硕士论文-基于感应线圈道路交通流检测系统研究与设计

长沙理工大学硕士学位论文基于感应线圈道路交通流检测系统研究与设计姓名：杜荣义申请学位级别：硕士专业：交通信息工程及控制指导教师：叶青20090425基于感应线圈道路交通流检测系统研究与设计作者：杜荣义学位授予单位：长沙理工大学相似文献(10条)1.学位论文饶建炜基于感应线圈的车型识别系统研究2007交通流采集系统是智能交通系统的一个重要组成部分。作为一个城市的智能交通系统，首先要求有大量的、详实的交通信息数据作为智能决策的依据。没有全面、丰富、准确和实时的城市道路网络和车流运行状况的原始数据，城市智能交通管理系统就不可能给出行者提供有效的交通信息，也不可能对路网的运行现状进行正确的评价，先进的交通管理机制也不可能发挥应有的作用，所以交通流采集系统是整个城市道路智能交通管理系统最为基础和前端的一环。在交通流采集系统中，交通流量是最重要的交通参数，在实际的统计分析中，往往需要把自然车辆数转换成标准车当量数进行计算，因此，车型自动识别是目前智能交通系统热点研究方向之一，具有广阔的应用前景。本文通过对现有交通流检测技术进行研究，设计了一种基于感应线圈的车型识别系统，该系统主要由数据采样、采样波形特征提取和车型模式匹配三部分组成。本文详细介绍了数据采集部分的组成、工作原理，通过分析不同车型的采样波形，开发出一套基于感应线圈自动识别车型的交通流采集系统。通过系统的实际应用，获得了很高的车型识别率，具有很好的推广前景。2.学位论文朱海涛一种基于感应线圈的车型识别系统2003车型自动识别是当前智能交通运输系统热点研究方向之一,是高速公路实现不停车收费系统的核心技术,具有广阔的应用前景.该文根据优创集团泛安科技开发(石家庄)有限公司关于保定至天津高速公路机电设备更新项目的要求,设计了一种基于感应线圈的车型识别系统,该系统主要由数据采样、采样波形特征提取及车型模式匹配三大部分组成.该文详细介绍了数据采样部分的组成、工作原理及硬件结构,并列举了几种常见车型的实际采样波形.通过分析采样数据和比较各车型波形后,采用实际采样波形的幅值作为车型分类判据标准,整条波形的采样值作为模式匹配的特征参数.因为车辆每次经过感应线圈时的速度不同,所以采样波形存在伸缩变化.在进行车型模式匹配时,为了能使采样波形中的相似特征对齐,该文提出了对称式DTW算法和非对称式DTW算法配合使用的方案.并通过实例仿真,验证了该方案的可行性,并获得了很高的车型识别率.3.学位论文朱亮红道路车辆识别方法的研究2008随着社会经济发展，交通系统日益复杂。在智能交通系统ITS(IntelligentTransportationSystem)中，车辆检测与识别系统提供必要的数据来源，是高速公路实现不停车收费系统的核心技术，因此对车辆识别技术的研究不仅有着重要的学术价值而且可能产生很大的社会及经济效益。本文研究和提出了一种基于感应线圈的道路车辆识别方法，该方法利用感应线圈车辆检测器对车辆的电磁感应特性进行数据采集，通过对振荡器的频率计数获得通行车辆的车型信息，再将数据传输到上位机。对这些采集到的数据，首先进行实时的整理、滤波、去噪等预处理，然后采用基于波形分离、波形编码的方法对车型特征进行提取，建立特征编码的模式库，对于新的车型样本则通过最小距离分类器快速进行自动分类。通过人工干预，该系统还有较强的在线修改和模式库扩充功能。本文提出了一种快速道路车辆车型识别算法和算法应用的方案，详细介绍了算法的实施过程，并通过实例验证了该方案的可行性，分类器结构简单，可获得了较高的车型识别率。4.学位论文林培群道路交通参数及交通事件智能检测关键技术研究2008智能交通系统(ITS)被公认为是解决道路交通问题最有力的手段之一,而动态交通信息是ITS实施的基础。本文围绕道路交通信息获取这一主题,对自动化交通参数和交通事件检测所涉及的关键问题展开研究；针对现有技术方法的不足,提出了若干富有创新性和实用性的解决方案和算法,并通过丰富的实验加以验证；主要工作和研究成果如下：1.