基于交通安全替代指标的互通出入口影响区实时碰撞风险预测方法

这是一篇关于交通安全,互通出入口影响区,实时碰撞风险预测,碰撞类型,替代安全指标,XGBoost的论文, 主要内容为主动交通安全管理系统通过实时监控交通状态,识别不安全的交通状态并实施适当的干预措施来降低道路碰撞事故发生的可能。道路实时碰撞风险预测作为其中的关键步骤之一,能够使用实时的交通流状态来预测特定的路段在非常短的时间窗内发生碰撞事故的可能性。传统的道路实时碰撞风险预测的研究多以高速公路或者城市快速路上的追尾碰撞为研究对象,基于特定地点的真实碰撞记录和一定时间片段内聚合后的流量数据,并使用分类或回归模型达到目的。然而,这些研究所提出的模型在建模中所使用到的特征变量局限于聚合的常规交通流变量,功能上往往不能区分侧向和纵向的碰撞风险,研究对象也不能包含侧向碰撞更为频繁的互通出入口影响区。因此本文旨在提出一种面向互通出入口影响区,基于行车轨迹和替代安全指标(Surrogate Safety Measures,SSM),区分碰撞类型的路段实时碰撞风险预测模型,研究成果能够为优化相关领域的研究带来新的数据框架使用思路和建模方法。首先,利用基于微波雷达检测器的路侧交通采集平台作为轨迹数据的采集方法,开展了位于高速公路互通出入口影响区的路侧交通观测和采集实验;对采集的车辆点迹数据进行预处理,形成轨迹数据集;引入了将用于路段碰撞风险预测的几种典型SSM,形成包含这些SSM的轨迹数据集。为了从轨迹数据中提取纵向冲突和侧向冲突,提出了一种基于车辆规避行为和时空接近性并区分冲突类型的交通冲突提取方法。该方法以车宽虚拟带的重叠变化作为交互类别识别标准,并结合交通冲突基本理论确定交互对象,在此基础上使用不同的基于交通冲突模型的综合算法来辨别冲突的发生;从轨迹数据集中提取纵向冲突和侧向冲突后,使用非参数Mann-Whitney U检验步析了提取到的冲突事件和其他非冲突事件间特征的差异性。然后,以冲突事件代替碰撞,使用包含冲突标签和SSM特征的轨迹数据集进行数据聚合和集成,形成用于路段碰撞风险预测建模的样本集;针对正负样本不平衡的问题,引入了输出级别、数据级别和算法级别的解决方法,分别检查三个级别方法对模型的优化效果;以尤登指数阈值作为分类阈值,使用最近邻编辑法(Edited Data Set Using Nearest Neighbours,ENN)的欠采样方法平衡后的样本集,建立的XGBoost模型能实现79.71%的查全率、1.23%的误报率和0.9493的AUC面积,这个结果具有比同类研究更好的综合性能。最后,利用优化的建模方法,建立能够区分碰撞类型的路段实时碰撞风险预测模型,模型能够实现97.39%的总体准确率,以0.13%的误报率预测出93.04%的纵向冲突,以0.12%的误报率预测出61.80%的横向冲突;为了进一步解释模型,使用SHAP(SHapley Additive ex Planation)模型解释工具,分别分析了预测两种冲突最为重要的一些特征对模型预测的影响程度和影响方向,以及在此基础上增加对两两特征之间交互作用和在交互作用下对模型影响的分析,为高速公路互通出入口影响区的交通管控措施提供更为具体的理论依据。

基于Android手机的车祸自动报警定位系统设计与开发

这是一篇关于交通安全,Android手机,百度地图API,综合定位,GSM的论文, 主要内容为以往相关数据表明,车祸发生后,无法及时通知救护人员进行现场救援,是加重事故中人员伤亡的关键原因。在实际场景下,事故地点短时间内没有其他车辆或者行人经过,或者受伤人员无法自行呼救,抑或受伤者无法告知救援人员准确的车祸位置,这些情况都会增加救援耽误的时间。论文根据以上现实情况,分析了Android智能手机的硬件组成,利用Eclipse ADT(Android Development Tool,Android应用开发工具)平台,采用Java编程语言,设计了该系统总体方案和车祸检测、地理位置获取、联系人操作、呼救信息发送四个主要的功能模块,并利用MVC(Model-View-Controller)软件模式进行组合;论文还研究了利用手机硬件自带的加速度传感器监测车祸的发生,结合百度地图API综合定位功能,获取事故地点精确的地理位置信息,编辑成呼救信息,通过手机GSM(Global System for Mobile Communication,全球移动通讯系统)短信收发模块,向指定联系人或者交通事故救援平台发送求救信号,开发出了一种基于Android智能手机的车祸自动报警定位系统。该车祸自动报警定位系统安装使用方便,只需一台常用的Android智能手机,无需外接其他设备就可实现相应功能。本系统还考虑到实际应用场景,提供40s报警延迟提醒的功能,用户可根据情况选择取消或者立即发送求救信息;另外系统提供了定位信号开关监测提醒,保证了系统正常运行使用所需的环境条件。通过其实际运行测试的结果,对比目前市场上的类似产品,具有自动化程度高、使用和维护成本低、方便推广的特点。

