對(duì)高速公路路段進(jìn)行擁堵檢測(cè),是實(shí)現(xiàn)有效管理和及時(shí)管控的必要前提。由于數(shù)據(jù)條件的限制,以往研究的數(shù)據(jù)大多來(lái)源于單一數(shù)據(jù)源,難以從多側(cè)面表征出全面的交通狀態(tài)。同時(shí),受檢測(cè)設(shè)備安裝間距帶來(lái)的影響,現(xiàn)有檢測(cè)模型難以滿足各自的適用條件,導(dǎo)致檢測(cè)率難以提升。目前高速公路各檢測(cè)設(shè)備的布設(shè)和推廣為獲取多源數(shù)據(jù)提供了條件,在考慮檢測(cè)設(shè)備分布情況下,合理利用現(xiàn)有高速公路各數(shù)據(jù)源,建立有效的路段擁堵檢測(cè)模型,對(duì)于高速公路管理質(zhì)量的提升具有重要意義。因此,本文結(jié)合高速公路車檢器數(shù)據(jù)、視頻圖像、收費(fèi)數(shù)據(jù)及卡口數(shù)據(jù),充分利用各數(shù)據(jù)源所提供的交通參數(shù),分別針對(duì)檢測(cè)設(shè)備分布密集和稀疏的兩種情況,采用融合的方式建立高速公路路段擁堵檢測(cè)模型,從而提高檢測(cè)率,這對(duì)高速公路管理質(zhì)量的提升具有重要意義。論文主要內(nèi)容如下:（1）針對(duì)檢測(cè)設(shè)備分布密集的情況,采用決策級(jí)融合方式對(duì)路段進(jìn)行擁堵檢測(cè)。首先基于收費(fèi)數(shù)據(jù)及卡口數(shù)據(jù)對(duì)當(dāng)前高速公路路段的平均行程時(shí)間進(jìn)行估計(jì),減小由于行程時(shí)間的時(shí)延性帶來(lái)的影響。然后基于上下游車檢器數(shù)據(jù),建立擁堵檢測(cè)模型。之后將視頻檢測(cè)結(jié)果和以上兩個(gè)結(jié)果進(jìn)行決策級(jí)融合,建立了在設(shè)備分布密集情況下的高速公路路段擁堵... 

【文章來(lái)源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：98 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

重慶市高速公路車檢器數(shù)據(jù)示例

重慶大學(xué)碩士學(xué)位論文10從圖2.1中可以看出，車檢器可以獲取的交通參數(shù)主要有：車檢器編號(hào)、檢測(cè)的道路號(hào)、檢測(cè)時(shí)間、平均速度、流量、平均占有率以及不同車型的流量。其車檢器編號(hào)對(duì)應(yīng)了路段上具體車檢器的位置。同時(shí)檢測(cè)時(shí)間是以時(shí)間戳的形式存儲(chǔ)的，以格林威治時(shí)間1970年01月01日00時(shí)00分00秒(北京時(shí)間1970年01月01日08時(shí)00分00秒)起至現(xiàn)在的總毫秒數(shù)。2.1.2視頻數(shù)據(jù)視頻數(shù)據(jù)為非結(jié)構(gòu)化數(shù)據(jù)，由監(jiān)控?cái)z像頭實(shí)時(shí)上傳監(jiān)控視頻。對(duì)視頻數(shù)據(jù)進(jìn)行處理可以獲得時(shí)間占有率及空間占有率兩個(gè)交通參數(shù)，反映攝像頭監(jiān)控區(qū)域的實(shí)時(shí)交通狀態(tài)信息。①時(shí)間占有率：在監(jiān)控區(qū)域高速公路車道路面上設(shè)定虛擬線圈，統(tǒng)計(jì)一定時(shí)間段內(nèi)各車道的虛擬線圈被車輛占有的幀數(shù)，時(shí)間占有率即為各車道的虛擬線圈被車輛占有的圖像幀數(shù)與該時(shí)間段總圖像幀數(shù)的比值。②空間占有率：通過(guò)目標(biāo)提取和道路預(yù)先識(shí)別獲得空間占有率。由于監(jiān)控?cái)z像頭監(jiān)控區(qū)域固定，可通過(guò)手動(dòng)選取ROI區(qū)域等方式獲取圖像中的車道路面區(qū)域，并獲取道路區(qū)域的總面積。通過(guò)前景目標(biāo)提取獲得道路上目標(biāo)車輛占據(jù)面積，目標(biāo)車輛占據(jù)面積與道路區(qū)域總面積的比值即為空間占有率。為了提高參數(shù)的準(zhǔn)確性，一般使用平均道路占有率，具體定義為一定時(shí)間段內(nèi)的所有連續(xù)幀圖像空間占有率的平均值。如圖2.2和圖2.3所示，是重慶市某高速公路上部分?jǐn)z像頭監(jiān)控圖像示例：圖2.2外場(chǎng)攝像頭監(jiān)控圖像圖2.3隧道攝像頭監(jiān)控圖像Fig.2.2camerasmonitorimagesofoutfieldFig.2.3camerasmonitorimagesoftunnel2.1.3收費(fèi)數(shù)據(jù)①收費(fèi)數(shù)據(jù)基本信息由于高速公路具有封閉性，因此所有在高速公路上的車都必須通過(guò)收費(fèi)站，