系统地分析感应线圈车型自动识别的基本原理、数据预处理、特征提取、模式识别等问题。在数据预处理环节,提出基于快速小波变换(FWT)的感应曲线近似信号抽取及数据压缩方法。在特征提取环节,针对感应曲线的形态难以用数学方法描述的特点,提出一种新的曲线形态描述和识别方法：首先定义语素及语素向量来符号化任意曲线,其次定义通配符及通配符向量增强对曲线形态的刻画和分析能力,最后设计了一种字符属性约束下的带通配符字符串匹配算法,使曲线形态识别能够由计算机来完成。此外,为避免信息冗余并提高分类器的性能,提出通过信息熵度量样本的纯度、通过信息增益优选特征属性的方法。在模式识别环节,为构建具有容错能力的分类器,并克服一般BP神经网络在解决多模式识别问题时难以收敛的缺陷,提出一种多分支结构的BP网络模型并在理论上验证其优于一般BP网络的原因。多分支BP网络的最大特点是将1个N类识别问题转化为N个两类识别问题。2.研究面向交通参数检测的视频处理技术,重点对图像背景估计、连通成分快速标记、阴影消除、多运动目标跟踪等关键问题展开研究。提出一种基于样本选择的单高斯背景估计模型,该模型克服了混合高斯模型参数难以获取、计算复杂等缺陷。针对经典算法需要对所有像素遍历2次的限制,本文根据像素前后访问的关系提出一种只需遍历像素1次、无递归过程的8邻域连通成分标记算法,有效地提高了算法的效率。阴影消除是视频技术中的难点,本文分析了极亮、极暗点在阴影检测中的作用,并采用纹理抽取及灰度共生矩阵对车辆阴影进行检测和消除,实验表明纹理分析法在消除夜间车灯照明的影响时同样具有良好的性能。另外,本文还提出基于Kalman滤波和模板匹配的多运动目标跟踪方法,并通过实验验证该方法的正确性和有效性。3.研究间接式道路交通状态判别和交通检测器布点方法。系统地提出一种新的基于图论的检测器布点方法,该方法将道路网络转化为抽象的图对象,利用图的相关理论进行检测器优化布点；该方法在完全有向回路图中具有理论上的最小布点数,因此特别适合应用在城市路网中。对于交通状态判别问题,本文探讨了多车道路段中不同车道交通参数的差异及原因,并利用交通波理论分析不同车道拥挤状态的扩散机理。另外,针对McMaster算法状态边界难以确定的问题,本文提出一种基于样本集学习的神经-决策树方法。4.研究基于视频感知的道路交通事件检测方法,提出了对环境光照强度和稳定性进行检测的指标及计算模型,探讨了烟雾、火焰的检测方法并通过实验加以验证。此外,通过FWT对传统Hough变换进行改进,大大缩短计算时间,在此基础上提出基于多分辨率Hough变换的车道线自动提取算法。在视频车辆行为解释的问题上,提出了停车检测及停车原因判别方法：探讨了基于轨迹跟踪的车辆碰撞检测技术,并设计用于车辆突变状态检测的直方图相似性分析法,该方法可作为Kalman滤波的有效补充应用于车辆轨迹跟踪问题。5.为满足ITS对交通信息高精度、高可靠性的要求,本文对基于多传感器数据融合的道路交通参数及交通事件检测进行研究。首先分析了多传感器在数据层、特征层、决策层的数据融合特点,探讨了常用数据融合技术的适用范围。在此基础上,研究融合感应线圈和视频数据的交通参数检测方法：分析了感应线圈与视频这两种异质传感器的信息互补关系,并提出三个典型的数据融合模型。此外,提出基于D-S证据理论、融合感应线圈和视频数据的交通事件检测方法,该方法能够有效地提高交通事件检测的准确率和响应速度。5.期刊论文林凌.韩晓斌.丁茹.李刚.洪权.LINLing.HANXiao-bin.DINGRu.LIGang.HONGQuan微型感应线圈车辆传感器-传感技术学报2006,19(4)智能交通系统(ITS)是解决日益严重的高速公路和城市交通问题的有效途径.车辆检测传感器是ITS中最重要的交通数据采集设备之一.通过埋在地下或者安装于道路两旁的车辆检测器,可以准确实时地获得各种交通数据(包括车流量、车速度、车辆密度、占有率等).