基于粗糙集的公路交通安全预警研究

这是一篇关于粗糙集,交通安全,预警理论,交通地理信息系统的论文, 主要内容为自从汽车发明以后,交通事故就一直没有离开过人们的视线。随着时代的进步,交通安全问题越来越受到人们的重视。交通安全意味事故发生后所造成的损失人们是可以接受的；当损失超过了人们心里所能接受的范围,则交通就不安全了。交通安全问题是一类极其特殊问题,交通系统既受系统内部因素的制约,又受系统外部环境的干扰。人、车辆、道路、环境、管理等因素都会对公路的运行带来危险。这些因素具有不确定性或难以量化的特点,且缺乏数据支持,而现在的分析方法是基于人为主观进行判断的。针对上述存在的问题,首先,本文对公路交通安全预警系统的构建进行了理论研究。明确了预警系统的概念,对预警系统的构建原则、预警过程、活动内容、系统的功能、运作流程以及系统框架进行了研究。然后,对粗糙集理论进行研究,利用其具有处理不确定性和不完整性信息的特点,特别是属性约简功能、属性重要度原理、规则生成原理,建立了的基于粗糙集的公路交通安全预警模型。结合实例,建立了人为因素、车辆因素、道路因素、环境因素和管理因素的综合预警指标体系,利用粗糙集的知识粒度和属性重要度进行预警指标的筛选和指标权重的确定,得到了计算结果。最后,以GIS-T为依托,以Java、 JSP、SQL Server、GXI设计等为开发工具,开发了公路交通安全预警系统应用软件,该软件操作简便,易于理解。该软件并获得了由中华人民共和国国家版权局颁发的计算机软件著作权登记证书(见附录3)。

车载式高速公路路面异物智能检测系统研究

这是一篇关于交通安全,高速公路巡检,路面异物,目标检测,知识蒸馏的论文, 主要内容为高速公路环境下,路面异物引发的道路交通安全事故严重程度往往高于城乡道路。现阶段针对路面异物的高速公路养护工作,仍以基于人工方式的日常巡检和基于高清摄像头的易发位置定点监控为主。然而,随着全国高速公路养护里程的不断增加,传统的高速公路养护方式受到人为因素和成本因素等多种因素的影响,逐渐显露出此类方案的弊端。因此,本课题结合多种先进技术设计研发了车载式高速公路路面异物智能检测系统。车载式高速公路路面异物智能检测系统的研究内容主要分为:1)研究分析现有道路信息采集装置的不足,设计研发了新一代便携式车载道路信息采集装置。该装置对“北斗+GPS”双星定位装置、双目视觉感知装置和边缘计算设备三者之间进行电路设计,并重新在边缘计算设备上设计开发了道路信息采集程序;2)分析现有开源路面异物数据库缺失问题,利用便携式车载道路信息采集装置进行实地采集巡查路段图像并人工筛选出有效数据搭建路面异物数据库。根据路面异物数据库特点,选择单阶段无锚框目标检测算法(YOLOv8)作为基准算法,并根据数据特点对YOLOv8目标检测算法提出三点改进措施;3)针对直接训练较小网络得到的路面异物检测器存在精度偏低现象,研究基于知识蒸馏算法的间接训练较小网络得到路面异物检测器策略,并对FGD知识蒸馏算法引入类别信息蒸馏方法;4)结合双目视觉定位信息和PP-OCRv3里程桩文字信息提取方法实现路面异物的绝对定位,有利于养护中心对于路面异物事件的管理养护。车载式高速公路路面异物智能检测系统包括以下三个方面:1)本课题将路面异物检测器和异物定位方法嵌入便携式车载道路信息采集装置,重新开发出一款高速公路路面异物实时检测软件;2)设计开发了巡检数据自动上传脚本。该脚本自动监控巡检工作文件夹,实现远距离数据传输;3)结合阿里云物联网平台,设计开发了高速公路管理平台,方便高速公路养护中心实时观察不同设备的巡检情况,同时方便养护中心下发道路养护任务。车载式高速公路路面异物智能检测系统在福州西至福州南的高速公路路面实验证明:1)该系统搭载的路面异物检测器对路面异物的检测精确率达到了77.4%,可以有效的检测出道路图像中存在的路面异物目标;2)该系统搭载的路面异物检测器对里程桩的检测准确率达到了81.8%,可以有效的检测出道路图像中存在的里程桩目标,并且使用的PP-OCRv3模型可以有效的提取出里程桩的桩号信息;3)该系统使用的数据传输方式实现平均每秒3到4次的数据传输,可以有效的将实时检测到的路面异物目标进行远距离传输。综上所述,本课题设计研究的车载式高速公路路面异物智能检测系统可以有效的辅助基于人工方式的日常巡检工作,一定程度降低巡检工作的难度,提升巡检效率。

