导读:本文包含了交通参数检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:交通,参数,视频,智能交通,建模,车辆,视觉。
交通参数检测论文文献综述
王翔,肖建力[1]（2016）在《基于视频的交通参数检测综述》一文中研究指出为使智能交通系统发挥作用,必须对流量、密度及速度等交通流的核心参数进行检测,目前已经有许多常见的方法,但在实际的检测中,使用一种检测方法只能检测出部分参数,未能够实现全部参数的检测,尤其是密度参数非常难以检测.现有的密度检测方法大部分集中在局部场景的交通密度检测上,对于连续场景的交通密度检测很少涉及.现主要综述了流量、密度及速度3个方面的检测方法,并重点关注仅通过视频数据能够方便地检测出多个交通参数的文献.(本文来源于《上海理工大学学报》期刊2016年05期）
章强[2]（2016）在《基于视频检测技术的道路交通参数监测系统》一文中研究指出随着我国城镇化的持续快速发展,汽车保有量和道路通车里程数源源不断地增加,交通事故频发、道路车辆拥挤、环境污染加重等新问题日益突出。发展智能交通系统(Intelligent Transportation System, ITS)对缓解这些问题有着良好的作用,而交通参数是智能交通系统中重要的基础研究内容之一。传统安装在道路上的交通参数检测器,其存在成本较高、检测范围小、采集参数单一等缺点。基于视频的交通参数提取方法以其系统设置灵活、信息量丰富、检测范围大等优点发展迅速,成为智能交通领域的一个研究热点,有着广阔的应用前景。本文重点对视频图像去雾算法和运动目标检测算法进行了研究,通过实验分析与验证,改进了相关算法。并在此基础上完成了适合雾霾天气下的基于视频检测技术的交通参数监测系统的研制。论文主要工作如下：(1)提出了一种改进的基于导向滤波的快速图像去雾算法。在使用导向滤波前,对透射率和导向图像采用最近邻插值进行下采样,以缩小输入导向滤波的图像,来降低导向滤波的处理时间；对导向滤波输出结果,采用双线性插值进行上采样得到校正后的透射率,并通过实验验证了该去雾算法的有效性与实时性。(2)在深入分析了各种运动目标检测算法的优缺点的基础上,重点研究了背景差分法的目标检测方法。最后经过比较各种背景提取方法,采用了自适应较强的基于像素自适应分割的运动目标检测算法进行视频运动目标检测,并通过实验验证了该算法检测运动目标的有效性。(3)在学习理解交通参数物理含义的基础上,对道路交通参数的提取方法进行了深入研究,并构建了提取道路交通参数的流程。(4)在掌握了视频图像去雾算法,运动目标检测算法以及交通参数提取流程的基础上,设计了基于视频检测技术的交通参数监测系统。完成了监测系统的视频图像采集、视频图像去雾、运动车辆检测、交通参数提取和交通参数存储的功能。并通过实验验证了该系统能有效地监测道路交通参数,符合预期效果。(本文来源于《浙江大学》期刊2016-01-18）
张媛[3]（2015）在《基于交通波检测的交通参数获取研究》一文中研究指出随着城市汽车保有量的持续快速增长,城市道路交通拥堵问题日益严重,迫切要求提出更为合理的交通控制策略,而交通参数的准确获取是优化交通信号控制策略的前提。因此,采用先进信息技术准确获取交通参数对改善城市交通具有重要意义。近年来,基于机器视觉的智能交通参数检测算法应运而生,应用计算机和图像处理技术检测各种交通参数,分析交叉口交通流特征成为研究热点。尤其是在交叉口早晚高峰时段车辆排队严重,采用视频方法如何实现高精度的参数提取具有挑战性。对此,本文针对交叉口处基于交通波检测的交通参数获取进行了研究,主要研究内容包括以下几个方面:1.提出了一种基于人工标定的交通参数真实数据获取方法。该方法利用VIPER智能软件,获取车辆每一时刻在视频图像中的像素坐标。利用摄像机模型,将像素坐标转化为道路平面空间坐标,根据标定车辆的时间-位置确定排队长度及停车延误等交通参数,根据所有标定车辆的起停变化拟合出真实的交通波到停车线距离变化曲线,获取准确的交通波位置信息。2.分析了现有的基于视频的典型交通波检测方法。