[发明专利]一种基于视频分析的信号交叉口通行能力分析方法

说明书

技术领域

本发明属于智能交通领域，具体涉及一种基于视频分析的信号交叉口通行能力分析方法，实现对交通流量数据的采集，从而分析交通需求。

背景技术

基于智能交通（ITS）的交通环境下的信号交叉口通行能力分析是智能交通研究中的重要课题。深入研究交通条件下信号交叉口通行能力方法，能够为交通规划制定、交通管理与控制、交通组织优化的实施提供依据和参考，对从根本上把握混合交通条件下城市道路信号交叉口的运行规律、优化城市交通流运行状态以及实现城市可持续发展具有重要的现实意义。立足于我国交通状况，对交通环境下交叉口交通流运行特征进行深入分析研究，依靠计算机图像识别处理技术和信号交叉口通行能力计算方法，利用得出的结果对现有的信号交叉口交通控制进行反馈。

对于城市交通道路状况的监控和交通信息采集有着不同的手段，基于视频图像的交通流数据采集是利用视频和图像处理技术，对道路交通状况进行实时监控，并通过相应算法获取交通流参数数据的方式，是近年来出现的一种新型交通参数采集方法。视频图像的最大的特点是：有丰富的原始数据、相邻帧间的强相关性以及时域上的动态时变模式等在很大程度上使运动目标易于检测、识别成为可能；与静态图像相比，图像序列及视频的最大优点就在于对运动信息的捕获。利用摄像机视频捕捉采集和图像处理分析，进行交通流信息数据采集获取，并对视频图像序列中的车辆目标检测及车辆识别，通过对车辆的图像识别及车流量统计提取交通信息参数，完成基于视频手段的交通流信息数据采集。

车辆目标识别统计主要包括两个步骤：首先确定出感兴趣区域，即确定目标车辆可能存在的区域；然后是车辆识别确认，即对上一阶段产生的感兴趣区域进行确认，判断车辆目标，从而检测识别出车辆目标。目前，车辆检测中感兴趣区域提取方法主要有三种：光流场法，帧间差分法和背景减法，背景减法的基本思想是充分利用图像序列的时间和空间信息来分离出运动目标。背景减法相对于光流场法、帧间差分法具有检测效果好，硬件要求低等优点，背景减法因其目标检测的鲁棒性而成为工程中比较常用的方法。

而目前常用的信号交叉口通行能力分析方法有美国饱和流率模型方法，停车线法，冲突点法，城市道路设计规范中的方法等。由于我国和美国的交通道路条件有很大的区别，美国饱和流率模型方法计算出来的结果与实测的交通量相差很大。停车线法使用简便，且较为详细地分析了左转车道的通行能力，但是未考虑车辆通过停车线后在交叉口内再次受阻的可能性。冲突点法以冲突点为控制点来计算通行能力，该方法充分考虑了车流在交叉口内冲突的可能性，尤其是左转车流于对向直行车流的冲突，但考虑的影响因素较少，且并未考虑行人、非机动车的影响。城市道路设计规范中的方法大量采用了现有路况的车流比例和车种组成等实测数据，如果该交叉口趋于饱和，则计算出来的结果最为接近实测值。而随着城市道路的交通负荷日益加重，特别是在中大城市的拥堵地段，大多数交叉口已趋于饱和。大量实测研究表明，城市道路设计规范中的方法计算通行能力能较好地与信号交叉口实测通行能力相符。本发明基于《城市道路设计规范》计算方法，结合其他几种信号交叉口通行能力计算公式的研究成果，总结出一种适用于多个相位控制的信号交叉口通行能力计算方法。

发明内容

本发明以信号交叉口视频监控采集的视频序列为研究对象，通过对视频捕捉采集的视频图像处理分析，利用目标检测算法，提取出感兴趣区域，利用改进的AdaBoost算法进行车辆识别。根据识别的目标信息进行车辆统计并计算出交通信息数据，并由信号交叉口的实际交通状况选择适用于多个相位控制的信号交叉口通行能力计算方法，进行信号交叉口的通行能力的现状分析。

本发明在交通控制系统中安装摄像机，比安装其他传感器经济，安装简单，无需破坏路面，容易维护，可随时改变检测区域的位置和大小，不影响交通，而且保护环境。视频检测获取的信息量很大，通过可提取的数字图像处理高质量的信息，对视频图像场景内的交通状况进行高效准确的智能实时监控，捕获及时准确的运动信息。改进的AdaBoost算法有针对性的对参加训练的样本进行选择，选择适合的样本，减少了训练时间，并且避免选择那些误差比较大的样本，在有限的样本数目下达到很好的训练效果。而城市道路设计规范中的方法大量采用了现有路况的车流比例和车种组成等实测数据，适用于趋于饱和的中大城市的拥堵地段的交叉口，并且结合其他几种信号交叉口通行能力计算公式，比较适用于多相位信号。