面向城市道路的车辆跟踪及换道轨迹预测方法研究

这是一篇关于城市道路,交通安全,YOLOv5s,DeepSORT,注意力机制的论文, 主要内容为在智能交通体系中,基于城市道路监控的车辆检测和跟踪对于提高城市交通综合管理水平、识别车辆异常行为以及实施交通违法控制等具有重要意义。但车辆的检测和跟踪任务受城市复杂交通场景、车辆遮挡以及车辆多尺度变化等因素影响,存在误检、漏检以及跟踪丢失等问题。针对以上问题,本文基于城市道路监控开展车辆检测与跟踪算法研究及应用,主要研究成果如下:(1)提出了一种基于改进YOLOv5s的车辆检测算法。首先,通过重构多尺度融合网络以及head网络输出端,提高了主干网络浅层特征的利用率,增强了算法对不同尺度目标的检测能力;其次,在Neck网络每次特征信息融合前嵌入CBAM注意力机制,增强了算法对特征图深层语义信息的关注度,改善了检测算法在遮挡、环境干扰场景下的车辆检测能力;最后,引入考虑回归方向的SIo U损失函数降低了检测框回归的自由度,提高了算法的收敛速度和检测精度。(2)提出了一种基于改进Deep SORT车辆跟踪算法。针对Deep SORT算法外观特征提取能力不足的问题,提出了基于Res Net18的Deep SORT车辆跟踪算法,即将残差网络Res Net18作为跟踪算法的外观特征提取网络,通过加深网络层次的方式提高了跟踪算法对车辆外观特征的提取能力,利用改进的YOLOv5s算法替换Deep SORT算法中的车辆检测器,并依据城市道路场景调整跟踪参数,提升了车辆跟踪算法的检测精度和跟踪准确率,最后利用Veri-wild数据集训练改进的外观特征提取网络,并在不同道路场景下验证了车辆跟踪算法的有效性。(3)提出了一种基于车辆检测和跟踪模型的换道轨迹预测方法。通过构建的RDeep SORT算法提取车辆的跟踪轨迹,并利用Open CV的交互模式提取监控区域内的车道线信息;换道模型采用基于Attention机制的LSTM的换道轨迹预测算法,即引入Attention机制提高LSTM时序网络对历史关键轨迹指标的权重,最后在实地采集的城市道路监控数据上验证了方法的有效性。综上所述,本文提出了面向城市道路的车辆检测和跟踪模型并对车辆的换道轨迹预测进行应用研究,实验表明提出的改进算法满足城市道路监控下的车辆检测和跟踪需求,且对城市交通的智能化管理具有一定的参考价值。

