动态交通信息采集（共8篇）
动态交通信息采集 篇1
专利号:200910243124.1
本发明涉及一种利用GPS定位信息、公交IC卡和无线通信技术进行公交车辆运营信息的采集与处理方法，可应用于其它客运车辆管理和信息采集及处理。
公交信息包括车辆运行位置、站点停靠时间、行驶速度等，这些信息对公交调度，运营极为重要。
目前的公交IC卡信息以二进制数据文件的形式存储于IC卡读卡器上，每天下班前由人工用移动存储器将这些数据文件转移到后台计算机内。再由专业人员将这些数据文件中的数据读出，进行分类处理，存储到数据库中。由于公交线路和车辆班次较多，导致数据文件较多，处理数据的工作量较大。尽管IC卡数据是实时得到的，但是数据是后处理，所以数据是非实时的，难以有效利用。本发明将这些信息通过一定的方法进行有效地采集及处理，并通过无线通信技术实时传送回后台管理中心，使得公交管理人员能够快速掌握公交车辆的运行状态，对公交车辆进行调控。
本发明所述是基于车载设备运行的信息采集和处理方法，该车载设备包括CPU处理器，GPS定位模块，IC卡信息读取模块和GSM/GPRS通信模块，存储有该公交线路的公交站点地图。在车辆运行中车载设备程序接收GPS每秒传送的车辆位置信息，和车载公交站点地图进行匹配判断，采集站点停留时间和读取IC卡刷卡等信息，计算运行速度，预测下站到达时间。最后将这些信息通过GSM/GPRS模块传送到后台管理中心。
本发明的技术效果为：
1.采集车辆行驶中的运行信息，包括车辆所处站点位置、上传时间、站点停靠时间、上下客人数、行驶速度。
2.计算车辆经过的各个站点间的速度及行程平均速度，估计下一个站点的到达时间。将部分数据处理功能放在车载终端完成，减轻后台管理中心压力。
3.公交信息无线传送频率为每站点信息发送一次，在判断离开站点范围后传输。克服了传统车辆监控中频繁上传位置数据耗费资源的缺陷，减轻了后台管理中心的压力。
4.针对城市中常见的GPS信号漂移和车辆同一站点多次停靠的情况进行有针对性的信息处理。保证信息在上述两种情况下的可靠性。
5.在信息上传的基础上，保留本地信息存储备份，提高了数据的可靠性。
联系人：陈艳艳
地址：北京市朝阳区平乐园100号
邮编：100124
动态交通信息采集 篇2
信息采集工作解读
同志们：
大家好！
按照培训日程安排，今天下午，我就2018年扶贫对象动态管理和信息采集工作和大家共同研究探讨。
2018年的扶贫对象动态管理工作较2017年相比，提前了一个月，对于我们的工作更有利：第一，有利于我们对2018年脱贫攻坚工作进行全面总结、整改提高。提前1个月开展动态管理，我们有充足的时间来盘点各项工作，可以弄清贫困户的帮扶措施到位没到位、哪些户可以脱贫、脱贫质量高不高，什么原因导致脱不了贫。对各种问题，我们还可以利用最后不到两个月的时间去弥补，如催促分红到位。第二，有利于我们科学谋划2019年脱贫攻坚工作。通过这次动态管理，我们可以知道我们的工作还存在哪些不足和短板，比如“一低五通两有两统筹”哪一项不达标导致贫困村不能出列，贫困户不能退出是收入、“两不愁三保障”哪一项不符合条件等，这样我们就可以有的放矢地在2019年工作中有针对性地安排。第三，有利于各项扶贫政策的无缝对接。各行业部门的政策实施节点和我们贫困户识别退出时间不同步，对贫困户享受各项扶贫政策造成了很大困扰。比如，城乡医 保缴费时间是10月开始到12月结束，往年的动态调整是从11月份开始的；低保调整是每季度末进行的，而我们贫困户的识别退出要到1月份才结束。提前1个月开展动态管理，我们就能把贫困户的识别退出工作和行业部门的节点同步起来，能够减轻大家的工作负担。
下面，我主要从动态管理工作对象、信息采集更新和录入、时间安排、工作要求四个方面和大家共同学习交流2018年扶贫对象动态管理和信息采集工作。
一、动态管理工作对象
2018年扶贫对象动态管理工作对象主要包括贫困退出（贫困户、贫困村）工作、贫困户识别纳入工作（含返贫纳入）、贫困户（含历年脱贫户、返贫户）家庭成员自然变更三类。
（一）贫困退出工作。主要包括贫困户退出、贫困村出列。首先我们来讲贫困户的退出工作。
1、贫困户脱贫退出重点。第一个要求是严格标准，确保脱贫质量。习近平总书记指出实施经常性的督查巡查和最严格的考核评估。扶贫工作必须务实，脱贫过程必须扎实，脱贫结果必须真实，让脱贫成效真正获得群众认可、经得起实践和历史检验。从河南省2017年年底考核和2018年半年考核来看，脱贫质量在考核内容中属于定性评价，也就是说错退率超过2%就认为我们县脱贫不实，对全县脱贫成效进行一票否决。今年省市给我们县下达的减贫任务是5000人，市办为了保障三个拟脱贫的贫困县，要求我们必须按照5000 人的指标脱贫，不能超额。所以我们要严格按照“贫困户识别和退出重点考虑两不愁三保障，2018年的贫困退出收入标准为3400元”的扶贫标准，逐户核查筛选符合脱贫条件的贫困户，优中选优，谁更符合脱贫条件谁退，把那些条件明显好的贫困户应退尽退。
第二个要求是规范程序，群众和本人认可。省市动态管理工作会上要求，贫困户的退出要严格落实“四议一公示一公告”程序，（党支部、村两委、党员大会、村民代表，村级公示、乡级公告），得到贫困户和帮扶责任人的签字认可。我们在操作过程中还要关注三个重点：贫困发生率高于2%的出列村的贫困户脱贫退出，目前我们县还有15个已出列的贫困村贫困发生率仍然超过2%，对此，我们可以从两个方面进行解决：一是减少贫困户数量，把那些符合脱贫条件的贫困户应退尽退，二是利用本次动态管理机会，在系统中把原来的农业人口更新为当前的农业人口数；关注2016、2017连续两年没有贫困户脱贫退出的行政村，目前，全县已基本完成了预脱贫标注工作，经过县扶贫办的统计，还有8个村至目前还没有脱贫人口。这8个村的责任组要认真核查达到脱贫条件的贫困户，尽量有脱贫人口；做好今年脱贫规模和后两年脱贫滚动规划平衡和衔接，按照全县脱贫攻坚三年行动计划，2019年全县要全部脱贫，各村责任组要盘算一下村里明年还有多少贫困户要脱贫，哪些明年需要加强什么措施能够脱贫，哪些属于兜底保障户。各乡镇也要把各村的真实情况弄清楚，安排好基础设施、产业、金融等，确保明年 年底如期完成全县脱贫。