重慶大學(xué)碩士學(xué)位論文10從圖2.1中可以看出，車檢器可以獲取的交通參數(shù)主要有：車檢器編號(hào)、檢測(cè)的道路號(hào)、檢測(cè)時(shí)間、平均速度、流量、平均占有率以及不同車型的流量。其車檢器編號(hào)對(duì)應(yīng)了路段上具體車檢器的位置。同時(shí)檢測(cè)時(shí)間是以時(shí)間戳的形式存儲(chǔ)的，以格林威治時(shí)間1970年01月01日00時(shí)00分00秒(北京時(shí)間1970年01月01日08時(shí)00分00秒)起至現(xiàn)在的總毫秒數(shù)。2.1.2視頻數(shù)據(jù)視頻數(shù)據(jù)為非結(jié)構(gòu)化數(shù)據(jù)，由監(jiān)控?cái)z像頭實(shí)時(shí)上傳監(jiān)控視頻。對(duì)視頻數(shù)據(jù)進(jìn)行處理可以獲得時(shí)間占有率及空間占有率兩個(gè)交通參數(shù)，反映攝像頭監(jiān)控區(qū)域的實(shí)時(shí)交通狀態(tài)信息。①時(shí)間占有率：在監(jiān)控區(qū)域高速公路車道路面上設(shè)定虛擬線圈，統(tǒng)計(jì)一定時(shí)間段內(nèi)各車道的虛擬線圈被車輛占有的幀數(shù)，時(shí)間占有率即為各車道的虛擬線圈被車輛占有的圖像幀數(shù)與該時(shí)間段總圖像幀數(shù)的比值。②空間占有率：通過(guò)目標(biāo)提取和道路預(yù)先識(shí)別獲得空間占有率。由于監(jiān)控?cái)z像頭監(jiān)控區(qū)域固定，可通過(guò)手動(dòng)選取ROI區(qū)域等方式獲取圖像中的車道路面區(qū)域，并獲取道路區(qū)域的總面積。通過(guò)前景目標(biāo)提取獲得道路上目標(biāo)車輛占據(jù)面積，目標(biāo)車輛占據(jù)面積與道路區(qū)域總面積的比值即為空間占有率。為了提高參數(shù)的準(zhǔn)確性，一般使用平均道路占有率，具體定義為一定時(shí)間段內(nèi)的所有連續(xù)幀圖像空間占有率的平均值。如圖2.2和圖2.3所示，是重慶市某高速公路上部分?jǐn)z像頭監(jiān)控圖像示例：圖2.2外場(chǎng)攝像頭監(jiān)控圖像圖2.3隧道攝像頭監(jiān)控圖像Fig.2.2camerasmonitorimagesofoutfieldFig.2.3camerasmonitorimagesoftunnel2.1.3收費(fèi)數(shù)據(jù)①收費(fèi)數(shù)據(jù)基本信息由于高速公路具有封閉性，因此所有在高速公路上的車都必須通過(guò)收費(fèi)站，