面向城市道路的车辆跟踪及换道轨迹预测方法研究

这是一篇关于城市道路,交通安全,YOLOv5s,DeepSORT,注意力机制的论文, 主要内容为在智能交通体系中,基于城市道路监控的车辆检测和跟踪对于提高城市交通综合管理水平、识别车辆异常行为以及实施交通违法控制等具有重要意义。但车辆的检测和跟踪任务受城市复杂交通场景、车辆遮挡以及车辆多尺度变化等因素影响,存在误检、漏检以及跟踪丢失等问题。针对以上问题,本文基于城市道路监控开展车辆检测与跟踪算法研究及应用,主要研究成果如下:(1)提出了一种基于改进YOLOv5s的车辆检测算法。首先,通过重构多尺度融合网络以及head网络输出端,提高了主干网络浅层特征的利用率,增强了算法对不同尺度目标的检测能力;其次,在Neck网络每次特征信息融合前嵌入CBAM注意力机制,增强了算法对特征图深层语义信息的关注度,改善了检测算法在遮挡、环境干扰场景下的车辆检测能力;最后,引入考虑回归方向的SIo U损失函数降低了检测框回归的自由度,提高了算法的收敛速度和检测精度。(2)提出了一种基于改进Deep SORT车辆跟踪算法。针对Deep SORT算法外观特征提取能力不足的问题,提出了基于Res Net18的Deep SORT车辆跟踪算法,即将残差网络Res Net18作为跟踪算法的外观特征提取网络,通过加深网络层次的方式提高了跟踪算法对车辆外观特征的提取能力,利用改进的YOLOv5s算法替换Deep SORT算法中的车辆检测器,并依据城市道路场景调整跟踪参数,提升了车辆跟踪算法的检测精度和跟踪准确率,最后利用Veri-wild数据集训练改进的外观特征提取网络,并在不同道路场景下验证了车辆跟踪算法的有效性。(3)提出了一种基于车辆检测和跟踪模型的换道轨迹预测方法。通过构建的RDeep SORT算法提取车辆的跟踪轨迹,并利用Open CV的交互模式提取监控区域内的车道线信息;换道模型采用基于Attention机制的LSTM的换道轨迹预测算法,即引入Attention机制提高LSTM时序网络对历史关键轨迹指标的权重,最后在实地采集的城市道路监控数据上验证了方法的有效性。综上所述,本文提出了面向城市道路的车辆检测和跟踪模型并对车辆的换道轨迹预测进行应用研究,实验表明提出的改进算法满足城市道路监控下的车辆检测和跟踪需求,且对城市交通的智能化管理具有一定的参考价值。

城市环境下无人驾驶车辆行车安全仿真研究

这是一篇关于无人驾驶车辆,代理安全评价,交通安全,微观交通仿真的论文, 主要内容为随着汽车智能化的发展,无人驾驶汽车将逐渐成为未来汽车行业的发展方向,无人驾驶汽车可以有效避免人工驾驶的诸多失误,从而提高道路交通的安全性和通行效率。交通系统实现有人驾驶到完全无人驾驶的转换短时间内很难达成,有人驾驶和无人驾驶混行的状态将长期存在。所以,研究该转换期内无人驾驶汽车在城市交通系统中的不同占比对道路交通安全的影响尤为重要。本文以城市典型场景为研究对象,运用微观仿真技术构建不同的城市道路模型,运用代理安全评价模型对不同场景进行安全评价,通过设置不同的无人驾驶汽车渗透率,从通行效率和安全性两方面来评价市场渗透率对城市交通的影响规律。本文使用开源城市移动性仿真平台(Simulation of Urban MObility,SUMO)以及基于SUMO的代理安全评价模型(Surrogate Safety Measures,SSM)进行无人驾驶安全性研究。选择典型城市路段、十字交叉口、城市快速路匝道三种研究对象,根据国标规范设定道路仿真场景。设计试验并运行仿真模型软件后统计不同交通环境参数下的总冲突数和各类型冲突数。根据冲突数据及通行效率得出渗透率的变化对交通安全的影响。研究结果表明:(1)路段的主要冲突类型为追尾冲突;与自适应巡航控制(Adaptive Cruise Control,ACC)车辆相比,协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆表现出更高的安全性能;车速对CACC冲突数目有显著负向影响,车速较大时,高渗透率的无人驾驶车辆占比更有利于行车安全;车速较小时,低渗透率的无人驾驶车辆占比更有利于行车安全。(2)交叉口处于中、低流量时,碰撞冲突为最主要的冲突类型,车流量较大时,追尾冲突为最主要的冲突类型;与CACC车辆相比,ACC车辆表现出更高的安全性;车流量对ACC冲突数目有显著正向影响。(3)城市快速路匝道的主要冲突类型为追尾冲突;与CACC相比,ACC车辆表现出更高的安全性;匝道车流量、主线车流量对ACC冲突数目有显著正向影响。研究结论可为城市不同道路无人驾驶的行车安全提供参考,对提高道路安全性具有重要意义。

