论文部分内容阅读
车辆的行车轨迹线信息是全面了解车辆驾驶行为的必备信息。通过对车辆的行车轨迹线信息的处理可以获得非常有用的道路交通流的主要参数,如道路交通量、车辆加速度、交通密度、车头时距、车头间距、瞬时速度、时间平均速度、空间平均速度、时间占有率、空间占有率、车辆长度分类、车队长度等交通流参数信息。车辆驾驶行为的研究在微观交通分析和道路交通安全分析研究中也是非常重要的。个体车辆在道路行驶过程中的位置、速度、加速度、以及变换车道是个体车辆驾驶行为最重要的解释变量,而道路交通流中群体车辆之间的相对速度、车头间距、车头时距等信息是描述多个车辆之间空间与时间关系的解析变量。这些解释变量的获取和描述对车辆驾驶行为模型的标定和预测是至关重要的。所以如何提出一种科学有效的方法去提取行车轨迹线信息成为一个非常关键的技术问题。本文针对行车轨迹线的提取与测定问题进行了科学的研究分析,提出了一种研究车辆在道路动态运行状态下获取交通流信息的技术方法。首先,建立了正射视频图像采集数据模型,采用定点摄像的方法得到车辆在道路运行中的状态视频图像信息;其次,通过背景更新模型对道路环境背景进行建模得到初始的车辆动态运行状态视频图像数据;接着,在初始前景图像数据的基础上提出一种简化轮廓形态学操作和带状滤波相结合的消除车辆阴影的新方法,针对实际情况的车辆阴影联合轮廓模型进行车辆实体与其阴影的分割,从而得到准确的车辆前景信息;然后,针对处理过的前景图像数据提出一种分车道的车辆位置追踪的算法来追踪识别不同的车辆,得到车辆个体特征信息和离散的时间-空间行车轨迹信息;再次,应用经过修正的窗口权重回归理论模型得到车辆在道路上连续的动态位置信息,从而得到每辆车在各个车道上完整的时间-空间坐标轨迹,继而得到诸如速度与加速度的交通流参数信息。最后,应用本文所提出的行车轨迹线提取技术对城市道路和高速公路两方面的实际数据进行了实例分析。