您的位置: 专家智库 > >

国家自然科学基金(51078085)

作品数:8 被引量:9H指数:2
相关作者:程琳周君褚昭明朱森来周凌云更多>>
相关机构:东南大学淮阴工学院更多>>
发文基金:国家自然科学基金更多>>
相关领域:交通运输工程自动化与计算机技术更多>>

文献类型

  • 8篇中文期刊文章

领域

  • 6篇交通运输工程
  • 2篇自动化与计算...

主题

  • 5篇车辆
  • 5篇车辆跟踪
  • 3篇矢量
  • 2篇地图
  • 2篇语义层
  • 2篇语义层次
  • 2篇运动矢量
  • 2篇智能交通
  • 2篇通事
  • 2篇能量函数
  • 2篇交通工程
  • 2篇MRF
  • 1篇隐马尔可夫模...
  • 1篇智能体
  • 1篇矢量地图
  • 1篇视频
  • 1篇自适
  • 1篇自适应
  • 1篇马尔可夫
  • 1篇马尔可夫模型

机构

  • 7篇东南大学
  • 5篇淮阴工学院

作者

  • 7篇程琳
  • 6篇周君
  • 2篇褚昭明
  • 1篇童蔚苹
  • 1篇朱森来
  • 1篇周凌云

传媒

  • 2篇公路交通科技
  • 2篇交通运输系统...
  • 1篇西南交通大学...
  • 1篇计算机科学
  • 1篇Journa...
  • 1篇交通信息与安...