对基于单摄像机的复式伸缩窗算法、基于对偶像机的决策层数据融合算法及像素层数据融合算法流程进行了分析,并将交叉口处基于人工标定获取的交通波位置数据与叁种典型交通波检测算法得到的数据进行对比,通过建立评估指标来分析各算法性能的优劣。3.开展了基于交通波检测获取交通参数的研究,包括排队长度、停车延误、波速等交通参数的提取方法。通过将各参数与停车波和起动波建立数学关系,推导出相应参数的计算方法。其中平均停车延误的计算要根据周期内只存在一次排队和存在两次排队分别讨论。4.以实验为基础,开发并完善了人工标定数据导出与参数提取系统软件。针对交叉口路段早晚高峰时段不同场景下的交通视频,利用相应算法获取排队长度与停车延误,并将计算结果与人工记录数据进行对比分析,验证基于交通波检测算法获取交通参数的有效性。(本文来源于《北京工业大学》期刊2015-06-01）
辛乐,陈阳舟[4]（2015）在《基于半人工标定的视频检测交通参数基准数据获取》一文中研究指出为准确地评估车辆检测各种算法在实际环境复杂场景的运行优劣,提出一种基于半人工标定的视频检测交通参数基准数据获取算法。在充分采集各种交通应用场景不同环境的多段交通视频的基础上,该算法主要包括2个方面:1)基于半人工标定的车辆位置-时间真实数据(车辆行进轨迹数据)获取;2)基于车辆位置-时间真实数据研究计算多种交通参数准确数据的算法。该算法充分考虑现有视频检测的条件,以简易的方式获得真实的交通参数。经过与TRAFICON交通视频检测系统的比较可知,基于半人工标定方法获取的交通参数基准数据具有高准确性,这保证了该计算平台可以有效用于视频检测性能分析与评估。(本文来源于《中国科技论文》期刊2015年07期）
吴文亮[5]（2014）在《基于视频的交通参数检测技术》一文中研究指出智能交通系统(ITS)是现代交通领域的研究热点,而交通参数的检测是ITS中的重要组成部分。本文主要研究了基于视频的交通参数的检测方法,分析了各种方法的算法。(本文来源于《数字技术与应用》期刊2014年04期）
张明[6]（2014）在《面向交通信号控制的视频交通参数检测系统》一文中研究指出经济的发展加快了城市化的进程,城市中汽车保有量急剧增加,由此引起的交通问题已经成为各大城市共同面临的难题。其中,道路交叉口是城市路网的节点,是车流的主要集散场所,也是交通拥堵发生的重灾区。因此,合理地设置交叉口的信号配时方案对交叉口的通行效率有着极其重要的意义。实时、充分、准确地获取路网中的交通运行状态,才能为交通信号配时方案的选择与优化提供可靠的数据。而实际路网中能提供实时交通信息的检测器相对较少,且容易损坏,无法为交通信号控制系统提供所需的数据。与此同时,道路视频监控系统的视频采集设备已广泛分布于城市路网中,如能有效获取采集的视频数据,并检测其中蕴含的交通信息,则可以为交通信号控制提供有价值的参数信息。本文将道路监控视频作为交通参数获取的数据源,提出了基于视频图像处理的交通参数检测系统框架,并用检测到的交通参数有效优化交叉口的信号配时方案。本文的主要内容与创新点如下：(1)针对现有道路监控系统中视频采集设备与视频数据封装格式的多样性,对不同设备提供商的设备开发相对应的视频解封装程序。实现在不改造现有道路视频监控平台硬件的情况下,无缝接入平台,将视频监控数据纳入实时交通参数检测的数据源,极大的扩展了交通参数的来源,丰富了交通参数采集手段。(2)针对干线道路连续交通流特性,提出了一种快速车辆检测算法,该算法使用第一帧视频图像快速建立背景模型,从第二帧开始检测运动车辆,并将检测得到的不同区域,设定不同的更新概率来更新该点及其邻域的背景样本,实现背景模型的快速动态更新。再使用基于虚拟线圈的车流量检测算法,准确统计得到路段车流量。(3)针对交叉口间断交通流特性,采用一种选择背景建模算法,该算法首先利用边缘信息和纹理特征筛选出一些无车存在的图片,以此来建立背景模型,再利用背景差法与颜色空间计算模型,充分利用交通场景中的颜色信息,精确检测车辆。并提出了一种基于动态阈值分割的车流量统计算法,统计得到准确的路口车流量和分向车流量。(4)根据现有道路视频监控系统中视频检测器的空间分布,以及检测所得交通参数的时空相关性,提出了一种新的交通信号控制算法。通过上游的视频检测器检测得到交通参数,使下游交叉口的信号控制器根据当前的交通状况并结合即将到来的交通流生成最优的信号配时方案,通过VISSIM实验仿真,该算法可有效提升道路的通行能力,缩短车辆延误时间,具有较好的控制效果。(本文来源于《浙江工业大学》期刊2014-04-11）