在众多车辆检测器中,感应线圈式车辆检测器具有性能稳定、性价比高、应用方便等优点,因而目前在工程上应用最广.但其探测线圈体积庞大,安装时需要阻断交通,工程量大;线圈容易损坏.本文将采用微型线圈,并将单片机控制技术引入传统的车辆传感器中,从而有效地降低了安装的工程量,开发出适用性更强的车辆传感器.经实验证明,该传感器可有效地检测出车辆信号.6.学位论文胡金星ITS实时交通信息服务平台及动态车辆导航系统研究2005本文提出了面向动态导航的ITS实时交通信息服务平台的总体框架，实现了基于ITS实时交通信息服务的动态导航系统，主要分为以下四个子系统：实时交通信息采集与处理子系统、实时交通信息服务子系统、无线通讯子系统和车辆动态导航子系统。实时交通信息采集采用固定式采集技术(双环形感应线圈检测器，获取实时高架道路交通流信息)和移动式采集技术(大量出租车实时GPS数据，获取一般路段实时交通流信息)两种技术集成的方式，经过对数据预处理、分析，实现城市路网的实时动态交通流(路段平均速度)估计，构建ITS实时交通信息服务平台，结合CDMA1X永远在线的无线通讯，实现了交通信息服务平台与车载导航终端之间的远程数据更新、实时交通流发布、最佳路径规划和实时动态优化等，初步构建了一个ITS实时交通信息服务平台，并基于该平台提供的服务，实现了一个动态车辆导航系统，实践应用测试证明效果良好。7.学位论文潘石柱智能交通系统的图像处理与模式识别技术研究2006智能交通系统利用通信技术、控制技术、传感器技术、运筹学、人工智能和计算机技术的有效集成，其目的在于充分利用现有的道路基础设施资源，改善车、路、人之间的相互作用，提高系统的安全性、高效性与舒适性，从而从整体上提高交通的经济性。智能交通系统正在成为世界各国解决交通拥塞、交通事故频发、土地和能源短缺、交通环境污染以及由此导致的经济损失等的热点研究问题，具有较高的社会效益和巨大的市场应用前景。而图像处理和模式识别技术在智能交通中的应用具有安装和维护方便，价格相对低廉、检测参数多、检测区域广等显著优点，有着十分重要的理论意义和应用价值。本文从图像处理和模式识别的角度出发，研究了基于计算机视觉的交通监控和基于计算机视觉的交通管理二大应用领域的若干问题，主要包括运动车辆的方向和速度识别、运动车辆的检测与跟踪、车辆牌照定位和车辆牌照的字符识别。本文研究的主要内容和创新点有：(1)运动车辆的方向和速度识别：车辆运行速度和方向的准确信息是行车安全和运动车辆监控的主要指标之一，而现今流行的电子装置测速法却往往因为车轮发生空转和滑行等情况，导致测量误差。本文在分析图像互相关法速度和方向识别的基本上，给出了运动图像模型，提出了利用单帧图像信息的测速方法，此方法利用运动图像的产生机理，通过二维傅立叶变换在频域上提取有规律的图像特征，依据此特征进行识别。这种方法的应用有效的解决了车轮空转和滑行时测速不准的问题，是运动车辆方向和速度电子测量法的有效的补充。(2)运动车辆的检测：在运动车辆检测上，传统的方法有：感应线圈检测方式、激光和红外、超声检测方式等，但这些方式存在具体实施复杂、受环境因素影响大和检测误差大等问题。近年来，随着计算机和数字技术的发展，视频检测方式由于具有实施简单、受环境变化影响小、检测可靠等优点，受到了人们的重视并得到了广泛应用。木文在概括和分析当前车辆检测的基础上，提出了一种基于连续三帧差分、二个背景更新相配合的车辆检测算法，此算法利用三帧图像信息得到系统的短期背景，利用统计学方法得到系统的长期背景，基于二个背景的协调和三帧差分的运动信息，得到运动车辆的区域。很好的解决了光线和外来物入侵等外界环境变化的影响。另外，本文还提出了一种快速简便的基于灰度比例的阴影检测方法。(3)运动车辆跟踪：运动车辆跟踪是运动目标跟踪的一个重要组成部分，它是根据对图像序列的分析，得出车辆的运动轨迹及瞬时运动特征，如：运动速度、运动方向和运动车辆的位置关系。本章借鉴了模型跟踪方法的精确性和鲁棒性，提出了一