基于视频数据的交通拥堵判别

《基于视频数据的交通拥堵判别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、附件B:毕业设计（论文）开题报告1、课题的目的及意义随着人民生活水平的日益提高，汽车开始走进千家万户。但是，随着汽车的口益普及，城市交通拥挤问题被突显出来［11。城市道路交通堵塞所造成的交通延误、能耗增加、环境污染等121131141问题口益严重，解决交通拥堵刻不容缓。而单靠扩充道路硬件设施已不能解决根木问题，充分利用现宥道路硬件设施的基础上，探索准确交通拥堵状态的判别方法越来越重要［5］。城市交通特征（平均车速、占宥率）直接决定交通拥堵状态判别的结果，不同的设备能够获取的特征有所不同。FI前交通数裾的采集方法主要宥地坪式感应线圈、微波检测器、GPS浮动车检测

2、技术、视频检测技术等。地埋式感应线圈是传统的检测技术，存在易损坏、难修复、施工复杂的缺点

3、6

4、;微波检测器是一种工作在微波频段的雷达探测器，其技术复杂，价格较高［7］;GPS浮动牢检测技术是在牢辆上安装GPS装置，通过获取的信息估计路段交通状态，其缺点是存在检测肓区

5、8

6、;视频检测技术通过对视频图像中的交通信息采用交通工程的方法加以处理分析，可以检测所在断而各车道通过车辆的交通流参数，如牢速、车型、车头时距、路段内车辆的行程速度、延误时间、下游交通密度等等［9］o综上所述，与其它检测技术相比，视频检测技术育着不破坏路、安装无需中断交通、检测功能多和记泶现场图像

7、等优点，在交通特征检测中爲宥广泛的应用价值［91。目前，国内外学者对•越于视频数裾的交通拥堵判别算法的研究也比较多。其中主耍的算法包括模糊C均值算法、神经网络分类算法、基于增量式贝叶斯分类器的算法。（1）模糊c均值算法该类算法是对大量的未知标注的数据集，按照数裾之间的内在相似性将数裾划分为不同的类别，使得类别间的相似度较大而类内的相似度较小的方法就叫做聚类与传统的聚类技术相比，模糊聚类可以对研究对象的类别进行模糊分割，即一个给定的样本可以按照不同的隶属度属于不同的类别。其中模糊C均值算法是应用最广泛的模糊聚类算法。算法的步骤为：首先进行数据准备，FI的是为F算

8、法提供输入交通参数，并利用预处理后的交通参数设计F算法的输入变量；然G对输入变量进行聚类分析，目的是获得每个样本数据的隶属度矩阵；最£；•进行决策，目的是优化阈值，判断是否宥拥挤发生［11］。在对属性模式随时间呈现不规则变化的数据进行聚类分析时，模糊聚类方法会得到更合理的结采。FCM!算法不用对样本的特征进行优化，而是直接利用赝本的特征进行优化［12］。但是也存在一定问题，比如初始聚类中心和聚类数目的确定，以及初始隶属度矩阵的确定，迭代容易陷入局部极值等n3］［14K(2)神经网络分类算法在数据挖掘技术中，由于人工神经网络能够模拟人脑对信息的记忆和处理功能，擅

9、长从海量的数据中提取出有用的知识，在许多领域得到了有效的应用。基于ann

10、的基木思想是：先对输入的交通参数进行预处理，设计算法的输入变量，目的是为算法提供宥效的输入；然U对算法进行标定，目的是确定网络结构及其权值；最后做出决策，目的是优化阈值，判断是否有拥挤发生。神经网络可以从宥代表性的交通数据出发，直接归纳出交通流的规律，避免了运用数学建模的方法难以解决交通流的不确定性和非线性的问题。缺点在确定了所选用的网络形式和学习算法后，需要确定因层的结点数。到FI前为止,隐M结点数的确定尚没宥公认的方法，虽然有一些经验公式，但都不爲备可靠的理论基础，实践效果也宥待进一

11、步验证［15~18］。(3)基于培量式贝叶斯分类器的算法该算法把交通拥堵是否发生看成是特殊的分类问题，选取增量式贝叶斯分类器，根据以往是否发生交通拥堵的检测数据，即分别把在发生交通拥堵和不发生交通拥堵两种情况下的交通参数作为特征参数对其进行训练，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。该算法可以随着新检测数据使得分类器Q动动态更新，不需要事先主观确定阈值，分类速度快，实时性好。但是，新的更加完备的样本信息讨能会引起插值函数发生严重的波动，从而影响逼近精度

12、19~211。在交通拥堵判别算法中，选取合适的交通参数是基础，选择原则应该遵循

13、直观性、便利性和敏感性。直观性，即所选择的交通参数应该和人们对于不同的交通拥挤状态直观上的感受相一致，这样使其更加容易理解与被认可；易获性，即选取的交通特征参数应能够通过图像处理来获取；实时性，即所选取的交通特征参数应能够反映道路交通状况实时的变化情况。常用的交通特征参数有:车流量、速度、占宥率、交通密度、排队长度、车头时距、车尖间距。由于车辆遮挡问题,排队长度、车尖间距和车义•时距相对较难准确计算。交通密度的计算也比较复杂。另外，由于单一变量的交通特征参数不能完全刻画复杂的交通拥堵状态及其演变过程。综上所述，由于速度和占宥率在视频数据中比较容易获取，能够直观

14、的反应道路的实际状况，而II符合人们的