發(fā)布時(shí)間：2018-11-23 11:20

【摘要】：隨著城市的發(fā)展及城市間交通需求的急劇增長,城間高速公路在高峰期擁擠、阻塞日益嚴(yán)重,交通事件頻繁發(fā)生。針對高速公路交通事件容易引發(fā)大規(guī)模擁堵等問題,通過有效的事件檢測技術(shù)可及時(shí)針對事件進(jìn)行處理,減少二次事件等不良反應(yīng)的發(fā)生；而針對事件影響范圍進(jìn)行實(shí)時(shí)預(yù)測分析,可以作為制定事件解決方案的依據(jù)。本文主要針對高速路事件檢測與影響預(yù)測方法進(jìn)行設(shè)計(jì)研究。本文在廣泛調(diào)研國內(nèi)外高速路事件檢測和影響預(yù)測算法研究現(xiàn)狀的基礎(chǔ)上,提出一種基于視頻的快速事件檢測算法,并通過分布式視頻檢測信息對事件影響范圍進(jìn)行動(dòng)態(tài)預(yù)估,實(shí)現(xiàn)事件信息的快速反饋。首先,利用平穩(wěn)序列法獲取背景,由背景差法獲取前景,并在使用凸包占有率對遮擋進(jìn)行檢測的基礎(chǔ)上,采用改進(jìn)的卡爾曼濾波特征匹配跟蹤算法對車輛進(jìn)行跟蹤；然后通過對交通流的速度和流量進(jìn)行檢測,建立速度、流量與交通流狀態(tài)之間的映射關(guān)系,運(yùn)用模糊推理方法判別交通事件的發(fā)生；最后,以交通事件車流波模型作為理論依據(jù),通過分布式視頻信息獲取實(shí)時(shí)排隊(duì)長度與車流波速度,建立未來多個(gè)時(shí)刻的車輛排隊(duì)動(dòng)態(tài)估計(jì)模型,針對交通事件的影響范圍進(jìn)行預(yù)測分析。綜上所述,本文先以事件檢測算法、排隊(duì)檢測算法和車流波理論為基礎(chǔ),然后結(jié)合計(jì)算機(jī)視覺和圖像處理的相關(guān)知識,通過攝像機(jī)拍攝到的道路交通流信息,檢測交通事件的發(fā)生,并基于分布視頻信息計(jì)算車流波速度,對事件影響范圍進(jìn)行預(yù)測,最后完成事件檢測與影響預(yù)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。實(shí)驗(yàn)表明,本文提出的事件檢測方法能準(zhǔn)確地獲取前景信息,快速有效地對高速公路上的交通事件進(jìn)行檢測。而影響預(yù)測方法較其他方法更加準(zhǔn)確有效,能夠作為高速公路交通管理人員調(diào)度和決策的依據(jù)。
[Abstract]:With the development of cities and the rapid growth of intercity traffic demand, intercity highways are congested and congested in the rush hour, and traffic events occur frequently. In view of the problem that expressway traffic events are easy to cause large-scale congestion, the effective event detection technology can deal with the events in time and reduce the occurrence of adverse reactions such as secondary events. The real-time prediction and analysis of the impact range of events can be used as the basis for the formulation of event solutions. This paper focuses on the design and research of highway event detection and impact prediction methods. On the basis of extensive investigation of the current situation of highway event detection and impact prediction algorithms at home and abroad, this paper proposes a fast event detection algorithm based on video, and dynamically estimates the impact range of events through distributed video detection information. The fast feedback of event information is realized. Firstly, the background is obtained by stationary sequence method, the foreground is obtained by background difference method, and the improved Kalman filter feature matching tracking algorithm is used to track the vehicle on the basis of using convex hull occupation rate to detect occlusion. Then, by detecting the speed and flow of traffic flow, the mapping relationship between speed, flow and traffic flow state is established, and the fuzzy inference method is used to distinguish the occurrence of traffic events. Finally, based on the traffic event vehicle flow wave model, the real-time queue length and the vehicle flow wave velocity are obtained by distributed video information, and the vehicle queue dynamic estimation model at many times in the future is established. Forecast and analyze the influence range of traffic events. To sum up, this paper first based on event detection algorithm, queue detection algorithm and vehicle flow wave theory, and then combined with computer vision and image processing related knowledge, through the camera captured by the road traffic flow information, The traffic events are detected, and the vehicle flow velocity is calculated based on the distributed video information, and the influence range of the events is predicted. Finally, the design and implementation of the event detection and impact prediction system are completed. The experimental results show that the proposed event detection method can obtain the foreground information accurately and detect the traffic events on the freeway quickly and effectively. The influence prediction method is more accurate and effective than other methods, and can be used as the basis for highway traffic management personnel scheduling and decision-making.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U495;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃浩軍;胡鵬;李濤;龐淑英;;交通視頻檢測系統(tǒng)中背景提取的優(yōu)化算法[J];湖北汽車工業(yè)學(xué)院學(xué)報(bào);2006年04期