2、贫困村脱贫退出重点。第一是严格标准，2%+9项指标+产业发展、集体经济收入；
第二是规范程序，县级验收、市级审批、公示公告；各乡镇（街道）在做好贫困人口脱贫退出的基础上，按照《河南省贫困退出实施办法》和《河南省脱贫攻坚档案资料规范化建设指导意见》规定的退出标准和程序，统筹组织做好贫困村的退出工作。待贫困人口退出完毕后，对于经过验收评估认定符合退出条件的贫困村，进行公示公告。
在这里，我强调一点，各乡镇不要过于局限于年初下达的减贫任务，脱贫人口不能过度向今年要脱贫的贫困村倾斜。省市已经明确，不再强制规定贫困村出列任务必须要全部完成。县里确定了基本原则：在保证脱贫质量的前提下，优先考虑以往出列、但贫困发生率仍高于2%的贫困村（努力把发生率降到1.7以下），然后考虑今年拟出列的24个贫困村，最后是非贫困村，避免贫困村基本符合脱贫条件的边缘贫困户脱贫不实和非贫困村中达到脱贫条件的贫困户不及时退出。
（二）贫困户识别纳入工作（含返贫纳入）
1、新识别贫困户重点严格标准和程序，把是否解决“两不愁三保障”作为最重要的识别依据；
2、应纳尽纳、应扶尽扶以县为单位做好数据比对，运用好河南省精准识别信息管理平台中省级比对结果，杜绝“一刀切”；
3、关注危房户、大病户、低保户、非贫困县和非贫困村内符合条件的人群。
需要注意的是：对脱贫户因病、因灾等人力不可抗因素而重新致贫的，要立即返贫，不再填写申请书，但是还要走评议、公示公告等程序。对已脱贫但脱贫质量不高的，慎用返贫手段，要用好脱贫不脱政策来帮扶巩固。在《政策答疑》第20问详细解释了“脱贫不脱政策”。
（三）贫困户（含历年脱贫户、返贫户）家庭成员自然变更
对已纳入的贫困户（含历年脱贫户、返贫户），要及时管理和维护2018家庭成员自然变更情况，包括自然增加和自然减少。贫困户家庭成员增加包括新生儿、婚入、户籍迁入、刑满释放、收养、失联人口回归、补录等；贫困户家庭成员减少包括死亡、婚出、出国定居、判刑收监、户籍迁出、农转非、失联等。
提醒大家一点：国办和省办已明确，标注稳定脱贫（脱贫不享受政策）户转入前台管理，属于脱贫范畴。按照上级要求，我们在采集自然变更信息时，也要把脱贫不享受政策户家庭成员变更情况也要准确采集，并在国办系统和省平台中操作修正。
二、信息采集、更新和录入
（一）信息采集范围：
1、已纳入的贫困户（含历年脱贫户、返贫户）；
2、稳定脱贫属于脱贫范畴，也要采集更新信息；
3、贫困村（含历年出列贫困村、深度贫困村）；
4、新识别贫困户。
（二）采集方法及相关指标变化：
为贯彻落实脱贫攻坚三年行动计划，国务院扶贫办对建档立卡基础指标体系进行了适量调整，剔除了一些不必要的指标，对部分指标进行了完善，增加了脱贫户、出列村脱贫措施指标，进一步完善了建档立卡指标体系。下面我们对照7个附表，逐个表格讲解采集方法和相关的指标变化。
1、使用《贫困户信息采集表》（附件1）采集新识别贫困户所有基础信息；注意：贫困户属性调整为一般贫困户、低保贫困户、特困供养贫困户、一般户、低保户、特困供养户。后三个属性主要考虑到系统内脱贫户、稳定脱贫（脱贫不享受政策）户。在《贫困户信息采集表》中新增了a14“失学或辍学原因”、A15“是否会讲普通话”、A17“是否参加商业补充医疗保险”、A21“是否享受人身意外保险补贴”、A46“是否有龙头企业带动”、A47“是否有创业致富带头人带动”。A14指标主要是了解义务教育年龄阶段家庭子女没有上学的原因，涉及教育保障问题。是对“两不愁三保障”脱贫校验规则的补充。选项有“因病”、“因学”、“厌学”、其他，如果是脱贫户中健康儿童失学或辍学的，要选“厌学”，说明不是因为贫困引起。A15“是否会讲普通话”指会不会说汉语，主要针对少数民族地区，河南基本上都“会”。A17“是否参加商业补充医疗保险”主要是指贫困户在县政府代缴的保险之外，另外自己花钱参加的商业补充医疗保险。A21“是否享受人身意外保险 补贴”，我县已经为建档立卡贫困户代缴了这项险种，费用是20元。在计算贫困户“生产经营性收入”时，其中粮食方面的价格，各乡镇可以根据当地玉米、小麦等粮食价格制定一个合理的均价，上下浮动合理，全乡各村均按照同一个价格计算粮食收入。对于粮食收成有特殊情况的比如倒伏、霉烂等，按照实际合理填写。
2、从系统打印《贫困户信息对照表》采集已纳入贫困户（含脱贫户、返贫户）2018年发生变化的信息，尤其是返贫户，也要补充采集“返贫原因”；
3、系统打印《贫困村信息对照表》、《自然村信息对照表》（附件2、3）采集贫困村（含出列村、深度贫困村）和贫困村内自然村发生变化的信息。需要强调的是，村表中增加了“行政村乡村医生数”、驻村工作队增加了“队员基本情况”、“签约服务团队”等三项内容。
4、使用《贫困户家庭成员自然增加情况表》和《贫困户家庭成员自然减少情况表》（附件4、5）采集自然增加和自然减少信息。
5、使用《2018年脱贫户脱贫措施信息采集表》（附件6）和《2018年出列贫困脱贫措施信息采集表》（附件7）采集2018脱贫户和出列贫困村脱贫措施。