年份

  • 1篇2014
  • 7篇2013
8 条 记 录,以下是 1-8
排序方式:
基于ST-MRF的自适应车辆跟踪算法研究被引量:1
2013年
可靠的车辆跟踪是实现交通事件自动检测的重要前提,车辆跟踪中的车辆相互遮挡则是影响车辆跟踪结果的关键因素.为了解决这一难题,文中提出一种基于ST-MRF模型的自适应车辆跟踪算法.在ST-MRF模型中,把图像分成块,将相邻图像间的块通过它们的矢量联系起来,建立运动序列图像的时空马尔可夫随机场模型并且构造其相应的能量耗费函数,然后利用松弛算法实现目标地图最小化能量计算,从而解决车辆跟踪中的遮挡问题.实验结果表明,跟踪不遮挡的车辆时达到的跟踪成功率为95%,遮挡情况时成功率也可达到91%.通过实验得出以下结论:基于ST-MRF模型的自适应车辆跟踪算法能在交通量比较大,且车辆出现相互遮挡的情况下,能较准确地获得车辆跟踪数据.为以后的交通事件检测提供重要的数据基础.
周君程琳
关键词:智能交通能量函数
基于视频与检测器数据组成的语义层次交通事件检测
2014年
车辆跟踪中普遍存在车辆遮挡将直接影响事件检测精度的情况。为了解决这一问题,在介绍车辆跟踪算法基本原理的基础上,提出了一种基于视频与检测器数据组成的语义层次交通事件检测算法。该算法先应用时空马尔可夫随机场模型进行车辆跟踪,得到交通流基本参数,然后结合安装在道路下游的检测器获得的交通流数据一起,采用语义层次算法对交通事件进行检测。为了验证算法的准确性,最后对该算法与不使用检测器数据算法进行比较,发现使用检测器数据算法的检测率要高。通过研究得出:基于视频与检测器数据组成的语义层次算法在交通量比较拥挤且车辆出现相互遮挡的情况下,能准确判断交通事件发生,对缓解交通拥挤和减少交通事故有重要的意义。
周君程琳
关键词:交通工程语义层次车辆跟踪
基于反向ST-MRF模型的车辆遮挡分割算法被引量:1
2013年
车辆跟踪中普遍存在的车辆遮挡问题直接影响着跟踪的精度,是车辆跟踪研究中的关键问题。在介绍车辆跟踪算法基本原理的基础上,提出了一种基于反向ST-MRF模型的车辆遮挡分割算法。该算法通过反向沿时间轴运用ST-MRF累积图像,优化运动矢量和融合不完整的分割部分,对车辆遮挡进行了比较完美的分割。最后通对比原始ST-MRF算法和反向ST-MRF算法,2者得到目标跟踪的成功率分别为87%和98%。基于反向ST-MRF模型的车辆遮挡分割算法能在交通量比较大,且车辆出现相互遮挡的情况下较准确地获得车辆跟踪数据,为以后的交通事件检测提供重要的数据基础。
周君程琳
关键词:交通工程车辆跟踪运动矢量能量函数
Bayesian network model for traffic flow estimation using prior link flows被引量:5
2013年
In order to estimate traffic flow a Bayesian network BN model using prior link flows is proposed.This model sets link flows as parents of the origin-destination OD flows. Under normal distribution assumptions the model considers the level of total traffic flow the variability of link flows and the violation of the conservation law.Using prior link flows the prior distribution of all the variables is determined. By updating some observed link flows the posterior distribution is given.The variances of the posterior distribution normally decrease with the progressive update of the link flows. Based on the posterior distribution point estimations and the corresponding probability intervals are provided. To remove inconsistencies in OD matrices estimation and traffic assignment a combined BN and stochastic user equilibrium model is proposed in which the equilibrium solution is obtained through iterations.Results of the numerical example demonstrate the efficiency of the proposed BN model and the combined method.
朱森来程琳褚昭明
基于语义层次组成的ST-MRF交通事故检测算法
2013年
针对目前大部分交通事故检测算法没有考虑车辆相互遮挡的影响,导致在交通量比较大的情况下,算法运行结果比较差,为了解决这一问题,提出了基于类组成的时空马尔可夫随机场(简称ST-MRF)交通事故检测算法。该方法应用ST-MRF模型进行车辆跟踪,得到车辆的目标地图和运动矢量,获得交通流基本参数,结合安装在道路下游的检测器获得的交通流数据,采用语义层次算法对交通事件进行检测。为了验证算法的准确性,对该算法与仅仅使用基于ST-MRF车辆跟踪的得出的交通流数据来判断事故的发生的算法进行比较,发现本算法检测率要高。通过研究得出:基于语义层次组成的ST-MRF算法能在交通比较拥挤且车辆出现相互遮挡的情况下,准确检测到交通事件。
周君程琳
关键词:车辆跟踪语义层次运动矢量
基于HMM的交叉口交通事件预测研究被引量:2
2013年
交叉口是一个交通事故多发区,除了交叉口设计复杂外,更重要的是交叉口车辆行驶情况比较杂乱,使得交叉口交通冲突的检测难度增加.本文以淮安市淮海南路与解放路交叉口为例,根据车辆运行与相位配时总结在该四相位控制的交叉口具有冲突的两辆车的相对运动情况,在车辆跟踪的基础上对具有冲突的车辆进行运动矢量量化,采用HMM(隐马尔可夫模型)对该交叉口的交通冲突进行分类,并通过实验验证该算法能对正常交通下的车辆运行状态进行冲突分类.通过冲突的检测可以提前预测发生在交叉口处的交通事故(如碰撞、追尾、突然停车等)和危险状态.
周君程琳周凌云褚昭明
关键词:智能交通隐马尔可夫模型交叉口交通冲突
基于双层协作机制的双向行人流仿真模型被引量:1
2013年
针对现有行人仿真模型在行为特性表示不全面和建筑物空间结构表达、空间单元状态的动态存储及转换、仿真过程及结果可视化等方面存在的缺陷,提出了基于双层协作机制的双向行人流仿真模型.通过对南京地铁新街口站换乘通道内行人行为的实地观测,全面分析了行人在双向通道内的行为特征.在模型中的通道环境层,利用GIS技术进行栅格化并存入空间数据库,在仿真输出阶段应用可视化引擎将场景输出至图形界面;在行人行为层,基于Multi-agent和CA理论建立行人行为决策模型,构建的智能体考虑了行人个体特性和行为.通过计算机仿真,揭示了平均速度与仿真时间步、行人密度的关系.模型成功再现通道内双向行人流的编队成行及相变现象.
童蔚苹程琳
关键词:多智能体
基于时空马尔可夫随机场交通参数采集系统研究
2013年
可靠的车辆跟踪是实现交通事件自动检测的重要前提,车辆跟踪中的车辆相互遮挡则是影响车辆跟踪结果的关键因素。针对这一难题,提出了一种基于时空马尔可夫随机场(简称ST-MRF)模型的车辆跟踪算法,用以得到目标地图和运动矢量地图。在目标地图和运动矢量地图的基础上提取交通参数,然后通过摄像机标定技术,获得实时的车速以及车辆运动坐标,最后通过对交通流三参数的分析,得到实时的交通流运行特征。这可为以后的交通事件检测提供依据。
周君
关键词:车辆跟踪交通参数
共1页<1>
聚类工具0