2 曾炎盛;馬壽峰;鐘石泉;賈寧;;基于視頻檢測的交通沖突判別方法和模型[J];交通信息與安全;2012年04期

3 王霄維;王殿海;江晟;趙瑩瑩;;基于時(shí)空上下文信息的混合交通視頻檢測算法[J];北京理工大學(xué)學(xué)報(bào);2013年12期

4 熊昕;徐建閩;;基于速度分類算法的交通事件視頻檢測系統(tǒng)設(shè)計(jì)[J];交通信息與安全;2013年02期

5 李敬峰;;視頻檢測在隧道意外檢測系統(tǒng)的應(yīng)用[J];中國交通信息產(chǎn)業(yè);2004年07期

6 段立橋;;兩種視頻檢測系統(tǒng)對比應(yīng)用分析[J];中國交通信息產(chǎn)業(yè);2006年11期

7 呂鎏棟;;基于視頻檢測的流量監(jiān)測技術(shù)在高速公路中的應(yīng)用[J];中國新技術(shù)新產(chǎn)品;2012年05期

8 劉曉薇;胡振民;余鶴齡;;違章車輛視頻檢測算法的研究[J];華東交通大學(xué)學(xué)報(bào);2007年05期

9 蘇義軍;深孔視頻檢測儀器的開發(fā)和應(yīng)用[J];現(xiàn)代車用動(dòng)力;1997年04期

10 蘇義軍;深孔視頻檢測儀器的開發(fā)和應(yīng)用[J];現(xiàn)代車用動(dòng)力;1998年03期

相關(guān)會議論文 前2條

1 秦鐘;王法勝;;交叉口排隊(duì)長度的視頻檢測[A];第二十九屆中國控制會議論文集[C];2010年

2 柯剛鎧;胡堅(jiān)明;姚丹亞;;一種適用于嵌入式平臺的交通流視頻檢測方法[A];2008第四屆中國智能交通年會論文集[C];2008年

相關(guān)重要報(bào)紙文章 前4條

1 雷曉;用視頻檢測完成智能監(jiān)控[N];中國交通報(bào);2003年

2 徐穎 編譯;視頻檢測系統(tǒng)幫我們得到接近完美的雕刻網(wǎng)穴[N];中國包裝報(bào);2002年

3 毅力;Micro-Check視頻檢測系統(tǒng)[N];中國包裝報(bào);2002年

4 記者 朱盈潔;大企業(yè)申報(bào)數(shù)量增加[N];首都建設(shè)報(bào);2006年

相關(guān)博士學(xué)位論文 前6條

1 劉紅;近重復(fù)視頻檢測算法研究[D];復(fù)旦大學(xué);2012年

2 江晟;混合交通視頻檢測關(guān)鍵技術(shù)研究[D];吉林大學(xué);2013年

3 馬增強(qiáng);運(yùn)動(dòng)車輛視頻檢測與分割方法研究[D];北京交通大學(xué);2011年

4 曲昭偉;混合交通視頻檢測算法研究[D];吉林大學(xué);2009年

5 李娟;城市交通系統(tǒng)中行人交通視頻檢測的理論與方法[D];北京交通大學(xué);2010年

6 李晗;同步檢測線方法及其在軌道交通中的應(yīng)用[D];浙江大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 劉曉亮;基于視頻檢測的高速公路交通事件影響預(yù)測研究[D];山東大學(xué);2015年

2 張思博;交通信息視頻檢測系統(tǒng)[D];北京交通大學(xué);2010年

3 徐波;基于視頻印記的同源視頻檢測[D];上海交通大學(xué);2008年

4 吳思遠(yuǎn);基于內(nèi)容的重復(fù)音視頻檢測[D];北京郵電大學(xué);2013年

5 陳章;基于視頻檢測的電子警察前端系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];浙江工業(yè)大學(xué);2012年

6 謝恩;基于視頻檢測的闖紅燈記錄儀研究與設(shè)計(jì)[D];華中科技大學(xué);2005年

7 張楊;基于內(nèi)容的相似音視頻檢測及廣告檢測[D];北京郵電大學(xué);2014年

8 張非歐;基于單攝像頭的交叉路口視頻檢測方法研究[D];華南理工大學(xué);2012年

9 蘇書杰;視頻檢測系統(tǒng)中的背景檢測及更新算法研究[D];長安大學(xué);2009年

10 李昊然;道路質(zhì)量視頻檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2009年

，

本文編號：2351404