这两个表是今年新增的。主要是了解贫困户是如何脱贫的，贫困村出列是否满足条件。《2018年脱贫户脱贫措施信息采集表》强调的是脱贫户的脱贫措施，增加12项指标，大部分是定性指标，只需勾选。对于帮扶措施方面，大家应 该记得省平台里面也有让填写贫困户的帮扶措施指标，其实都有重叠项（部分重叠），但是大家要区分开。在省平台中“基础信息”—“贫困户信息审核”—“修改”—“帮扶措施”中显示该户已经享受的帮扶措施，可大家填写的并不完善，有的只是填写了一个电费补贴或者低保金，措施不完善将否定我们的帮扶成效，可能有些措施大家不知道填到哪一类，比如双女户补贴建议填到卫生扶贫里面的其他选项中，失独补贴建议填到社会救助里面的其他选项中。大家务必重视完善省平台帮扶措施信息，这些措施均可在省平台导出。如果大家填写正确，那么就可以直接从省平台导出这些帮扶措施，对照《2018年脱贫户脱贫措施信息采集表》如实填写，有利减轻我们工作量，同时也有利于提高数据质量。
《2018年出列贫困村脱贫措施信息采集表》增加3大类7项指标，这些指标主要也与贫困村脱贫退出有关。
6、使用全国扶贫开发信息系统手机APP采集上传贫困户、贫困村和贫困县地理信息位置。这部分我就不再讲了，稍后，寇一行同志会具体讲解手机app操作程序。
（三）注意事项
1、农户收入计算周期：2017年10月1日至2018年9月30日。养老保险金计入脱贫户收入。2019年起不再采集季度收入。（对以往脱贫户养老保险金也计入脱贫户收入，未脱贫的不需要）
2、国家系统设置了“贫困户脱贫”逻辑校验规则，凡数据显示未解决“两不愁三保障”的，均无法操作“脱贫”。
3、先录入帮扶单位，驻村工作队队员和帮扶责任人派出单位须从已录入的帮扶单位中勾选。
4、由于去年没有采集“在校生状况”信息，今年要采集此项指标，并需要对去年的这项指标进行核准和采集。
5、省办指出：在执行脱贫（不再享受政策）标注相关文件（豫脱贫办（2017）17号）时，有些地方不负责任，给全省脱贫攻坚工作留下的巨大隐患。原则上要严格执行今年省领导小组30号文件规定。今后尽量不要再标注稳定脱贫不享受政策。25日全市2018年扶贫对象动态管理工作会上，市办也明确提出，今年不再安排稳定脱贫不享受政策标注。
三、时间安排
国办要求，9月21日至9月30日，完成工作部署和培训；10月1日至11月10日，完成识别退出程序和信息采集；11月11日至11月30日，完成所有数据录入；12月1日至12月10日，国家和省数据分析，反馈清单12月11日至12月20日，实地核查、问题整改；12月21日至12月31日，数据修正和完善2019年1月1日至1月10日，上报工作总结。国办明确表示不留缓冲期，不允许拖延，严格按照时间节点完成。
9月30日前，乡村两级要召开会议，传达贯彻县会议精神，并对动态管理工作进行安排部署。注意保存资料：会议记录、领导讲话、会场影像资料、有关动态管理的文件资料，会议签到表等。
我们根据上级的时间节点，结合我县实际，制作了《西平县2018年底动态管理工作流程图》和《贫困村退出流程》，明确识别退出各个步骤的具体时间点。下面我们着重讲一下10月1日至11月10日期间全县识别退出工作的时间安排。
（一）贫困户退出时间安排
10月13号之前，一是各村责任组、驻村工作队对全村贫困户走访，完成宣传、校准、查漏、算账等工作，重点是把符合退出条件的拟脱贫户筛选出来。二是乡镇组织村委从全国扶贫开发系统中打印《贫困户信息对照表》，A3纸打印，打印范围：贫困户、脱贫户（含历脱贫户、稳定脱贫户）、返贫户；打印贫困村（含脱贫村）、贫困村内自然村信息对照表，由责任组成员、第一书记、村组干部、驻村工作队进行采集。在采集过程中，如遇到有人口增减的户，应分别增加《贫困户家庭成员自然增加情况表》和《贫困户家庭成员自然减少情况表》，同时用手机APP采集上传贫困户、贫困村地理信息位置。
10月16日之前完成开完四道会。村党支部召开会议、村两委召开会议进行商议、提交党员大会审议，对拟脱贫户进行研究；“前三议”结束时形成的名单上报，进行信息前置比对工作，对于比对疑点问题在民主评议环节进行评议。召开村民代表民主评议会，按照退出计划，根据筛选情况初步拟定贫困户退出名单；填写《档案资料规范化建设》中的“附件2：xx村2018贫困户退出拟定名单统计表”。
10月17日--10月23日之间，对退出贫困户进行核实，得到退出户与帮扶责任人认可，填写《2018年脱贫核查明 白表》和《2018年脱贫户脱贫措施采集表》。
10月24日之前，完成退出户公示。公示模版：“参考文本9”中“xx村2018贫困户脱贫名单公示和XX村2018贫困户脱贫拟定名单”，公示7天。公示结束后，村委向乡镇上报“参考文本15”的“关于审核2018贫困户脱贫名单的报告”。
11月3日前，乡镇对村委上报的拟退出户进行审核。有审核材料。
11月4日前，乡镇对审核后的脱贫户批复“参考文本16”。11月5日前，乡镇对退出户进行公告。审核批复结束后，进行乡级公告，模版“参考文本10”。
11月10日前，对脱贫户发放脱贫光荣证。
（二）贫困村出列时间安排
第一步：按照贫困村退出计划，由拟出列贫困村提出，经乡镇党委、政府会议研究，向县扶贫开发领导小组打退出贫困村的报告，（文本1：乡镇人民政府关于申请审核2018退出贫困村的报告）。2018年11月6日前完成
第二步：调查核实。县扶贫开发领导小组组织相关部门，按照贫困村退出计划，对拟退出贫困村进行入村调查、摸底核实，填写贫困村退出核查验收表（文本2：贫困村退出核查验收表）2018年11月13日前完成，县开会研究后对乡镇（街道）进行批复（文本3：县扶贫开发领导小组关于对乡（镇）2018退出贫困村审核确认报告的批复），确定符合退出标准的贫困村名单。2018年11月14日前完 成