楼俊杰[7]（2013）在《基于视频的交通参数检测与分析》一文中研究指出交通参数检测是智能交通系统(ITS)的重要研究内容之,交通参数包括车流量、车速、车流密度等,检测方式也多种多样。在众多检测技术中,基于视频的交通参数检测技术以其检测区域大、信息量丰富及系统设置灵活等突出优点迅速发展,逐渐成为国内外智能交通系统领域的一个研究热点,有着广阔的应用前景。本文的工作内容主要分成两部分：基于视频的交通参数检测和交通参数间关系分析。首先,研究了基于背景差分算法的车辆检测算法。比较了中值法和均值法两种背景提取的方法,选择了效果较好的中值法背景提取。针对自适应背景更新法对更新率依赖大的缺点,提出了改进的背景更新方法。对在算法过程中所用到的视频图像灰度化、色彩空间转换、二值化等理论算法进行了概述。其次,本文在车辆检测的基础上,提出了基于视频的车流量、车速、时间占有率等交通参数的检测方法,并根据时间占有率的方法来计算车流密度。并对交通叁参数之间的关系进行了理论研究。再次,本文利用真实环境下录制的交通视频,通过MATLAB/GUI进行编程,对本文提出的车辆检测算法和交通参数检测算法进行了测试,结果表明了本文车辆检测算法的有效性和交通参数检测的准确性。最后,通过对实验所得到的数据进行交通参数分析。结合数据分别对格林希尔治,格林伯格和安德伍德模型进行了拟合,通过拟合优度来分析该视频摄录时间段内车速和车流密度的关系。(本文来源于《大连交通大学》期刊2013-06-10）
谢正光,李宏魁,王轲,王天庆[8]（2013）在《视频交通参数检测技术研究现状及发展趋势》一文中研究指出车流量、车速、车道占有率等交通参数是智能交通发挥作用的前提和基础,也是智能交通系统的关键所在,视频交通参数检测可为其提供丰富的交通信息。文章首先介绍了车辆检测的方法,并对基于虚拟检测器和基于目标提取和跟踪的交通参数提取技术进行了分析,同时介绍了近年来提出的一些基于视频的交通参数提取的算法和步骤,最后分析了视频交通参数检测技术的研究方向、存在问题及发展展望。(本文来源于《物联网技术》期刊2013年03期）
廖孝勇[9]（2011）在《浮动车交通参数检测及在道路交通状态分析中的应用研究》一文中研究指出准确的道路交通参数检测和道路交通状态分析是交通诱导与控制、道路交通管理及规划的基础。在道路交通参数检测方面,基于GPS浮动车交通参数检测技术作为一种新的检测方式,如何提高其检测性能是目前的核心问题。另一方面,仅仅依靠道路交通参数尚不足以全面反映道路交通状态,如何建立符合实际的道路交通的状态分析和评估方法,正受到广泛关注。本文主要从面向GPS浮动车的交通参数检测关键技术以及道路交通状态分析两方面展开研究。在浮动车交通参数检测方面,重点通过解决目前在道路图层校正、数据预处理等领域存在的基础技术问题,研究解决利用混合浮动车(公交车、出租车等)改善路段平均速度估计性能的方法。在道路交通状态分析方面,从宏观的角度,研究了利用浮动车检测的交通参数探讨车流状态的内在规律,从微观的角度,利用车辆驾驶的微观跟驰特性研究了道路交通流的状态变化规律。论文的主要工作包括:①充分利用GPS浮动车数据蕴含的丰富信息,通过数据规律分析,建立了面向道路节点的道路图层校正模型,解决了商业地图准确度校正的关键问题。首先基于路网拓扑结构的道路图层节点匹配方法,对原始道路图层中道路节点存在的“不及”、“过头”和“交叉口相离”等不规范情况进行修正;在此基础上,提出依托道路节点构建道路节点静态缓冲区,并利用GPS浮动车数据在静态缓冲区的分布密度构建道路节点动态缓冲区,由该区域筛选出表征道路节点信息的有效数据;利用这些数据,建立了基于层次聚类的道路节点校正方法,实现了道路节点的校正;通过实际道路实验,证实了方法的有效性。