摘要：连续的跟驰行为和换道行为是驾驶行为的主要构成部分,对交通拥挤和交通事故有着重要影响。通过无人机视频拍摄和图像处理方式,提取了曹安公路沿线的2个交叉路口间正常交通流状态下共600条多车高精度轨迹数据。首先,考虑车辆类型对驾驶行为产生直接的影响,分析了大车和小车的车辆轨迹特征变量分布的差异性,包括速度、加速度、碰撞时间倒数、车头时距等,在标记危险驾驶行为的过程中考虑车辆类型的影响。其次,针对不同的车辆类型,利用修正碰撞裕度对跟驰行为和换道行为进行风险性评估,将其划分为安全型和风险型。根据风险型行为发生的顺序以及持续时间,评估驾驶人的整体驾驶状态是否危险,作为危险驾驶行为识别的样本标记。分别利用离散小波变换和统计方法提取车辆轨迹的关键特征参数,为了提高模型识别效率,将关键特征参数进行排序,从而确定最优判别指标;最后,利用轻量梯度提升机(LGBM)算法对危险驾驶行为进行识别,并与随机森林、多层感知器、支持向量机等算法在精度上进行比较。研究结果表明:在上述研究条件下,LGBM算法对危险驾驶行为的理论识别率最高可达93.62%,可以实现基于机器学习算法的危险驾驶行为的高精度自动识别,该结果对于智能驾驶辅助系统的设计、道路交通安全决策的制定具有显著的意义。

摘要：为了准确、快速地识别路面多病害,采用一种基于多分支框架的深度学习方法,提取并融合路面图像的大、小尺度特征,将路面二维图像和三维图像作为网络输入,增强病害特征.采集裂缝、条状修补、块状修补、坑槽、松散等沥青路面病害图像共计10 562张,进行人工标注.结果表明:500次训练后该方法的平均交并比为0.83,准确率和召回率的调和平均数F值为0.90,优于U-net、PSPNet、DeepLabv3+等方法;在单一类别上,对条状修补、坑槽、松散、桥接缝等分割效果最优,对裂缝、块状修补的识别展现出较强的鲁棒性;所提方法的识别效果高于仅使用单一输入或者单一分支的方法.因此,双通道和多分支的设计方法可以显著提升网络对多类别路面病害的识别精度.

摘要：网络设计问题通常以最小化系统的总出行费用作为优化的唯一目标,所求得的最优解往往不能满足交通工程的实际要求.本文分析了在道路交通规划的工程实践中普遍存在的公平性和优先性问题,以网络设计问题的经典数学模型为基础建立了考虑公平和优先的网络设计问题数学模型,针对模型的特征设计了求解模型的遗传算法.最后,以一个实验道路网的分析为例,说明了数学模型和遗传算法的具体应用.该实例表明,论文所提出的模型和计算方法是非常有效的,能够为交通规划提供非常丰富的信息,协助决策者做出科学明智的选择.

摘要：目的在城市交通检测中,智能视频的广泛应用使得人工智能技术及计算机视觉先进技术对视频中的前景目标检索、识别、特征提取、行为分析等成为视觉研究的热点,但由于复杂场景中动态背景具有不连续的特点,使得少部分的前景目标图像信息丢失,从而造成漏检、误判。方法本文提出一种RPCA(鲁棒主成分分析)优化方法,为了快速筛选与追踪前景目标,以基于帧差欧氏距离方法设计显著性目标帧号快速提取算法,确定关键帧邻域内为检测范围,对经过稀疏低秩模型初筛选的前景目标图像进行前景目标种子并行识别和优化连接,去除前景目标图像中的动态背景,同时将MASK(掩膜)图像中的前景目标分为规则类和非规则类两种,对非规则类前景目标如行人、动物等出现的断层分离现象设计前景目标区域纵向种子生长算法,对规则类前景目标如汽车轮船等设计区域内前景目标种子横纵双向连接以消除空洞、缺失的影响。结果本文前景目标提取在富有挑战性干扰因素的复杂场景下体现出较高的鲁棒性,在数据库4组经典视频和山西太长高速公路2组视频中,动态背景有水流流动、树叶摇曳、摄像头轻微抖动、光照阴影,并从应用效果、前景目标定位的准确性以及前景目标检测的完整性3个角度对实验结果进行了分析,本文显著性前景目标提取算法取得了90. 1%的平均准确率,88. 7%的平均召回率以及89. 4%的平均F值,均优于其他同类算法。结论本文以快速定位显著性前景目标为前提,提出对稀疏低秩模型初筛选的图像进行并行种子识别和优化连接算法,实验数据的定性与定量分析结果表明,本文算法能够更快速地将前景目标与动态背景分离,并减小前景目标与背景之间的粘连情况,更有效地保留了原始图像中前景目标的结构信息。