第三步：予以公示。对符合退出标准的贫困村，在乡(镇)所在地公示（文本4：乡镇2018拟定退出贫困村名单公示），公示时间不少于7天。2018年11月22日前完成
第四步：公告退出。公示无异议后，由县扶贫开发领导小组报市扶贫开发领导小组核查验收通过后公告退出（文本5：西平县2018退出贫困村公告），2018年12月10日前完成.第五步：于次年1月前在建档立卡贫困村中销号。
（三）贫困户识别工作时间安排
10月13号之前，对向村委写出贫困户申请和符合返贫条件的农户进行入户调查，填写《精准识别入户普查表》，初步判定是否符合贫困户条件和返贫条件，提交村两委。
10月16日之前，开完四道会。村党支部召开会议、村两委召开会议进行商议、提交党员大会审议，对拟新识别户、返贫户进行研究；“前三议”结束时形成的名单上报，进行信息前置比对工作，对于比对疑点问题在民主评议环节进行评议。召开村民代表民主评议会，根据民主评议结果，形成新识别户和返贫户初选名单。填写《档案资料规范化建设》中的“附件1：xx村2018贫困户初选对象统计表”。
10月17前开始公示。对形成的初选名单进行第一次公示，公示7天。公示模版：“参考文本6”。
10月24日前，村向乡镇上报“参考文本13”的“XX村两委 关于审核确认2018贫困户的报告”和”XX村 2018贫困户初选名单”。
10月26日前，乡镇对村上报初选贫困户审核批复（“参考文本14”）完毕。要有审核的材料，审核底稿上要进行“六签字”。
10月28日前，乡镇开始第二次公示。模版“参考文本7”。11月4日前，乡镇上报关于复审贫困户的报告，“参考文本8”。
11月6日前，县扶贫办对乡镇进行批复并公告最终贫困户和返贫户名单。
11月10日前，村完成对新识别的户采集信息、填写精准扶贫明白卡，对所有户、贫困村（自然村）进行信息更新。
提醒大家：我们各个环节的时间安排非常紧凑，大家一定要严格按照节点开展工作，最好有1天的提前量。
四、工作要求
（一）加强组织领导。各乡镇办要高度重视精准脱贫动态管理工作，加强统筹协调，认真履行职责，做好调查核实、公示公告、备案管理、信息录入等工作。要建立动态管理台账，跟踪退出对象和纳入对象的实际生活状况，确保政策落实到位。
（二）严把工作质量。脱贫退出中，把脱贫质量放在首位，坚持标准程序，征得群众广泛认可。做好脱贫规模与后两年脱贫规划平衡和衔接，既要防止急躁冒进、也要防止消 极拖延。乡镇内出现因脱贫质量不高而大规模脱贫回退的，要追究责任。识别工作中，严格标准和程序，把是否解决“两不愁三保障”作为最重要的识别依据，关注危房户、低保户、非贫困县和非贫困村内符合条件的人群。
行人交通信息采集方法分析 篇3
1 行人交通特征表现
行人交通特征表现在行人的速度、对个人的空间要求、步行时的注意力等方面。这些与行人的年龄、性别、教养、心境、体质及出行目的等因素有关,也与行人所处的区域、周围的环境、街景、交通状况等有关。具体表现在:如果不是赶时间尽快到达目的地,行人都倾向于以自己最舒适的步行速度来行走;行人总是与其它行人和边界保持一定距离,这个距离在人们匆忙行走的时侯就会变小,也会随着人流密度的增大而递减;当行人密度增加时,步速和步幅都会明显减小;年青人步幅较大,步速较快,老年人则步幅较小,步速较慢。
2 行人交通信息的组成
行人交通信息包括行人流量、步频、步幅、速度、加速度、密度、行人可接受间隙等,按照行人交通设施的不同,将行人交通分为步行道纵向交通和过街横向交通,在步行道交通条件下,行人交通信息主要包括行人流量、速度、步频、步幅等;在人行横道条件下,行人交通信息主要包括集结密度、过街等待时间、过街速度、行人可接受间隙等。
3 行人交通信息采集方法
行人交通信息的采集可以借鉴机动车交通信息采集方法,分为人工采集法和自动采集法。人工采集法,为手动计数,在劳动强度大的场合,人工采集法有一个易疲劳的突出问题,精度得不到保证,花费人力多,人工成本大,不宜长时间信息采集。自动采集法是指利用红外检测器、微波检测器、超声波检测器、视频检测器和GPS检测器等设备来自动采集行人交通数据的方法;由于行人所固有的物理特性,地感线圈检测器和压电式检测器等方法不起作用。
3.1 人工采集法
人工采集法是一种运用广泛的数据采集方法,采集方法所使用的常用工具有:秒表、尺子、纸张等,需要的采集工具十分简单。人工采集方法具有机动灵活、易于掌握的特点。但人工采集法有一个易疲劳的突出问题,单位人工成本高也是一个不容忽视的问题,不适宜进行长时间的观察。因此,人工采集法常用于短期行人交通信息的采集,如可进行短期行人交通流量调查、记录行人的性别、年龄等参数。
3.2 视频采集法
视频采集法就是对行人交通进行摄影录相,对采集到的视频图像再进行图像识别从而得到行人数据的方法,具有可重现、长时间数据采集的特点。西北工业大学空中交通管理系统研究所,对行人检测与跟踪进行系统研究,对行人的运动加以跟踪,提取出了行人的运动轨迹。北京工业大学的何民开发出的交通视频数据采集软件Track,它不单对车辆和自行车有好的识别效果,他还对行人数据采集性能进行了大量提升,能通过鼠标点击行人的特征点,如头部等进行方便地数据采集,能测量行人在不同时刻的交通数据:速度、加速度、位置以及运动轨迹等。根据实测,在70 m×70 m的现场中精度获得了低于0.4%的误差。
3.3 GPS采集法
GPS数据采集系统可以对单个人的启动过程和行进过程进行连续的数据采集,这时GPS系统就比人工观测法更加适合于个人微观行为的数据采集了,GPS用于行人交通的数据采集具备以下优势:①全天侯数据采集,且不受天气的影响;②可以提供连续的、实时的行人三维坐标位置、速度和时间;③定位精度高,精度可达10 m,经过基准基站调准并采用差分定位等方法,精度可以进一步提升达到厘米和毫米级;④体积小,行人方便携带。GPS数据采集方法对行人的启动过程和行进中的微观数据采集具有很好的效果。由于GPS采集设备不具备普及的特点,所以当需要对不同的行人进行大量的数据采集时GPS采集方法并不适用。
