摘要:交通流预测是智能交通系统中实现城市交通优化的一种重要方法, 准确的交通流量预测对交通管理和诱导具有重要意义. 然而, 因交通流本身存在高度时空依赖性而表现出复杂的非线性特征, 现有的方法主要考虑路网中节点的局部时空特征, 忽略了路网中所有节点的长期时空特征. 为了充分挖掘交通流数据复杂的时空依赖, 提出一种融合多种时空自注意力机制的Transformer交通流预测模型(MSTTF). 该模型在嵌入层通过位置编码嵌入时间和空间信息, 并在注意力机制层融合邻接空间自注意力机制, 相似空间自注意力机制, 时间自注意力机制, 时间-空间自注意力机制等多种自注意力机制挖掘数据中潜在的时空依赖关系, 最后在输出层进行预测. 结果表明, MSTTF模型与传统时空Transformer相比, MAE平均降低了10.36%. 特别地, 相比于目前最先进的PDFormer模型, MAE平均降低了1.24%, 能取得更好的预测效果.

摘要:近年来, 由于交通拥堵问题日益严重, 引起了学术界对交通信号灯控制算法研究的广泛关注. 现有研究表明, 基于深度强化学习(DRL)的方法在模拟环境中表现良好, 但在实际应用中存在着数据和计算资源需求大、难以实现路口之间协同等问题. 为解决这一问题, 本文提出了一种基于上下文多摇臂赌博机的新型交通信号控制算法. 与传统方法相比, 本文所提算法通过从路网中提取主干道的方式, 实现了路口之间的高效协同, 并利用上下文多摇臂赌博机模型实现了交通信号的快速、有效控制. 最后, 通过在真实数据集以及合成数据集上进行充分的实验验证, 证明了本文算法相较于过去算法的优越性.

摘要:随着智能交通的发展, 大量的车辆轨迹数据被收集和存储, 但这些轨迹数据总是会存在异常轨迹点数据, 严重影响后续轨迹数据分析的准确性和有效性. 本文发现了一类隐性的位置异常轨迹数据, 此类异常数据用传统的基于移动特征阈值的检测方法难于发现, 但对轨迹数据分析过程同样有着重要的影响. 针对此类异常轨迹数据, 本文以部分西安市出租车轨迹数据为例, 提出了一种基于浮动网格和聚类方法的隐性异常轨迹数据检测方法, 并实现了数据的并行化方式. 实验结果展示所提方法检测隐性位置异常的数据召回率、精确率能够达到0.90, 并且F1-score在0.88–0.91范围. 检测出这种隐性异常轨迹数据, 有利于后续的时空轨迹数据分析与应用.

摘要:当前车辆识别大多采用深度学习方法, 直接输入图像数据进行训练以获得车辆分类的深度网络, 由于图像本身存在透视形变及尺度变化, 因此不得不采取大量不同类型数据进行训练, 同时也无法获取车辆相关的物理信息. 为了改进上述问题, 本文提出基于逆投影空间训练的车辆细粒度识别方法. 首先利用标定信息及几何约束, 对单目投影下的车辆构建精细化的三维包络框. 然后将车辆三维包络展开, 获得规范化及标准化的逆投影空间数据. 最后利用深度卷积网络对这些展开的规范数据进行训练分类及回归, 获得5种常见车辆细分类结果及对应的物理尺寸信息. 实验结果表明, 与传统端到端的深度学习车辆分类算法相比较, 本文算法在利用更少的训练数据的前提下, 能有效的提升车辆分类准确率, 同时可获取车辆三维物理尺寸信息.