【參考文獻(xiàn)】：
期刊論文
[1]基于K-means聚類算法優(yōu)化方法的研究[J]. 劉葉,吳晟,周海河,吳興蛟,韓林嶧.  信息技術(shù). 2019(01)
[2]多傳感器信息融合技術(shù)綜述[J]. 崔碩,姜洪亮,戎輝,王文揚(yáng).  汽車電器. 2018(09)
[3]聚類算法綜述[J]. 王玉晗,羅鄧三郎.  科技資訊. 2018(24)
[4]一種用于高速公路通行情況分析的收費(fèi)數(shù)據(jù)挖掘方法[J]. 趙懷鑫,鄧然然,張英杰,丁明航,孫朝云,李偉.  中國(guó)公路學(xué)報(bào). 2018(08)
[5]基于BP神經(jīng)網(wǎng)絡(luò)的多傳感器數(shù)據(jù)融合方法[J]. 邱春榮.  長(zhǎng)沙民政職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2018(02)
[6]二分K-FCM結(jié)合算法在交通運(yùn)行狀態(tài)判別中的應(yīng)用[J]. 符鋅砂,梁中嵐,鄭偉,王曉飛,朱洪磊.  公路工程. 2018(02)
[7]支持向量機(jī)模型與應(yīng)用綜述[J]. 劉方園,王水花,張煜東.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(04)
[8]基于模糊聚類分析的高速公路狀態(tài)識(shí)別研究[J]. 何亞龍.  山東工業(yè)技術(shù). 2018(06)
[9]面向多源數(shù)據(jù)融合的貝葉斯估計(jì)方法[J]. 孫振東.  齊魯工業(yè)大學(xué)學(xué)報(bào). 2018(01)
[10]基于譜聚類與RS-KNN的城市快速路交通狀態(tài)判別[J]. 商強(qiáng),林賜云,楊兆升,邴其春,田秀娟,王樹興.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(06)

博士論文
[1]城市交通流數(shù)據(jù)優(yōu)化感知關(guān)鍵技術(shù)研究[D]. 張偉.大連理工大學(xué) 2015

碩士論文
[1]基于交通監(jiān)控視頻的道路狀況分析[D]. 毛猛.北京工業(yè)大學(xué) 2017
[2]高速公路實(shí)時(shí)交通狀態(tài)判別方法研究[D]. 杜崇.北京交通大學(xué) 2017
[3]交通事件檢測(cè)California算法的改進(jìn)及參數(shù)自整定研究[D]. 劉嚴(yán)磊.重慶大學(xué) 2017
[4]基于模糊聚類的高速公路交通運(yùn)行狀態(tài)判別與決策模型研究[D]. 朱洪磊.華南理工大學(xué) 2017
[5]基于視頻的夜間高速公路擁堵事件檢測(cè)關(guān)鍵技術(shù)研究[D]. 黃波.重慶大學(xué) 2017
[6]基于D-S證據(jù)理論的融合事件檢測(cè)算法研究[D]. 鹿高娜.北京交通大學(xué) 2016
[7]考慮多源數(shù)據(jù)集的交通狀態(tài)估計(jì)方法研究[D]. 宋力.北京理工大學(xué) 2016
[8]高速公路基本路段實(shí)時(shí)交通狀態(tài)判別方法的研究及應(yīng)用[D]. 陳會(huì)茹.長(zhǎng)安大學(xué) 2015
[9]重大節(jié)假日高速公路免收通行費(fèi)政策影響分析[D]. 楚瑞鋒.長(zhǎng)安大學(xué) 2014
[10]基于模糊理論與增量判別法的高速公路交通事件檢測(cè)方法研究[D]. 萬(wàn)彬彬.昆明理工大學(xué) 2014



本文編號(hào)：3017061