导读:本文包含了车流量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:车流量,流量,模型,地磁,车辆,交通灯,神经网络。
车流量论文文献综述
费维倩,程苗[1](2020)在《基于Vi Be的车流量统计算法》一文中研究指出交通统计作为智能交通系统的关键技术之一,已逐渐成为研究的热点。本课题提出了一种车流量统计算法来确定车辆是否进入观察区域,从而实现交通流量统计。该研究的结果基于视频的快速视频流量统计算法。YUV色彩空间符合人类视觉习惯,用于消除阴影对交通统计的干扰。以解决光照变化对系统的影响。在道路上打开虚拟检测区域,并且使用Vi Be表明,上述算法可以有效地计算交通量,可以用于交通引导,管理提供有效分析处理数据。(本文来源于《中国集体经济》期刊2020年02期)
张明月,朱明旱,郭言信,周楠皓,张栩华[2](2019)在《基于时空图的夜间车流量检测算法》一文中研究指出夜间由于道路光线不好,不容易检测出车流量。针对这个问题,本文提出了一种基于时空图夜间车流量检测的有效方法。该方法首先将道路交通监控视频拍摄到的的图像,利用时空图转换为时间-空间坐标连续图。然后通过时空图提取到的车灯信息,采用车灯配对的方法来识别车辆,并计算出一定时间内的车流量。本实验所用的监控视频图像由架在路边高层建筑上的摄像机拍摄所得。实验结果表明:该检测方法鲁棒性较强,能够准确快速的检测出一定时间内的夜间车流量,检测准确率高达97.7%,其实用价值非常的高。(本文来源于《电子设计工程》期刊2019年24期)
陆潘,杜英辉,陈雷,马坤,沈宇鹏[3](2019)在《考虑车流量的BP神经网络模型预测吹填土地区路基工后沉降》一文中研究指出根据吹填土路基工后沉降原理,选取曹妃甸北环路吹填土路基某一断面的车流量和时间作为影响因素,建立了考虑车流量的BP神经网络模型,并将之用于吹填土路基的工后沉降预测。与泊松曲线模型和双曲线模型的预测结果对比后发现,BP神经网络模型预测精度更高,误差在4%以内,从而验证了考虑车流量的BP神经网络模型在解决该类问题上的简便性和适用性。(本文来源于《中国港湾建设》期刊2019年11期)
宋嘉炜,张程誉,何思卓[4](2019)在《具有车流量检测功能的智能交通灯控制系统设计》一文中研究指出针对目前城市交通道路拥堵问题,设计了一种具有车流量检测功能的智能交通灯控制系统,采用环境监测采集单元实时采集环境数据,并提供给译码器使控制器做出相应的响应;利用每个信号组的队列长度从而改进队列测量的叁种算法,同时将各个监测器传来的数据进行准确的分析,判断路况,实时调整绿灯时间保障通行畅通;利用GPRS通信系统保障通信质量,各个路灯之间采用ZigBee无线Mash自组网以达到故障检测功能。实现了路灯自控,路灯环境参数检测响应,实时车流量检测估算,故障报修,网络自愈等功能。(本文来源于《计算机与数字工程》期刊2019年11期)
黄泽江,卜雄洙,丁岳峰,曹一涵[5](2019)在《基于磁传感器的道路车流量检测方法研究》一文中研究指出地磁车辆检测系统是利用检测地磁变化来获取相关的交通信息,针对现有地磁车辆检测设备存在基线漂移、交通车流量正确检测率不稳定以及环境干扰导致的设备误检等实际问题,提出基于有限状态机的地磁车辆检测系统。该系统利用磁传感器采集磁场原始信号,由嵌入式程序对原始信号进行预处理,并由上位机采用以状态机判断为主的算法,将车辆检测的过程分为多个状态,包括无车、波形初变、拟驶入、有车、拟驶离、波形趋稳6个状态,并在各个状态执行相应的任务,包括基线跟踪与更新、采样点计数等,检测算法的正确率达97%以上。(本文来源于《国外电子测量技术》期刊2019年11期)
魏蔚[6](2019)在《高德推先行赔付抢顺风车流量》一文中研究指出北京商报讯(记者 魏蔚)在滴滴重启顺风车、六部门集中约谈网约车的节骨眼上,高德推出先行赔付服务。11月12日,高德联合27家网约车平台推出“敢坐敢赔”服务承诺,针对用户打车时遇到的五类问题,在投诉48小时内未处理完毕的情况下,由高德先行垫付。不过,有业内(本文来源于《北京商报》期刊2019-11-13)