3.4 无线定位采集法
无线定位技术即手机定位技术,是利用已经建成的各通讯网络资源和移动通讯设备这些日常生活中已有的资源来实现的定位技术,这种定位方式比GPS定位方式,最大的优势是投资少,不需要购买新的设备,只需要行人拥有一个手机再辅以手机无线定位软件,或者基站在定位上升级硬件和软件就可以实现获取行人坐标位置和时刻数据。对位置加以坐标变换,过滤掉噪声数据,再辅以地图匹配技术来修正行人位置推算出行人的运动轨迹,就可以得到实时的行人基础交通数据,如速度和行程时间等。无线定位已经得到了越来越广泛的关注,特别是自美国联邦通讯委员会通过的E911法案,强制运营商要在紧急情况下需知用户的位置信息,运营商和技术研发部门就大力在提升无线定位服务精度了,定位服务质量在逐渐的提升,满足一定的行人交通数据获取的精度要求,随着无线网络的优化和技术的发展,无线定位精度是有进一步提升的可能。无线定位技术目前比较流行的有TDOA,A-GPS和GPSONE。
3.4.1 地图匹配技术
由于无线定位获取的行人位置存在误差,将导致行人的运动轨迹偏离实际的道路,因此通过地图匹配技术来校准行人位置,达到减少误差的目的,才可以进行行人交通数据的获取,匹配前需要进行坐标转换和过滤噪声。
无线定位一般所采用的坐标体系是WGS-84经纬度坐标,而我国的地图坐标体系采用的是北京54坐标系,两个坐标系统存在一定的误差,必须转换统一才能应用。转换步骤如下:①将WGS-84的经纬度坐标(B84,L84,H84)转换为以地心为中心点的大地坐标(X84,Y84,Z84);②通过坐标平移、缩放、旋转,将地心大地坐标(X84,Y84,Z84)转换为54坐标系下的地心坐标(X54,Y54,Z54);③将地心坐标(X54,Y54,Z54)转换为54坐标系下的大地坐标(B54,L54,H54);④利用高斯克吕格规则对(B54,L54,H54)进行投影得到投影坐标(x,y)。
转换后的数据包含噪声数据(机动车和非机动车使用者手机传回的数据),必须把这些噪声数据过滤掉,保留行人正常在道路上行走的数据,才能进行地图匹配。过滤噪声数据可以根据一定的判断准则和统计方法来进行,如可基于位置的变换率来判断,数据在道路左右,且移动迅速的,可判断为机动车辆;位置变换率低于车辆但高于行人的,一般可判断为非机动车或者拥堵状态下的车辆。保留下来的行人数据还要进一步剔除,有可能缓慢移动的车辆和非机动车数据在有些情况下(如拥堵情况下)是接近于行人数据的,这时要结合该移动台的历史数据进行判别。
地图匹配的效果和精度受多种因素的影响,如匹配算法的类型、手机位置更新的周期、电子地图的和手机定位的精度等,以下分别讨论点到点、点到线的地图匹配。
1)点到点地图匹配。 在电子地图数据库存储的点中搜索离无线定位位置最近的点作为匹配点,假设无线定位点为W(x0,y0),该点位于道路外面,且该点离电子地图上临近的路线为Li(i =1,2,…,n),Li由若干点构成,点坐标为P
求得i=I,j=J,则匹配的点为P(xp,yp)。
2)点到线地图匹配。 把待匹配的无线定位点向电子地图上附近的道路做投影,计算它们之间的距离为d,在所有侯选道路中选择距离值最小的作为匹配道路,且道路上的投影点即为匹配点P(xp,yp)(见图1)。
3.4.2 实时行人交通信息获取
利用经电子地图匹配后的无线定位数据,可获得行人的流量、地点速度,平均速度。
1)行人流量。行人流量是指单位时间内,通过道路某一点、某一断面的行人数量,常用单位为人/15 min。行人流量是对运动目标跟踪,获得进入目标区域的行人数量来获取的,公式为
式中:q为流量; N为数据采集间隔内的人数; T为数据统计采用的时间间隔。
2)步行速度。步行速度是指行人某一时刻的地点速度
式中:vi为采样间隔内第i个行人的地点速度;Δti为采样间隔内第i个行人通过前后采样点的时间差; D为前后采样点之间的距离。
3)平均速度。行人平均速度即为一段观测时间内,通过某区间道路的单位距离,设平面坐标依次为p0(x0,y0),p1(x1,y1),p2(x2,y2)…pq(xq,yq)…,总时间间隔为td=tq-t0,则通过手机数据推算行人路段平均速度为
式中:d为区间道路总位移; td为行人行走区间道路所费时间。
4 结束语
本文从行人的交通特性出发,分别介绍了行人的4种数据采集方法:人工采集法、视频采集法、GPS采集法和无线定位采集法。人工采集法简单易行,但不适宜进行长时间的采集,常用于短期行人交通信息的采集;视频采集法具有可重现、长时间数据采集的特点,随着图像识别技术的发展,行人视频采集技术具有广阔的发展前景;GPS数据采集方法对行人的启动过程和行进中的微观数据采集具有很好的效果,但不足之处是无法进行大样本的数据采集。重点介绍了无线定位采集法,无线定位采集法可以利用手机普及的优势开展大量行人数据调查,随着无线手机技术的发展,手机定位精度不太精确的劣势得到克服,行人无线定位数据采集是有着无限的运用前景。
摘要：从行人的交通特性出发,分别介绍人工采集法、视频采集法、GPS采集法和无线定位采集法等行人交通信息采集方法。详细分析无线定位采集法在行人交通信息采集中的运用,对研究行人交通具有重要意义。
关键词：行人交通,视频采集技术,GPS技术,无线定位
参考文献
[1]杨晓光,陈白磊,彭国雄.行人交通控制信号设置方法研究[J].中国公路学报,2001,14(1):73-76.
