交通试验检测在智能交通系统中的应用.pdf

中国科技期刊数据库 工业 A 收稿日期：2024 年 01 月 20 日 作者简介：孙艺萌（1989），女，汉族，云南宣威人，大学本科，工程师，云南交通工程质量检测有限公司。-72-交通试验检测在智能交通系统中的应用 孙艺萌 云南交通工程质量检测有限公司，云南 昆明 650011 摘要：摘要：随着我国交通运输行业的发展和城市化进程的加快，汽车的数量越来越多，而这种情况带来了交通拥挤等问题，严重地降低了人们的出行速度，从而影响到了生产和工作的效率。智能交通系统是依据城市和道路的实际情况，通过对交通信息的实时采集、处理、分析和发布，从而协助人们选择最优交通路线，从而保障交通安全和提升交通效率的方法。而交通试验检测技术则是智能交通系统之中的关键，本文对智能交通系统的发展和背景进行了阐述，并由此入手，对交通实验检测技术在智能交通系统之中的应用进行了分析。关键词：关键词：交通试验检测；智能交通系统；应用 中图分类号：中图分类号：U495 0 引言 智能交通系统是对通信、控制和信息处理技术在运输系统中集成应用的统称，这种集成应用产生的综合效益集中体现在对人员生命安全的保障，对交通出行成本的降低和对环境污染的控制等，其应用对当前的经济社会发展和交通安全意义重大。而要保障智能交通技术的有效应用，相关过程中对交通试验检测技术的合理应用极为关键。1 智能交通系统的其组成及工作模式 1.1 智能交通系统的基本组成 经济的快速发展对现阶段全球的交通运输业均提出了更高的要求，而以计算机技术和通信技术为基础的现代交通信息化建设能够帮助人们在一定程度上解决这些问题（这个字意思是什么）。与此同时，交通运输领域也面对大量的交通事故、环境污染等问题，智能交通系统的应用也能够有效地缓解和解决这些问题。虽然现阶段并没有针对智能交通系统的明确定义，但从其需要解决的问题和形成的效果可以了解到，其必然是一个庞大的系统，而在该系统之中对应的出行信息管理则是系统的核心组成部分1。先进出行系统的主要功能是从路网之中进行对应路况数据的实时采集，并对这些数据进行分析和处理，以研判未来的交通状况整体趋势。当形成相应报告之后，可通过广播信息的方式为相关人员的出行提供决策支持。当然，为了解决拥堵等问题，在实际工作之中，出行系统还会提供对人员的动态诱导和广播，以保证交通资源在最大程度保持通畅。车辆控制系统也是智能交通系统之中的关键组成部分，其主要作用是辅助或者改进驾驶工作或驾驶环境，并对驾驶人员的行为施加一定的影响，从而帮助其规避潜在的危险，在当前此类系统主要表现为防抱死制动系统、自适应巡航控制系统等。1.2 智能交通系统的工作模式 智能交通系统在工作过程中，涉及数据获取、数据处理、通信和数据交换、信息利用等多个关键环节。而数据的获取则是相关系统正常运行的基础，在数据获取方面，现阶段的交通运行需求要求智能交通系统可以及时、准确和可靠地完成对交通流及路况信息的收集。长期以来交通数据的获取都是依靠感应线圈监测器实现的，这种技术可以对路面车辆的存在进行感知，即在车道路面下埋设线圈，来完成对车辆数量的计数和检测车辆速度，当车辆速度低于一定阈值的情况下，即可提示交通拥堵2。而除了这一技术之外，通过传感器、雷达和红外传感器等也可以进行车辆感知3。近些年来，基于图像处理的视频图像检测技术得到了广泛的应用，该技术可通过动态图像来获知车辆的存在、车速、车道占有率和车道流率等数据，并通过图像处理来实现对具体情况的有效分析4。1.3 智能交通检测技术 智能交通检测技术作为现代交通管理的核心技术之一，正发挥着越来越重要的作用。其中，视频图像识别技术和环形线圈检测技术以其独特的优势，在智能交通检测领域中占据了重要地位。视频图像识别技中国科技期刊数据库 工业 A-73-术，通过高清摄像头捕捉交通场景，再利用计算机视觉和深度学习算法对图像进行处理和分析。该技术能够准确识别车辆类型、车牌号码、交通违法行为等信息，为交通管理提供实时、准确的数据支持。同时，视频图像识别技术还具备非接触性、全天候工作等特点，使得其在智能交通系统中具有广泛的应用前景。环形线圈检测技术则是一种基于电磁感应原理的车辆检测技术5。