摘要：为了改善公路平面交叉口的交通安全,引进了道路管理接入技术.根据交叉口功能区概念,界定了公路平面交叉口功能区上下游范围.针对目前公路平面交叉口中常存在的安全问题,研究了6种适合平面交叉口的接入管理技术,给出了技术原理和设计方案以及有关技术运用的建议值.建立了基于交通冲突点的安全改善评价方法,定量评价了这6种道路接入管理技术运用后的安全效果.评价结果说明这些接入管理技术对公路平面交叉口的交通安全具有积极的改善作用.

摘要：车辙深度是路面状况评价和道路养护的一个重要指标。现有车辙深度测量方法未考虑复杂路况下坑槽、松散、裂缝和桥梁接缝等对车辙计算的影响,其有效性和适用性受到了限制,测量结果的真实性也有待进一步验证。有鉴于此,文中提出了一种基于语义分割模型的沥青路面车辙异常检测与校正方法。采用三维线激光技术采集道路横断面高程数据,利用包络线算法提取车辙深度。对于最大车辙深度超过10 mm的横断面,搭建基于深度学习的语义分割框架,提出改进的DeepLabV3+网络对病害类型进行自动辨识和像素定位,并结合最大车辙深度高程点,设计基于拉格朗日插值的校正规则来对异常车辙进行校正。研究结果表明,改进的DeepLabV3+模型能较为准确地识别和定位造成车辙检测异常的路面病害,其对5种路面特征和病害的综合检测准确率达81.63%,在均交并比(MIoU)和大部分交并比(IoU)上的表现均优于U-Net、PSPNet、DeepLabV3+模型。现场验证结果表明,文中方法不仅能够自动分析车辙异常的原因,还能通过对异常车辙的校正排除其他病害的影响,从而较大程度地还原实际车辙深度水平。文中研究成果可为路面预防性养护提供科学数据支撑。

摘要：为了应对传统人工调查方法已不能适应当今道路养护管理发展需求的问题,从提高路面图像分类检测效率的需求角度出发,设计基于图像掩膜的去噪增强算法,采取路面图像的灰度作为分类特征,并且设计路面图像子块灰度方差的最值之差、一幅路面图像中子块图像方差的最值之差超过阈值的子块图像数量,以及子块图像灰度熵的最值之差为特征的分类算法,并引入神经网络进行路面图像的分类.实验结果表明,相对于中值滤波、均值滤波、偏微分方程、掩膜增强算法,所选取的图像去噪增强算法能够保留路面图像中的细微裂缝;且图像分类算法具有高检测率,零误检率,能够实现大规模路面图像的快速、准确分类.此外,所建立的分类算法能够保证分离出的完好图像中,不会掺杂路面裂缝图像,可以降低后续对路面裂缝图像处理的工作量,且其能为公路养护管理的决策提供依据.

摘要：为了提出一种适用于任何流量并具有较高检测率和较低误警率的快速路交通事件检测算法,以统计理论、突变理论为基础,设计了事件影响指数检测算法.利用交通量数据,检验纵向时间序列与横向时间序列上流量的波动性和正态拟合性;分析事件数据与非事件数据的差异,得出交通事件数据变化特征.分析结果表明:纵向时间序列的波动性和正态拟合性优于横向时间序列;事件数据具有多模态、不可达、突跳等突变性特征.该算法误警率为0,检测率比经典的Cali-fornia算法高出10%.不同流量下的检测效果对比表明,该算法适用于各种流量,低流量状态下的检测效果更好.

摘要：分析了传统的公路养护与交通安全养护的差异,界定了公路交通安全养护的概念与内涵。从公路交通安全养护需求出发,基于指标选取原则从路基路面、安全设施、管理设施、平面交叉口、绿化等方面建立了普通国省公路交通安全养护评价指标体系框架,为普通国省干线公路交通安全养护评价工作的开展提供理论与方法支持。

摘要：公路作为交通运输的主要组成部分,从设计施工到投入运营,全程均会产生大量的能源消耗和碳排放。随着全球气候问题、环境问题和能源问题日益突出,如何使公路走可持续的、低碳化的发展道路,越来越受到关注。着眼于公路从规划、设计、施工、运营管理到养护的全部过程,提出了基于生命周期评价LCA(Life Cycle Assessment)的低碳公路的实现途径,在保证质量和效率的前提下,对各个环节进行考量,以求能够使得公路从设计施工到运营管理的整个生命周期的能源消耗和碳排放降至最低。