[2]陈然,董力耘.中国大都市行人交通特征的实测和初步分析[J].上海大学学报(自然科学版),2005,11(1):93-97.
[3]廖明军,李克平,王凯英,等.行人交通微观仿真研究综述[J].武汉理工大学学报(交通科学与工程版),2010,34(1):180-183.
[4]邵春福,李娟,赵熠,等.行人交通的视频检测方法综述[J].交通运输系统工程与信息,2008,8(4):23-28.
[5]何民.混合交通流微观仿真关键技术研究[D].北京:北京工业大学,2003.
[6]孙智勇,葛书芳,荣建,等.行人交通的数据采集方法研究[J].北京工业大学学报,2006,32(6):530-533.
[7]胡明伟.无线定位技术应用于实时交通信息采集研究[J].深圳大学学报(理工版),2007,24(3):246-250.
[8]范平志,邓平,刘林.蜂窝网无线定位[M].北京:电子工业出版社,2002.
利用手机切换采集交通信息的研究 篇4
随着城市化进程的推进, 城市规模不断扩大扩大, 人口和车辆的不断增加, 城市交通已经越来越成为了人人关注的一个话题。当前, 手机覆盖范围相当广泛, 原则上只要在信号覆盖区域都能实现数据采集, 数据量丰富。通过对手机网络无线信令数据如手机网络小区切换信息等分析计算可以获取相关交通流量、车辆速度的实时交通信息。该方法的检测精度比GPS 技术低, 但它利用已有的通信设施, 无需GPS 模块的辅助, 且潜在样本数量大, 信息范围广, 具有很高的实用价值和应用前景。
二、基于手机切换的交通数据采集方法
(一) 利用手机切换采集车辆速度的简化模型。下面我们用一个简单的模型, 来说明了如何利用从手机网络中获取的位置信息来估计路段上的车辆移动速度[1]。
在此模型中, 研究路段被看作是一直线路段, 先后被小区1、2、3 划分为3 个部分, 分别称为路段1、路段2 和路段3, 小区中心间距离为L。一辆小汽车从小区1驶入小区3, 并且汽车上有一手机用户正在通话中。当该汽车越过小区边界时, 手机就会产生一个切换信息向网络汇报, 可以用一个4 元变量Y 来描述。
Y= (q, t, Cellfrom, Cellto)
其中, q 指手机识别码, t 指发生小区切换的时刻, Cellfrom和Cellto 指切换前后手机所处的小区识别码, 可以映射为具体的路段。小汽车从小区1 移动到了小区3, 经历了连续两次切换, 形成了一个切换对 (Yq12 , Yq23 ) , 其中:
Yq12= (q, t12, 1, 2) , Yq23= (q, t23, 2, 3) 。时刻t23>t12。
于是, 该车辆在路段2 上的平均速度可以由公式vq2=L/ ( t23- t12) 计算得到。
(二) 利用手机切换信息采集车辆移动速度的方法。交通道路通常都是曲折的线路, 这可以通过专门软件进行实际勘测, 在道路上标定出手机发生切换点的位置和坐标, 计算出每条切换网络的路段长度, 如图1所示:
其中A (1, 3) 就是一个标定的切换点, 表示手机从基站1 切换到基站3 的位置坐标, L1就是两个切换点A (1, 3) 和A (3, 4) 之间的路经。
按照图1所示, 在理想条件下, 与道路相对应的手机切换序列为1-3-4-6-9-11-13-15, 当通过手机网络解析出来的小区标识全部或者部分与这条道路的切换序列相一致, 就将这个手机的移动路径匹配到这条道路上。例如, 采集到手机切换序列为1-3-4、4-6-9、6-9-11-13等, 均可以判断手机移动路径在这条道路上。
在完成路径匹配后, 就可以通过2次切换的时间差和切换点之间的距离进行每条路段的速度计算。如采集到的手机序列为1-3-4, 其间的时间差为t1, 那么可以计算出手机移动的速度为V1= L1/ t1。按照同样的方法, 根据采集到的手机切换序列计算出所有相应的路经速度V。
(三) 实际测试。利用此方法, 我们在天津市选择北城街、城厢中路、南门外大街、卫津路、卫津南路、S5荣乌联络线辅路, 止于赛达大道的测试路径, 全长约11公里, 进行了实际测试, 并采用视频分析方案进行验证[2]。即在起点的录像中标记特征车辆, 记录起始时间。然后在测试路径各节点的录像中找到同一部特征车辆, 并记录到达时间, 这样就能计算出实际平均速度。
系统平均速度是根据手机切换方法, 由系统根据算法计算得出的速度, 通过比较得出最大的正负误差率分别为38.6%, 和-29.2%, 绝对误差超过30%的比率为25%。
(四) 影响信息采集准确性的关键技术。
1.切换稳定性与路径匹配。基于手机切换的路径匹配方法是通过沿道路行驶的车上手机的换序列来判断手机所在的道路。在实际的移动网络中, 各个基站是有一定覆盖范围的, 有可能两条相距较近的道路处于完全相同的一些小区覆盖区域中, 那么当手机通过这两条道路的序列可能是完全相同的, 此时除了切换序列之外, 我们还需要其他信息来匹配, 比如:两条平行的路段上的行车限速有明显差别, 那么就可以根据测试到的通过两个相同切换位置标定路段所用的时间来区分这两个样本。
2.切换点位置变化范围对速度精度的影响。在实际上, 手机网络各个小区并没有严格意义上的边界, 形状也是十分不规则的;并且由于信号传播的复杂性, 受外界因素的影响, 切换点的位置存在着一定的变化范围。如果变化过大, 例如百米以上, 那么对速度估算的精度影响就比较大;如果变化范围在几十米, 则对速度估算的影响较小。
三、需要进一步研究的问题
(一) 路径匹配算法改进。路径匹配是手机定位技术应用于交通数据采集的关键环节, 前面介绍的路径匹配方法还比较简单, 不是很好, 需要改进, 以提高匹配率。
(二) 道路网络类型对技术的影响。城市道路网络包括主干路、快速路、高速公路以及平行道路和相交道路构成的网络环境, 不同的道路网络类型可能会有不同的应用效果, 需要分别研究。
(三) 样本量问题。如果想从移动网络中获取实时交通信息, 那么获取样本的时间窗就不能太大, 否则就无实时性可言, 但这又会导致样本数量的减少, 小样本估计比较困难, 所以就必须在实时性和样本量之间取得平衡。
四、小结
利用手机网络采集交通信息技术由于其投资小、数据量大、采集覆盖范围广等特点, 日益受到社会有关机构的重视。基于小区切换的采集交通信息的方法为交通数据采集提供了解决问题的潜力, 但也面临着一些问题和关键技术, 还有待于进一步研究。
摘要：当今城市交通已经越来越成为了社会关注的一个问题, 而通过经济有效的手段获取交通信息是建设智能交通系统的重要环节。针对获取交通信息方法, 首先对传统方法的优缺点进行了说明, 然后介绍了一种利用手机网络、通过手机网络小区切换来获取交通信息的方法, 并对该方法进行了研究分析。
关键词：交通信息,手机网络,手机网络小区切换,路径匹配
参考文献
[1]张存保, 杨晓光, 严新平.基于浮动车的交通信息采集系统研究[J].交通与计算机, 2006 (05) .