通过在路面下埋设环形线圈传感器，当车辆经过时，会引起线圈中磁场的变化，从而被检测器捕捉并转化为电信号进行处理。该技术具有检测精度高、稳定性好、抗干扰能力强等优点，被广泛应用于交通流量统计、车辆速度测量、闯红灯抓拍等场景。2 基于视频图像的检测技术应用 2.1 对图像信息的获取和处理 数据的获取是智能交通系统的作用得以发挥的关键，而图像信息则能够比较充分地满足智能交通系统的需求，图像本身也是人类最常使用的信息载体，所能够包含的信息量相较于其他方式而言更大。在智能交通系统之中，要实现对图像信息的充分解读和利用，需要经过对图像的处理、特征提取、识别分类和输出结果 3 个主要阶段（见图 1）。图像输入预处理特征提取识别分类输出结果 图 1 图像识别过程 通过上述流程可以了解到，当智能交通系统对图像信息数据完成获取之后，需要通过设备将图像数据传输至计算机系统，并开始进行对图像的预处理工作。这个阶段的主要目的是对图像之中无意义的信息进行剔除，以增强相关图像的辨识程度。该过程中也需要经历灰度处理、去噪、分割和提取特征等环节，相关环节的工作开展方法介绍如下：灰度处理。彩色图像所具有的信息量十分巨大，且其中大量的信息是并无实际价值的，正因如此需要对相应的图像进行灰度化，从而对有用的信息进行保留。实际工作之中，RGB 色彩空间的应用较为广泛，在进行处理的阶段可以采取平均值法来实现灰度值6。这一技术的本质是通过对 R、G、B 三个颜色分量亮度的平均值进行获取，依据相应的平均值来作为像素点的灰度值，其公式可以表述为:R=G=B=其中 R 代表图像之中的红色，G 则代表绿色，B 代表蓝色，在这种处理方法之下，将能够有效地拉大对应图像之中各个像素点灰度值的差距，从而形成对比度和亮度较高的图像；灰度图像二值化。当完成对相应图像的灰度化处理之后，为了增强后续工作之中对相关交通信息识别的效率，仍然需要在灰度化基础上对灰度值进行重新赋值，从而达到目的。实际上，二值化即将不同灰度赋值为0或者255，当对相应像素点赋值为0的时候，则对应的像素点将被归入到背景的范畴之中，而如果像素点的赋值为 255，则其将作为目标。基于这种处理方法可以了解到，对只能交通信息系统图像的二值化处理本质就是进一步减少图像之中的无用信息，从而来提升对图像信息的获取和识别效率。在该过程中可表述为：其中（x，y）即为对应像素点的具体坐标，而 T则为阈值，当其小于阈值的情况下则会将对应像素点赋值为 0，大于等于阈值则会将其赋值为 255，从而将有用信息进行充分突出，以便于后续对信息的有效识别。在智能交通系统图像预处理工作之中，一般可以对整个图像的各个像素点灰度阈值进行提前预设的方式，从而迅速地完成标记和处理，达到获取有价值交通信息的目的。2.2 图像增强及特征的提取 对图像的进一步增强，将可以帮助计算机更容易获取图像之中有价值的信息，而去除噪点则可以有效剔除图像之中的冗余信息，增强图像的分辨率。首先在图像增强的过程中，可以采取直接法来实现，共过程可以描述为：g（x，y）=f（x，y）*h（x，y）其中 f（x，y）为输入图像，h（x，y）为完成图像增强作用的函数，而 g（x，y）则为输出函数。最后，在工作之中进行对图像噪音的去除，即可保证相关图像特征得到进一步突出，从而保证智能交通系统对信中国科技期刊数据库 工业 A-74-息的有效利用。图像特征是不同物体之间明显区别的体现，通过对相关图像的特征进行提取之后，即可实现对不同目标的有效区分，从而满足智能交通系统对不同物体进行识别的需求7。实际上，图像的特征种类较多，在进行划分的过程中可从起基本特征入手，如形状特征、纹理特征等。首先，形状特征是进行目标图像识别的关键，但在实际工作之中相关图像的边界容易受到光线强弱、拍摄工具等因素的共同影响，从而导致其整体的轮廓表现出现变化，而要进行对这些特征的提取和识别，相关人员有必要借助一些措施来实现。实际工作之中，可以将需要识别的图像轮廓视为线和点的组合，通过这种方法来对图像背景边缘进行计算。而纹理特征在本质上则是一种视觉现象，与形状特征相比较，这一信息的丰富程度更高。