摘要:弯道是道路交通场景下的重要组成部分之一，在通过视觉信息对道路信息重建的过程中，监控相机构建的传统世界坐标系在弯道场景下难以表示真实的道路空间信息以及车辆位置信息.为了解决此问题，本文提出了基于道路线形的里程坐标系概念.里程坐标系水平方向代表沿道路断面方向的距离信息，垂直方向代表沿道路线形方向的里程信息.对于里程坐标系的构建，首先通过单消失点标定算法和道路先验信息进行相机标定及提出的结果优化方式，获得车道线或道路边缘的真实空间位置.其次，基于世界坐标系下的车道线或道路边缘的真实空间信息进行多项式拟合，得到描述弯道道路线形的拟合曲线.最后将道路标识点或车辆轨迹点向拟合曲线进行投影，获得基于道路断面方向距离信息和沿道路方向距离信息.此方案在弯道模拟实验场景下和实际高速公路弯道场景下进行了实验，结果表明所提出的里程坐标系在实验场景和实际场景的位置平均误差小于5%，具有较好的适应性和较高的精度，相比于传统直线世界坐标系，里程坐标系能够满足实际需求.

摘要:本文为提高停车场的使用效率提出一种基于视觉的车位检测与分类算法. 针对现有停车场车位分类方法自动化程度低, 设备与部署成本高昂, 以及现有的检测算法召回率低、准确性差的问题. 首先, 对车位进行检测, 建立车位表并增量式地扩充车位分类模型数据集; 其次, 利用测试数据集训练支持向量机车位分类模型; 最后, 根据监控视频流数据实时地对每个车位能否泊车进行判断. 实验结果表明: 在不同的光照条件下, 车位直线检测的召回率在94%以上, 车位分类模型的准确率在95%以上. 该算法自动化程度高, 准确率良好, 部署简便, 具有良好的应用价值.

摘要:考虑有信号控制的交叉路口内车辆之间、车辆与行人之间的冲突，在离散事件仿真规范（DEVS）框架下构建了交叉路口微观交通仿真模型.以某市典型交叉路口观察数据标定仿真参数，将仿真结果与按《城市道路设计规范》计算得到的通行能力进行比较，验证了模型.在此基础上，首先，仿真分析了不同左转比例对交叉路口通行能力的影响；然后，基于各方向等待通过交叉路口的车辆数目设计了智能绿信比控制策略.仿真试验表明：通行能力随着左转车比例的增加先上升后下降；智能绿信比控制能显著提升交叉路口通行能力，明显降低平均引道延误时间.由此证明仿真模型能真实地模拟交叉路口各因素间的相互作用，且易于扩充，通用性强，能够用于其它智能交通问题的研究.

摘要:为减轻日益严重的交通拥堵问题，实现智能交通管控，给交通流诱导和交通出行提供准确实时的交通流预测数据，设计了基于长短时记忆神经网络（LSTM）和BP神经网络结合的LSTM-BP组合模型算法.挖掘已知交通流数据的特征因子，建立时间序列预测模型框架，借助Matlab完成从数据的处理到模型的仿真，实现基于LSTM-BP的短时交通流精确预测.通过与LSTMBPWNN三种预测网络模型的对比，结果表明LSTM-BP预测的时间序列具有较高的精度和稳定性.该模型的搭建，可对交通分布的预测、交通方式的划分、实时交通流的分配提供依据和参考.

摘要:车辆压线检测是智能交通系统的一个重要功能，为此提出一种基于车载图像的目标车辆压线检测方法.首先，利用合成数据方法构建一个类型丰富多样的压线检测数据集；然后，结合图像语义分割方法完成车辆检测和车道线检测并以分割图形式表示结果，再使用前后轮估计的方法获取车辆前后轮的位置；最后，通过车轮与车道线位置对比实现车辆压线判断.实验表明，结合图像语义分割模型后，所提方法的压线检测平均准确率达到88.7%，平均耗时35 ms，具备一定的实际应用价值.

摘要:出租车换道行为的统计特性对研究经济、心理等人类动力学有重要的意义.结合大数据分析技术，基于西安市出租车GPS轨迹数据对出租车司机的换道行为进行了定量研究.设计了一种基于出租车GPS轨迹数据的出租车司机换道行为识别模型，利用大数据平台对出租车司机换道次数按不同时段进行了定量统计，对出租车司机换道次数、出租车平均行驶速度和出租车司机的收入之间进行了相关性分析.分析结果表明，出租车频繁换道行为对司机收益呈现负相关影响，进一步说明出租车司机驾驶习惯和和心理对整个出租车运营有显著影响.