②针对公交车、出租车等不同浮动车,分别建立了特殊零数据的预处理方法,在此基础上,通过从单车到多车整合不同车型的GPS浮动车数据,建立了利用混合浮动车改善路段平均速度估计性能的方法。针对浮动车经常存在零速度数据的情况,在分析出租车和公交车的行驶特性和GPS数据特征的基础上,分别提出了出租车和公交车的零数据处理算法,进而建立了考虑浮动车零速度数据的预处理模型,解决了浮动车在车站、路口以及运行中异常停车导致的延误问题。针对GPS浮动车数据序列与路段起止节点之间相对位置的各种情形,并结合上述预处理模型,分别建立了基于局部行程时间的单型车单车路段区间平均速度估计模型,并以该车占同型车的有效数据比整合加权,形成了单型车的多车路段平均速度估计模型;另一方面,通过层次聚类整合路段上单车的瞬时速度序列,建立了基于瞬时速度的单型车多车路段平均速度估计模型;在此基础上,将上述两种路段平均速度估计模型进行整合,建立了单型车的路段平均速度估计模型;最后,分别针对公交车和出租车的不同特点,并考虑有效公交车数据和有效出租车数据的占比,整合形成了多车型的混合浮动车路段平均速度估计模型,并根据实际采集的浮动车GPS数据对模型进行了验证。③提出了基于去趋势波动分析(Detrended Fluctuation Analysis, DFA)的交通离散时间序列分析方法,为利用交通参数变化揭示车流状态的内在规律提供了新的途径。针对实际检测获取交通流参数大多是非平稳和有限的情况,从标度不变性的角度对交通流时间序列进行分析,通过引入去趋势波动分析法(DFA),分别对出租车和公交车的路段平均速度估计数据进行指数标定,以实际车流时间序列的标度指数探讨了车流时间序列的长程相关性及其内在规律,结果表明,公交车的路段平均速度估计存在长程相关关系,而出租车的路段平均速度估计不存在长程相关关系。④研究了利用车辆驾驶的微观跟驰特性分析道路交通状态变化规律的方法,通过建立新的车辆跟驰模型,讨论了道路交通状态的稳定性问题,进而分析了道路交通状态的变化规律。道路交通状态的变化本质上是车辆行驶行为的客观反映。现代传感、通信和车联网技术的发展为刻画车辆驾驶的微观特性提供了有利条件,为了准确描述道路上车辆行驶的跟驰特性,进而掌握道路交通状态变化规律,分别提出了一种扩展的双车跟驰模型(Two Car-following, TCF)和考虑后视效应的多车跟驰模型(Backward looking& Multiple Car-following, BLMCF)。并在上述模型的基础上,分别讨论了道路交通流的车头间距和车辆速度随时间变化的分布情况。仿真结果表明,当在道路交通系统中考虑次近邻车对跟驰车辆的影响及后视效应下多前车对跟驰车辆的影响时,不仅有助于提高道路交通状态的稳定性,也有助于抑制道路交通拥堵现象的产生,能有效改善道路交通流的运行状态。综上所述,本文提出了基于GPS浮动车技术的面向道路节点的道路图层校正方法,提出了基于混合浮动车的路段平均速度估计方法,提出了基于去趋势波动分析(DFA)的交通离散时间序列分析方法,提出了利用车辆跟驰特性分析道路交通状态变化规律的方法,以准确分析道路交通流状态的演变规律。实验结果验证了上述工作的有效性。(本文来源于《重庆大学》期刊2011-10-01）
张杰[10]（2011）在《基于视频的交通参数检测系统的研究与实现》一文中研究指出随着我国社会经济的快速发展,城市人口增多,城市机动车保有量正持续快速增加,城市道路供给已经远远不能满足于道路交通发展的需求,各类交通问题日益突出.发达国家的长期实践证明,依靠单一修建更多道路、扩大路网规模来解决日益增长的交通需求的方法,已经难以适应现代社会飞速发展的客观要求,而基于动态信息的智能交通系统(ITS)是目前公认的对于改善城市道路交通状况达到“保障安全、提高效率、改善环境、节约能源”最有效的方法之一.其中,交通信息的检测是智能交通系统最核心的部分之一.传统通过线圈采集交通参数的方法对路面有损坏,施工和安装都不方便,并且要经常进行维修和维护.随着视频技术的飞速发展,基于计算机视频技术的交通参数检测系统的实现已成为可能,计算机视频检测技术问题已成为现代交通工程领域中研究的重点和热点问题之一.本文的工作内容主要分成两部分：基于视频的车辆检测和交通参数检测.