车载式高速公路路面异物智能检测系统研究

这是一篇关于交通安全,高速公路巡检,路面异物,目标检测,知识蒸馏的论文, 主要内容为高速公路环境下,路面异物引发的道路交通安全事故严重程度往往高于城乡道路。现阶段针对路面异物的高速公路养护工作,仍以基于人工方式的日常巡检和基于高清摄像头的易发位置定点监控为主。然而,随着全国高速公路养护里程的不断增加,传统的高速公路养护方式受到人为因素和成本因素等多种因素的影响,逐渐显露出此类方案的弊端。因此,本课题结合多种先进技术设计研发了车载式高速公路路面异物智能检测系统。车载式高速公路路面异物智能检测系统的研究内容主要分为:1)研究分析现有道路信息采集装置的不足,设计研发了新一代便携式车载道路信息采集装置。该装置对“北斗+GPS”双星定位装置、双目视觉感知装置和边缘计算设备三者之间进行电路设计,并重新在边缘计算设备上设计开发了道路信息采集程序;2)分析现有开源路面异物数据库缺失问题,利用便携式车载道路信息采集装置进行实地采集巡查路段图像并人工筛选出有效数据搭建路面异物数据库。根据路面异物数据库特点,选择单阶段无锚框目标检测算法(YOLOv8)作为基准算法,并根据数据特点对YOLOv8目标检测算法提出三点改进措施;3)针对直接训练较小网络得到的路面异物检测器存在精度偏低现象,研究基于知识蒸馏算法的间接训练较小网络得到路面异物检测器策略,并对FGD知识蒸馏算法引入类别信息蒸馏方法;4)结合双目视觉定位信息和PP-OCRv3里程桩文字信息提取方法实现路面异物的绝对定位,有利于养护中心对于路面异物事件的管理养护。车载式高速公路路面异物智能检测系统包括以下三个方面:1)本课题将路面异物检测器和异物定位方法嵌入便携式车载道路信息采集装置,重新开发出一款高速公路路面异物实时检测软件;2)设计开发了巡检数据自动上传脚本。该脚本自动监控巡检工作文件夹,实现远距离数据传输;3)结合阿里云物联网平台,设计开发了高速公路管理平台,方便高速公路养护中心实时观察不同设备的巡检情况,同时方便养护中心下发道路养护任务。车载式高速公路路面异物智能检测系统在福州西至福州南的高速公路路面实验证明:1)该系统搭载的路面异物检测器对路面异物的检测精确率达到了77.4%,可以有效的检测出道路图像中存在的路面异物目标;2)该系统搭载的路面异物检测器对里程桩的检测准确率达到了81.8%,可以有效的检测出道路图像中存在的里程桩目标,并且使用的PP-OCRv3模型可以有效的提取出里程桩的桩号信息;3)该系统使用的数据传输方式实现平均每秒3到4次的数据传输,可以有效的将实时检测到的路面异物目标进行远距离传输。综上所述,本课题设计研究的车载式高速公路路面异物智能检测系统可以有效的辅助基于人工方式的日常巡检工作,一定程度降低巡检工作的难度,提升巡检效率。

基于粗糙集的公路交通安全预警研究

这是一篇关于粗糙集,交通安全,预警理论,交通地理信息系统的论文, 主要内容为自从汽车发明以后,交通事故就一直没有离开过人们的视线。随着时代的进步,交通安全问题越来越受到人们的重视。交通安全意味事故发生后所造成的损失人们是可以接受的；当损失超过了人们心里所能接受的范围,则交通就不安全了。交通安全问题是一类极其特殊问题,交通系统既受系统内部因素的制约,又受系统外部环境的干扰。人、车辆、道路、环境、管理等因素都会对公路的运行带来危险。这些因素具有不确定性或难以量化的特点,且缺乏数据支持,而现在的分析方法是基于人为主观进行判断的。针对上述存在的问题,首先,本文对公路交通安全预警系统的构建进行了理论研究。明确了预警系统的概念,对预警系统的构建原则、预警过程、活动内容、系统的功能、运作流程以及系统框架进行了研究。然后,对粗糙集理论进行研究,利用其具有处理不确定性和不完整性信息的特点,特别是属性约简功能、属性重要度原理、规则生成原理,建立了的基于粗糙集的公路交通安全预警模型。结合实例,建立了人为因素、车辆因素、道路因素、环境因素和管理因素的综合预警指标体系,利用粗糙集的知识粒度和属性重要度进行预警指标的筛选和指标权重的确定,得到了计算结果。最后,以GIS-T为依托,以Java、 JSP、SQL Server、GXI设计等为开发工具,开发了公路交通安全预警系统应用软件,该软件操作简便,易于理解。该软件并获得了由中华人民共和国国家版权局颁发的计算机软件著作权登记证书(见附录3)。