邵政熙[7](2019)在《车流量自控可升降交通栏杆》一文中研究指出在上、下班高峰期,主干道上总会出现一边交通流量大、另一边交通流量小的现象。为更好地调控这种现象,目前交通部门在上、下班高峰期人为控制潮汐车道和信号灯,其中利用物理栏杆进行隔离变更的路段均需安排专人值守,并在固定时段手动完成变道工作,既不安全又很繁琐。由于栏杆不能收放,也不美观。(本文来源于《发明与创新(中学生)》期刊2019年11期)
闫旭刚,李博[8](2019)在《基于数组变化的单车道车流量检测系统》一文中研究指出针对现行的基于背景差分法计算的停车场车流量检测系统在特殊情况下容易出现误判,准确率不够高的问题,拟通过对比车辆差异、易引起误判因素间的异同,改进系统算法,利用矩阵中数组的变化规律过滤干扰因素,使系统提高识别率,只针对进出车辆执行操作,从而提高准确率。经过反复实验,改进后系统的准确率接近100%。(本文来源于《现代电子技术》期刊2019年21期)
常玉林,陈志超,孙超,张鹏[9](2019)在《基于G/G/c/FCFS排队模型的城市停车流量分配模型》一文中研究指出为探索城市路网中交通均衡与停车选择之间的相互关系,本文根据出行者实际停车搜索过程,运用G/G/c/FCFS停车排队模型,研究了路径流量、行程时间、停车场可用概率叁者的关系,进而计算停车场在车辆到达时的可用概率,并将此概率纳入停车搜索路径的广义费用函数,最后根据交通网络中出行者路径选择和停车选择理论,提出基于停车排队理论下的随机用户均衡模型,并设计了模型求解算法.算例结果表明,本文模型能准确合理地分配城市路网中的停车流量.研究结论有助于从城市整体角度为停车需求规划提供依据.(本文来源于《交通运输系统工程与信息》期刊2019年05期)
周楠皓,朱明旱,张明月,郭言信,张栩华[10](2019)在《一种改进的针对车体遮挡的车流量检测方法》一文中研究指出随着社会的发展,人均收入的增加,城市道路中的车辆越来越多。当车流量增多时,车体遮挡问题也随之而来。针对于此问题,本文在传统的针对车体遮挡的车流量检测方法的基础上进行改进。首先通过对视频的分析,提出了利用车体面积法来解决前后车辆的遮挡,对于特例的大型货车、客车利用近景图像检测黄色车牌的方法,其次采用分车道取景框来解决相邻车辆的遮挡。实验结果表明,本文提出的改进方法能更好的识别遮挡车辆,具有较高的实用价值。(本文来源于《科技风》期刊2019年28期)
车流量论文开题报告
(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:
夜间由于道路光线不好,不容易检测出车流量。针对这个问题,本文提出了一种基于时空图夜间车流量检测的有效方法。该方法首先将道路交通监控视频拍摄到的的图像,利用时空图转换为时间-空间坐标连续图。然后通过时空图提取到的车灯信息,采用车灯配对的方法来识别车辆,并计算出一定时间内的车流量。本实验所用的监控视频图像由架在路边高层建筑上的摄像机拍摄所得。实验结果表明:该检测方法鲁棒性较强,能够准确快速的检测出一定时间内的夜间车流量,检测准确率高达97.7%,其实用价值非常的高。
(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。
车流量论文参考文献
[1].费维倩,程苗.基于ViBe的车流量统计算法[J].中国集体经济.2020
[2].张明月,朱明旱,郭言信,周楠皓,张栩华.基于时空图的夜间车流量检测算法[J].电子设计工程.2019
[3].陆潘,杜英辉,陈雷,马坤,沈宇鹏.考虑车流量的BP神经网络模型预测吹填土地区路基工后沉降[J].中国港湾建设.2019
[4].宋嘉炜,张程誉,何思卓.具有车流量检测功能的智能交通灯控制系统设计[J].计算机与数字工程.2019
[5].黄泽江,卜雄洙,丁岳峰,曹一涵.基于磁传感器的道路车流量检测方法研究[J].国外电子测量技术.2019
[6].魏蔚.高德推先行赔付抢顺风车流量[N].北京商报.2019
[7].邵政熙.车流量自控可升降交通栏杆[J].发明与创新(中学生).2019
[8].闫旭刚,李博.基于数组变化的单车道车流量检测系统[J].现代电子技术.2019
[9].常玉林,陈志超,孙超,张鹏.基于G/G/c/FCFS排队模型的城市停车流量分配模型[J].交通运输系统工程与信息.2019
[10].周楠皓,朱明旱,张明月,郭言信,张栩华.一种改进的针对车体遮挡的车流量检测方法[J].科技风.2019
论文知识图