首先,本文提出了基于帧差法和基于特征的方法相结合的车辆检测算法.车辆检测是视频交通参数检测的前提.复杂的背景,运动目标的多样性,天气和光照的变化等因素,都在不同程度上影响着车辆检测的准确性.为此,本文提出了一种基于帧间差和车辆外观特征相结合的视频车辆检测方法.该方法在帧间差分的基础上,通过结合车辆的边缘、对称性、车底阴影等特征,实现了车辆在不同天气、光照条件下的鲁棒检测.其次,本文在车辆检测的基础上,提出了基于视频的车流量、车速等交通参数的计算方法,并提出了一种基于摄像机标定的车型判定方法.该方法利用摄像机标定,计算出图像中车辆的实际宽度,从而将车辆分类.最后,本文利用真实环境下录制的交通视频,对本文提出的车辆检测算法和交通参数检测算法进行了测试,结果表明了本文车辆检测算法的有效性和交通参数检测的准确性.(本文来源于《东北大学》期刊2011-06-01）
交通参数检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着我国城镇化的持续快速发展,汽车保有量和道路通车里程数源源不断地增加,交通事故频发、道路车辆拥挤、环境污染加重等新问题日益突出。发展智能交通系统(Intelligent Transportation System, ITS)对缓解这些问题有着良好的作用,而交通参数是智能交通系统中重要的基础研究内容之一。传统安装在道路上的交通参数检测器,其存在成本较高、检测范围小、采集参数单一等缺点。基于视频的交通参数提取方法以其系统设置灵活、信息量丰富、检测范围大等优点发展迅速,成为智能交通领域的一个研究热点,有着广阔的应用前景。本文重点对视频图像去雾算法和运动目标检测算法进行了研究,通过实验分析与验证,改进了相关算法。并在此基础上完成了适合雾霾天气下的基于视频检测技术的交通参数监测系统的研制。论文主要工作如下：(1)提出了一种改进的基于导向滤波的快速图像去雾算法。在使用导向滤波前,对透射率和导向图像采用最近邻插值进行下采样,以缩小输入导向滤波的图像,来降低导向滤波的处理时间；对导向滤波输出结果,采用双线性插值进行上采样得到校正后的透射率,并通过实验验证了该去雾算法的有效性与实时性。(2)在深入分析了各种运动目标检测算法的优缺点的基础上,重点研究了背景差分法的目标检测方法。最后经过比较各种背景提取方法,采用了自适应较强的基于像素自适应分割的运动目标检测算法进行视频运动目标检测,并通过实验验证了该算法检测运动目标的有效性。(3)在学习理解交通参数物理含义的基础上,对道路交通参数的提取方法进行了深入研究,并构建了提取道路交通参数的流程。(4)在掌握了视频图像去雾算法,运动目标检测算法以及交通参数提取流程的基础上,设计了基于视频检测技术的交通参数监测系统。完成了监测系统的视频图像采集、视频图像去雾、运动车辆检测、交通参数提取和交通参数存储的功能。并通过实验验证了该系统能有效地监测道路交通参数,符合预期效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
交通参数检测论文参考文献
[1].王翔,肖建力.基于视频的交通参数检测综述[J].上海理工大学学报.2016
[2].章强.基于视频检测技术的道路交通参数监测系统[D].浙江大学.2016
[3].张媛.基于交通波检测的交通参数获取研究[D].北京工业大学.2015
[4].辛乐,陈阳舟.基于半人工标定的视频检测交通参数基准数据获取[J].中国科技论文.2015
[5].吴文亮.基于视频的交通参数检测技术[J].数字技术与应用.2014
[6].张明.面向交通信号控制的视频交通参数检测系统[D].浙江工业大学.2014
[7].楼俊杰.基于视频的交通参数检测与分析[D].大连交通大学.2013
[8].谢正光,李宏魁,王轲,王天庆.视频交通参数检测技术研究现状及发展趋势[J].物联网技术.2013
[9].廖孝勇.浮动车交通参数检测及在道路交通状态分析中的应用研究[D].重庆大学.2011
[10].张杰.基于视频的交通参数检测系统的研究与实现[D].东北大学.2011
论文知识图
