吉林大学学报(工学版) ›› 2018, Vol. 48 ›› Issue (1): 330-335.doi: 10.13229/j.cnki.jdxbgxb20170373

• 论文 • 上一篇    下一篇

基于NGSIM数据的车辆瞬时速度获取方法

刘东亮1, 2, 王秋爽3   

  1. 1.东北师范大学 信息科学与技术学院,长春 130021;
    2.吉林大学学报(信息科学版)编辑部,长春 130012;
    3.吉林大学 计算机科学与技术学院,长春 130012
  • 收稿日期:2017-04-15 出版日期:2018-02-26 发布日期:2018-02-26
  • 通讯作者: 王秋爽(1978-),女,副教授,博士. 研究方向:汽车安全技术. E-mail:25501120@qq.com
  • 作者简介:刘东亮(1978-),男,博士研究生. 研究方向:信息资源系统管理.E-mail:liudl@jlu.edu.cn
  • 基金资助:
    国家自然科学基金青年基金项目(51308250); 高等学校博士学科点专项科研基金项目(20120061120043); 长春市国际科技合作基金项目(14GH009)

Instantaneous velocity extraction method on NGSLM data

LIU Dong-liang1, 2, WANG Qiu-shuang3   

  1. 1.School of Information Science and Technology, Northeast Normal University,Changchun 130021,China;
    2. Editorial Department of Journal of Jilin University(Information Science Edition),Changchun 130012,China;
    3.College of Computer Science and Technology,Jilin University,Changchun 130012,China
  • Received:2017-04-15 Online:2018-02-26 Published:2018-02-26

RICH HTML

0   

PDF (PC)

336

摘要： 虚拟线圈和无线传感网络(WSN)等常规交通信息获取技术具有信息采集范围小的缺陷,无法达到大范围交通协同的要求,若使用图像信息参数建立车辆瞬时速度模型,可有效地发挥遥感影像的广域覆盖优势,满足大范围交通信息获取的需求。本文面向广域交通信息的获取,以NGSIM数据为基础数据,分析确定了输入参数的类别,使用BP神经网络建立了瞬时车速模型,利用相近时段的数据对模型进行效果验证。该模型不同于常规交通信息获取方法,当应用于大范围的遥感观测时,可以高效快速地对大范围静态图片进行瞬时车速提取,为实现广域交通信息的高效采集提供一种有效途径。

关键词: 信息处理技术, 广域交通信息, 车辆瞬时速度, BP神经网络

Abstract: Conventional traffic information acquisition technologies, such as virtual coil and WSN, have small information acquisition range that can not meet the requirement of wide range coordinate traffic. It can take the advantage of wide-area coverage of remote sensing image and meet the need of mass traffic information acquisition if the image information parameters is applied to set up the instantaneous velocity model of vehicle. In this paper, to solve the problem of wide-area traffic information acquisition, a instantaneous velocity model of the vehicle is set up based on the Back Propagation (BP) network and Next Generation Simulation (NGSIM) data by analyzing and determining the input parameters. The effectiveness of the model is validated using the data of similar period. This model differs from the general traffic information acquisition method, that it takes the advantage of wide-area coverage of remote sensing image, providing an effective way to acquire wide-area traffic information.

Key words: information processing technology, wide-area traffic information, vehicles instantaneous velocity, BP neural network

中图分类号: 

  • TN911.73
[1] 徐文聪. 基于视频的交通数据采集技术研究[D]. 山东大学机电与信息工程学院, 2012.
Xu Wen-cong.Research on the techniques of vision-based traffic data collection[D].Jinan:College of Mediatronics and Information Engineerig,Shandong University, 2012.
[2] Yin M, Zhang H, Meng H, et al.An HMM-based algorithm for vehicle detection in congested traffic situations[C]∥Intelligent Transportation Systems Conference,Seattle,WA,USA,2007: 736-741.
[3] Zhu Z, Xu G Y, Yang B, et al.VISATRAM: a real-time vision system for automatic traffic monitoring[J]. Image and Vision Computing, 2000, 18(10): 781-794.
[4] 李子青. 人脸识别技术应用和市场分析[J].中国安防,2007(8):49-53.
Li Zi-qing .Face recognition technology and market analysis[J]. Security & Protection,2007(8):42-46.
[5] Tan T N, Sullivan G D, Baker K D.Model-based localisation and recognition of road vehicles[J]. International Journal of Computer Vision, 1998, 27(1): 5-25.
[6] Tai J C, Tseng S T, Lin C P, et al.Real-time image tracking for automatic traffic monitoring and enforcement applications[J]. Image and Vision Computing, 2004, 22(6): 485-501.
[7] Jin S, Wang D H, Xu C, et al.Short-term traffic safety forecasting using Gaussian mixture model and Kalman filter[J]. Journal of Zhejiang University (Science A), 2013, 14(4): 231-243.
[8] Bajwa R, Rajagopal R, Varaiya P, et al.In-pavement wireless sensor network for vehicle classification[C]∥10th International Conference on Information Processing in Sensor Networks (IPSN),Chicago,IL,USA,2011: 85-96.
[9] 王祺,李力,胡坚明,等.不同车头间距下交通流的速度分布[J].清华大学学报: 自然科学版,2011,51(3):23-26.
Wang Qi, Li Li, Hu Jian-ming, et al.Traffic velocity distributions for different spacings[J]. Journal of Tsinghua University(Science and Technology), 2011, 51(3): 309-312.
[10] Leitloff J, Hinz S, Stilla U.Inferring traffic activity from optical satellite images[J]. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 2007, 36(3/W49B): 89-93.
[11] 索明亮. 卫星图像中运动车辆探测和速度提取研究 [D].北京: 北京交通大学城市交通复杂系统理论与技术教育部重点实验室,2011.
Suo Ming-liang.Research on moving vehicle detection and velocity extraction from satellite image[D].Beijing: MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology,Beijing Jiaotong University,2011.
[12] 张素兰. 基于卫星遥感影像的交通状态判别研究 [D].北京: 北京交通大学交通运输规划与管理学院,2010.
Zhang Su-lan.Research on traffic state estimation from satellite remote sensing images [D].Beijing: College of Transportation Planning and Management,Beijing Jiaotong University,2010.
[13] 王殿海. 交通流理论[M]. 北京: 人民交通出版社, 2002:52.
[14] Bonzani I, Mussone L.From the discrete kinetic theory of vehicular traffic flow to computing the velocity distribution at equilibrium[J]. Mathematical and Computer Modelling, 2009, 49(3): 610-616.
[15] Bando M, Hasebe K, Nakayama A, et al.Dynamical model of traffic congestion and numerical simulation[J]. Physical Review E, 1995, 51: 1035-1042.
[16] 李孝安, 张晓缋. 神经网络与神经计算机导论 [M]. 西安: 西安电子工业出版社, 1994.
[17] Wang J, Yang J, Wu W.Convergence of cyclic and almost-cyclic learning with momentum for feedforward neural networks[J].IEEE Transactions on Neural Networks,2011, 22(8): 1297-1306.
[1] 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2] 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3] 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4] 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5] 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6] 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7] 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8] 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9] 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10] 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11] 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12] 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13] 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14] 林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15] 王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 焦玉玲, 徐良成, 王占中, 张鹏. 基于有向网络的双U型装配线平衡实验与分析[J]. 吉林大学学报(工学版), 2018, 48(2): 454 -459 .
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发