基于视频的交通流建模及其参数全息标定研究-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

基于视频的交通流建模及其参数全息标定研究

项目名称：基于视频的交通流建模及其参数全息标定研究
项目类别：面上项目
批准号：11072117
申请代码：A020412
项目来源：国家自然科学基金
研究期限：2011-01-01-2013-12-31

项目负责人：葛红霞
负责人职称：副教授
依托单位：宁波大学
批准年度：2010

中文摘要：

鉴于传统的优化速度跟驰模型假定车辆期望速度与车间距之间的关系严格按照双曲正切函数形式，而且存在用相同加速特性去演化具有混合车型的真实交通流的缺陷，本项目整合数字图像车辆检测以及目标跟踪技术，通过大量拍摄交通视频，并利用实时检测和跟踪技术记录每一辆车的即时速度和位置，从而获得不同类型机动车在实际道路上的真实交通数据，进而拟合出不同车型并且符合实际行驶状态的车辆预期优化速度函数，建立能描述我国实情的多车型交通流微观跟驰模型。通过线性稳定理论分析该模型在车头间距发生小扰动情形下的失稳条件。另一方面，针对实际采集到的交通数据开发行之有效的交通流模型参数标定算法，并结合实际交通视频数据对拟构建的多车型微观跟驰模型参数进行标定。将标定好的交通流跟驰模型应用到交通流仿真中，并和实际交通数据进行比较，通过分析数据的误差来检验标定算法的准确度和有效性。

中文主题词：跟驰模型；优化速度函数；背景更新算法；模型参数标定；车辆跟踪

英文摘要：

car following model；optimal velocity function；background updating algorithm；model parameters calibrating；vehicle tracking

英文主题词： car following model；optimal velocity function；background updating algorithm；model parameters calibrating；vehicle tracking

结论摘要：

本项目整合数字图像车辆检测以及目标跟踪技术，通过大量拍摄交通视频，并利用实时检测和跟踪技术记录每一辆车的即时速度和位置，从而获得不同类型机动车在实际道路上的真实交通数据，建立能描述我国实情的多车型交通流微观跟驰模型。通过线性稳定理论分析该模型在车头间距发生小扰动情形下的失稳条件。另一方面，针对实际采集到的交通数据开发行之有效的交通流模型参数标定算法。同时，我们对非线性密度波有了更深入的研究，从跟驰模型和格子流体力学模型中得到了TDGL方程，从流体力学模型中得到KdV-Burgers方程。对控制论在交通流中的应用做了大量研究，成果丰硕。在该项目的资助下，我们共发表论文26篇，其中SCI论文17篇，发明专利4项，参加国内外会议15人次，培养硕士研究生10名。

成果综合统计