动态交通信息采集 篇5
智能交通系统 (Intelligent Transportation System, 简称ITS) 能够有效地发挥作用的一个重要基础和前提是及时准确地获取动态变化的交通信息。目前常用的方式有感应线圈、视频、GPS浮动车等, 相对于这些传统的采集技术, 利用车辆用户手机在移动通信网络中的定位信息来分析推算动态交通状况是一种新兴的动态交通探测技术[1,2]。该技术利用普通手机作为检测器, 同其它采集技术相比, 节约了大量的前期基础设施投入, 而随着手机普及率的增长, 也使得手机采集技术获取的交通信息能够得到更为广泛的应用。值得注意的是, 随着现代交通管理对实时交通信息质量与数量的需求, 使用单一类型的交通信息采集方式已经不能充分满足应用的需要, 多源交通信息融合在数据种类以及时空覆盖的互补性上逐渐吸引了人们的关注[3,4]。
文章采用两种交通信息采集方式, 即手机采集和车载GPS采集, 获取道路的交通状态信息。这两种采集方式均属于浮动车采集方式, 但是前者受环境的限制, 在某些情况下会对精度造成影响, 而后者存在空间覆盖范围较为局限的问题。为改善上述情况, 结合两种交通信息采集方式的优点, 本文引入Dempster-Shafer数据融合方法, 建立了道路交通状态的估计模型, 通过对两种采集方式的结果进行合理的分配、组合, 从而获取对交通状态更合理、更准确的认识。实地验证结果表明:相比于单一数据源来说, 该模型能够提供时空覆盖面更广, 精度更高的实时道路交通状态信息。
2 数据采集方式简介
交通信息的服务和应用旨在为社会公众提供满足出行所需的信息, 其中包括了道路交通的拥堵信息。交通状态是对道路交通拥堵情况的一种直观描述, 通常分为畅通、拥挤和阻塞三种情形, 在每种情形下, 道路交通具有不同的拥堵表现形式, 并通过交通参数反应出来。
不同出行者对道路交通拥堵程度的感受是不一样的, 从广义的角度上来说, 通常对道路交通拥堵情况的描述为:
畅通, 表示道路交通流处于自由流或者无阻碍状况, 交通流中的车辆操纵受到的阻碍不明显。
拥挤, 此时道路交通流量稍有增加就会引起延误的明显增大、行程速度的大幅下降, 交通流中的车辆操纵受到较大限制, 交通流的一些波动, 例如车辆插入或者变换车道等, 都会引起排队现象。
阻塞, 道路交通流中的车辆处于持续的排队状况。
2.1基于手机采集
利用手机移动通信网络中的定位信息来分析推算动态交通状况是一种新兴的广域动态交通探测技术, 该技术在覆盖范围和成本两方面都有着显著的优势。此类技术通常分为模糊定位和精确定位两种, 模糊定位的精度一般介于50到300米之间, 精确定位的精度可以达到5到30米。
基于手机的交通信息采集处理系统, 利用移动通信信令采集卡在GSM网络信息平台的相关接口上采集移动通信系统的交换机信令信息, 从中提取出含有手机位置信息的数据, 对提取的手机原始数据进行过滤、去噪、地图匹配等处理, 最后经过处理得到道路交通信息。
基于手机的交通信息采集处理技术的流程如图1所示:
2.2 基于车载GPS采集
车载GPS利用安装了GPS系统的行驶车辆, 获得车辆运行状态数据, 以反映实际道路的交通状态。GPS数据处理算法主要分为三个环节:GPS数据过滤、地图匹配、模型计算。首先, 原始GPS数据 (包含了每个上报GPS点的位置信息、角度、速度、车辆状态等信息) 和交通路网基础数据作为GPS算法的输入, 算法先要对原始GPS数据进行过滤处理, 滤除那些不满足后续处理需求的无效GPS数据。其次, 经过过滤处理后的GPS数据将被地图匹配算法匹配到现实的交通路网的具体路段、具体位置上, 这一环节是GPS数据处理算法的关键技术之一, 地图匹配的效率与精度直接决定了系统对路网交通状态判断的效率与准确性。最后, 算法将在经过地图匹配后的GPS点中, 挑选满足算法需要的样本, 进行路段行程时间和行程速度的计算。
基于车载GPS的交通信息采集技术的算法流程如图2所示。
3 基于DS融合方法的交通状态估计
信息融合, 或者又称为数据融合, 是一种多源信息的协调处理技术, 在不同的问题领域, 其实现方法、步骤和准则都不相同, 需要根据具体的系统来理解并提出相应的方法。其基本原理是充分利用不同的信息来源, 按照某种准则进行合理分配、组合, 以获取对被观测目标的更合理或者更准确的认识。
3.1 Dempster-Shafer证据推理方法
Dempster-Shafer证据推理方法 (简称DS方法) 是一种给予不确定性和未知因素更多关注的理论。其基本原理是Dempster合并法则:多个数据源可以根据自己定义的证据函数, 在同一识别框架下做出各自的判断, 并且可以通过一定的方法将合理的判断合并在一起。DS融合方法具有运算简便、可靠性高、实用性强的特点, 在交通数据融合中得到广泛的应用[5]。
DS方法中有4个基本概念, 即识别框架、证据函数、信任函数和似然函数, 分别定义如下:
识别框架:关于融合对象分类的所有互斥且完备的基本属性值空间, 记为: 的幂集合, 即的所有子集的集合记为U。F证据函数:, 具有性质:
证据函数: 具有性质: φ表示空集;
m () 的值表示赋予的信任程度。对证据函数的定义还没有一个通用的方法。
信任函数: 表示所有直接支持的信任程度之和。
似然函数: 表示所有不直接反对的信任程度之和。
假设两个数据源的可靠性都是一样的, 定义合并法则为:
DS输出的决策方法通常有两种, 即: (1) 最大信任函数法:融合的输出即为使得信任函数最大的Λi: 以及 (2) 最大似然函数法:融合的输出即为使得似然函数最大的Λi 两种方法任选其一即可。