在进行纹理特征获取的过程中，一般可以采取统计策略，对纹理变化的规律性进行把握，从而达到对其的识别和分析的效果。3 基于环形线圈检测技术的智能交通检测技术应用 3.1 环形线圈检测技术的基本原理 尽管以视频图像为核心的大数据分析技术在应用之中，可以比较有效地检测道路交通的实际运行状况，但其仍然需要以其他数据进行配合，从而形成更为精确的检测结果。RpRaLpLaipia 图 2 感应线圈等效电路图 在该过程中，环形线圈检测器即是一项比较有价值的技术，在前文已经对该技术进行了一定的介绍，即通过在同一车道的道路路基埋设 1 组感应线圈，检测器则是由检测单元同环形线圈共同组成调谐电路，对应电路的电感则是由环形线圈所决定，与检测器的振荡回路形成 LC 谐振回路，当谐振回路中有电流通过的时候，则会形成电磁场8。在这一系统之下，如果车辆从线圈的上方经过，则会产生护肝作用，形成电涡流并对磁场形成影响。以图 2 为例，处于对应区域的车辆相当于具有电感 La，与电阻 Ra 的短路环，这一短路环通过互感电磁通链影响谐振回路的磁通量。3.2 环形线圈对交通参数的检测应用 在采取环形线圈检测的过程中，可以比较有效地对车辆的信息，如车速、车长等参数进行有效统计，从而提供相应周期内具体的交通流量、车速和车道占有率等关键信息。首先从对交通量的检测来看，该系统之下可以针对特定时间之内，特定道路断面的车辆数量进行计算即可获取，以 T 为检测周期，以 N 为车辆数量，以 Q 为交通流量，则可以将相应的检测表述为如下：Q=当然，采取该系统也可以对相关车道的平均车速进行检测。实际应用过程中，可以采取对相应区域瞬时点车速的数据进行采集，再进行众多车辆路段的平均车速计算，该阶段可通过环形线圈检测系统对路段 S长度的各个车辆通过瞬时速度进行获取，并通过如下公式完成计算：在上述措施之下，通过环形线圈检测器即可实现对道路交通之中的诸多参数进行获取，而依据这些数据信息的反馈，即可对现阶段相应路段的交通情况形成较为准确的判断和识别，从而为车辆和人员的决策提供依据。目前随着科学技术的发展，各类交通道路检测技术都开始进行应用，且形成了非常良好的检测效果。但环形线圈检测器仍然是当前交通控制中应用最为广泛的技术，同时也正是由于其应用非常广泛，所以整体的成熟程度也比较高，在应用之中受到环境、气候等因素的影响较少。与之相对的是视频图像分析技术，相关技术虽然有效地对大数据和计算机技术进行了综合，但其所获取的图像可能受到多方面因素的影响，基于此通过将视频图像技术与环形线圈检测技术相结合，将能够有效地避免检测过程中出现各类错误现象。中国科技期刊数据库 工业 A-75-4 结语 综上所述，视频图像识别技术和环形线圈检测技术作为智能交通检测技术的重要组成部分，各自在交通管理领域发挥着不可替代的作用。随着科技的不断发展，这两种技术也将不断完善和优化，为构建更加安全、高效、智能的交通系统贡献力量，在实际的应用之中，通过将两种技术进行合理的结合，将能够对保障道路交通安全和通常形成重要的促进作用。参考文献 1严伟政,王道斌,严运兵.车载相机和 GPS 信息融合的城市道路交通信息检测方法J.智能计算机与应用,2023,13(08):17-24.2余美晨.电子信息技术在智能交通信号控制系统中的应用分析J.信息与电脑(理论版),2023,35(14):81-83.3梁宇.基于三维卷积神经网络的交通事件检测系统J.西部交通科技,2023(05):176-177.4张兵,张校梁,屈永强等.采用特征变量选择和长短期记忆网络的高速公路交通事件检测研究J.重庆理工大学学报(自然科学),2023,37(04):157-165.5董美琳,任安虎.基于深度学习的高速公路交通事件检测研究J.国外电子测量技术,2021,40(10):108-116.6李家伟,朱春辉,毛明洁等.基于视频感知的公路交通事件检测技术J.科技与创新,2022(23):150-152.7许燕青,王宇,钱宇清.适用于 OD 更新的交通检测设备布局优化模型J.科学技术创新,2022(17):155-160.8李弋博.基于雷视融合的交通信息检测技术及其应用J.上海船舶运输科学研究所学报,2022,45(02):58-62.