢測圈技術(shù)對車流量、車速進(jìn)行檢測:在沿垂直于道路方向的區(qū)域設(shè)置兩個(gè)平行的虛擬檢測線圈。對虛擬檢測線圈內(nèi)的圖像進(jìn)行處理，從而對過往車輛進(jìn)行計(jì)數(shù)與測速，降低了運(yùn)

3、算量。
　　道路交通狀態(tài)分類算法，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)分類算法，對城市道路交通狀態(tài)進(jìn)行分類判斷，提高了交通狀態(tài)分類算法的準(zhǔn)確率。仿真結(jié)果表明，采用SVM與BP分類算法融合的兩層級聯(lián)分類器提高了分類準(zhǔn)確率。在采用SVM-BP的兩層級聯(lián)分類器的基礎(chǔ)上，與單一的SVM、BP分類器進(jìn)行分類