基于协同方法交通状态识别

《基于协同方法交通状态识别》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、基于协同方法交通状态识别作者：王伟智，刘秉瀚，朱敏琛【摘要】提出一种基于协同理论的交通状态自动识别的新方法。首先，针对交通图像受光线、抖动干扰问题，提出了实时信息融合的动态原型选择模型；然后，利用直接求相似度重构序参量，实现了实时动态原型的选择；最后，依据快速协同网络框架，避免动力演化过程迭代，快速识别。协同方法可实现不同时段各种交通状态的自动检测。试验结果可说明该方法效果理想、速度快，具有较强的鲁棒性。【关键词】协同方法;交通状态;自动识别Abstract:Toputforwardanewmethodofautomaticrecognitio

2、nbasedonsynergeticsintrafficstate.Firstly,accordingtocrossingtrafficimage,setupthedynamicprototypeselectionmodelofrealtimeinformationsyncretics.Secondly,usingresemblanceofparameter,tocarryoutselectionofdynamicprototype.Lastly,tocarryoutanautomaticrecognitionalgorithm.Automat

3、icdetectionoftrafficstateswasachieved.Theresultsshowedthataneffectivesynergeticrecognitionmethodhasbeendeveloped.13Keywords:synergeticmethod；trafficstate；automaticrecognition引言一个城市的交通状态是十分重要的,只有及时了解各种交通状态信息,交通控制系统才能最大限度地发挥其应有的作用。目前,交通状态的提取主要采用地感线圈的方式，但存在一些问题，例如，施工维护困难，检测参数有限

4、。而随着相关技术的飞速发展，通过计算机视觉技术进行交通状态的自动识别具有很大的优越性，相关方法已引起普遍关注，主要优点有：第一、摄像机容易安装，施工和维护成本较低；第二、摄像机的检测范围易调，相对的检测范围更大；第三、对交通状态识别均更直观、更精确和更高效。而运动目标车辆的检测是基于视频的交通状态识别的前提。现有的车辆检测方法总体上分为光流法和帧差法。前者建立在光流方程的基础上,检测结果依赖于光流场计算的精确性,其计算量非常大，不适合实时系统的应用；帧间图像差分法受背景噪声的影响很大，而且当运动物体的内部纹理较少时，容易造成误检，因而只用帧间差

5、分的方法来提取运动物体轮廓,不具有鲁棒性；并且，受实时环境影响较大，例如，光线变化、车流与强气流对摄像机产生抖动等，得到的实时路况图像也不可避免受到光照的影响或存在“抖动”现象,13此时与背景图像的差值并不能完全滤掉背景信息。另一方面，交通状态并不能仅用一个绝对的参数加以识别，必须通过分析车辆密度、排队长度、道路占有率、车流量、车速等若干个交通参数在不同的交通状态下的变化规律，从而找出交通参数与交通状态之间的关系，以确定交通状态流得特性。由此可见，交通状态的特征具有模糊不确定性。作为模式识别的一种新方法，协同方法的识别依据是原型模式，与典型的模

6、式识别方法相比，不必要进行细节特征提取和选择的过程，这对于那些分类特征模糊的识别问题，有其独特的优越性，而且协同式神经网络具有很强的鲁棒性。因此，本文针对交通视频图像所存在的实际问题及交通状态流的特性，提出了基于协同模式识别原理的交通状态识别分类方法，对交通状态的原型模式选择提出了动态实时迭加图像信息的方法，能有效地解决光线变化与抖动等实际问题。实验结果表明该方法具有较强的鲁棒性和自适应性。1交通状态模式定义本文将交通状态定义为4个等级：状态1（长排队）：等待状态，车道有较长的排队车辆。表现为车队长、车辆密集，车距短。13状态2（短排队）：等待

7、状态，车道有较短的排队车辆。表现为车道前段短车距的车队较短，车道后段没有车辆或有长车距的零星车辆。状态3（满通行）：通行状态，车道有较长的通行车队。表现为整个车队较长，车距长。状态4（畅通行）：通行状态，车道只有零星长车距车辆。2协同模式识别基本原理根据协同学的基本思想［1］,模式识别过程可以理解为若干序参量竞争的过程。对于待试验模式q，可以构造一个动力学过程，它能够“拉”q，使它经过中间状态q(t)进入到诸原型模式中的一个原型模式vk，即vk与q(0)最为靠近，也就是说拉q使其处于vk的吸引谷底，这个过程可描述为：q(0)→q(t)→vk.在

8、图像模式识别中，图像矩阵先被转换为一维向量，并将其归一化为具有零均值和单位长度的列向量。设原型模式数为M，列向量的维数为N，为了满足原型向量间的线性无