[01656966]基于视频图像处理的城市道路交通拥堵判别技术研究

1.课题来源与背景 本项目由甘肃省科技厅2013年立项,是甘肃省自然科学基金项目,项目名称：基于视频图像处理的城市道路交通拥堵判别技术研究,项目编号1310RJZA027。 近年来随着国民经济的快速发展,我国城市人口和机动车拥有量急剧增加,交通流量日益增大,现有交通路网的通行能力与管理设施已很难满足日益增长的交通需求,国内交通运输存在许多问题,如基础设施建设速度落后于车辆增长速度且其利用率较低、大中城市交通拥堵日益严重、交通控制技术落后以及智能化低等。另一方面大多数城市道路旁都安装了摄像头监控,使得使用视频监控城市道路交通的实时状态成为可能。 2.研究目的与意义 由于视频监控技术具有检测成本低、检测范围广、信息量大、无需破坏地面、安装维护方便等优点,因此,研究基于视频的城市道路交通拥堵判别技术,不仅能提高视频监控系统的监控效率,降低工作人员的劳动强度,还可以为交通系统的管理者提供实时数据,帮助公交调度和出行诱导,具有重要的实际意义。 3.主要论点与论据 基于视频图像处理的城市道路交通拥堵判别技术是一项跨领域技术的融合体,本课题拟根据实际的交通状况,以城市十字路口视频交通图像序列为研究对象,通过综合运用交通工程、管理科学与工程、计算机科学、图形图形学、现代智能优化方法等相关领域知识,强调系统分析、定量与定性相结合、理论与实践相结合,通过对道路交通流量数据采集和检测技术的研究,可实现交通信息的实时检测,了解道路交通的实际运行情况并迅速做出交通诱导和控制,从而减轻道路的拥挤程度,减小城市居民的行车延误,降低发生交通事故的概率,从而保证行车安全,并使交通设施得到充分利用。 4.创见与创新 （1）在背景图像提取方面,针对图像受外界环境影响较大的问题,将采用形态学的背景自适应更新的方法来实时调整采集图像的亮度。 （2）在运动对象检测方面,针对外界环境中车辆目标检测易受动态背景和天气变化影响的问题,采用改进K均值聚类的背景重构算法。 （3）在运动对象分类识别和计数统计方面,采用基于粗糙集的神经网络识别方法对车流的车型、流量、车速进行分类识别和计数统计。 （4）在交通异常数据检测方面,利用粗糙集对原始交通数据进行属性和数量约简,对不同交通参数的属性值进行排序并确定回归预测模型的输入参数集,将最小二乘法引入到支持向量机中,对交通异常数据进行检测。 （5）在道路拥堵判别方面,把道路交通状态判别看成一个特殊的二分类问题,根据以往发生交通拥堵和不发生交通拥堵两种情况下的交通参数,以此作为特征参数进行训练,然后用得到的分类器对检测到的交通参数进行分类,判别是否发生交通拥堵。 5.存在的问题 （1）在判别算法方面,由于实时性,只采用了平均速度、路面占有率、车流量几个交通参数,而其它如排队长度,停车时间比等交通参数也可能影响道路拥堵等级,在未来的研究中,应该选取大量的样本,考虑多种影响参数,作为拥堵判别的参考。 （2）建立在视频这单一检测手段基础上,进一步的研究可以走多传感器融合、多种智能算法结合的道路,实现环形线圈检测数据、GPS数据、无线定位数据等检测信息的多源融合,更好的对道路情况分析监控。