3.2 交通状态融合技术
道路交通状态划分为拥堵、缓行和畅通三类, 因此定义其识别框架表示为:Ω- (1, 2, 3) 。其中数字1表示畅通, 2表示缓行, 3表示拥堵。计算证据函数的方法描述如下:对两个数据源, 通过比较各自的输出状态与实际状态 (通过实地观察获取) 得到各自的混淆矩阵:
其中 表示第k个数据源提供的交通状态为j, 而实际交通状态为i的个数。这样, 第k个数据源输出数据的总体精度可以通过下式给出:
第k个数据源输出第j种交通状态数据时, 推测该数据源输出状态为r, r=1, 2, 3的可信度, 即证据函数可以根据混淆矩阵定义:
在实际计算中, 要将各证据函数归一化, 即
然后根据Dempster合并法则, 即式 (1) 计算融合后的证据函数, 并计算信任函数Bel。最后比较信任函数, 融合的输出即为使得信任函数最大的那一个状态。
3.3 实证分析
挑选上海市徐汇区小木桥路上的三个路段作为分析路段, 即:清真路到斜土路、斜土路到零陵路和零陵路到中山南二路。计算混淆矩阵的数据采自于2009年7月15日早上8点整到11点20分和下午4点30分到5点40分的交通信息采集系统输出结果;验证模型的时间段为2009年7月16日早上10点16分到11点18分。
两个数据源的混淆矩阵如表1所示。
选取验证时间段内三个路段的GPS和手机交通状态数据作为融合的输入。根据表1中的混淆矩阵计算各数据源的归一化证据函数, 然后按照公式 (1) 进行融合, 最终输出结果如表2所示。
从表2中看出:在融合的时间段内, 路段1的融合输出避免了手机不可靠数据的干扰;路段2融合后的结果准确度比GPS结果高出19.36个百分点, 比手机结果高出6.46个百分点, 同时, 当其中一个数据源 (手机采集数据) 缺失时, 能够从另外一个数据源 (GPS采集) 获得可靠的数据进行补充, 从而保证了时空的覆盖率。路段3上的手机数据有很高的准确度, 而GPS数据的准确度却非常低, 但是融合后的结果并没有受到GPS数据源的影响, 仍然比手机数据的准确度高出了3.23个百分点, 提高了最终输出结果的精度。
4 结论
随着现代城市的高速发展, 人口和机动车的激增带来世界性的城市交通拥挤问题。ITS能够有效地利用现有交通设施改善交通环境、降低环境污染、提高交通安全、提高运输效率, 而交通智能化的前提则是交通信息化。在充分发挥现有交通信息采集技术工作能力的同时, 开发运用新型的交通信息检测技术, 并利用多源交通信息检测技术的互补性, 通过数据融合的方式对实时交通信息进行高效整合, 挖掘出更加有价值的实时交通状态信息似乎是一项可行的研究方向。
文章采用一种新兴的交通信息采集方式:基于手机的采集方式, 获取道路的交通信息, 利用Dempster-Shafer证据推理方法, 融合了GPS浮动车采集的交通数据, 提供覆盖面更广, 准确度更高的道路交通状态估计。挑选上海市徐汇区小木桥路上的三个路段进行估计模型的验证检验, 结果如表2所示, 从中可以看出:采用文中给出的方法, 保障了道路状态信息输出的准确度和覆盖度。
参考文献
[1]Qiu, Z., Cheng, P.and Ran, B..Investigatethe Feasibility of Traffic Speed EstimationUsing Cell Phones as Probes.InternationalJournal of Services Operations and Informatics, 2007, 2 (1) :53-64.
[2]Qiu, Z., Jin, J., Cheng, P.and Ran, B..State of the art and practice:Cellular ProbeTechnology Applied In Advanced TravelerInformation System, the 86th TransportationResearch Board Annual Meeting, WashingtonDC, USA, 2007.
[3]吴小俊, 曹奇英, 陈保香, 刘同明.基于Bayes估计和加权数据融合算法的交通量检测方法.系统工程理论与实践, 2000 (, 7) :45-48.
[4]任英伟, 陆键, 王海燕, 项乔君.交通量观测数据处理的模糊融合算法[J.]公路交通科技, Vol.23, 2006 (9) :85-89.
动态交通信息采集 篇6
关键词：时间同步,交通检测,网络延迟,智能交通
0 引 言
交通状态具有强烈的时间特性,信息采集终端采集的数据必须按照统一的时间标准进行的统计处理。随着智能交通系统应用的不断发展,交通规划、智能交通诱导系统、交通管理等都在不同程度上依赖于检测器采集的交通信息,由于系统时间同步的累积误差,长时间运行后会严重影响交通实时数据应用的充分发挥。
由于时间不同步,当服务器对检测器不同时段(5 min)交通流量进行统计时,道路交汇点或分支点交通量出现明显偏移,系统判断为失真,从而产生数据段被丢弃的现象,进而造成系统检测数据出现重大误差。时间同步对于系统数据的准确性具有重要的决定作用[1]。
1 时间同步问题分析
系统时间同步问题在各个研究领域都有不同程度的存在,国内外曾进行了多方面的研究,研究的领域主要集中于局域网、无线网络等电信、电子应用领域。
系统内时间同步的主要解决办法有3种:搬运钟法、主站授时法、授时中心法[2,3]。搬运钟法没有解决网络延迟问题,同时各观测站时钟“漂移”等硬件问题严重影响系统时间的精度。主站授时法和授时中心法针对的系统形式稍有不同,系统同步时间精度较高,可以达到微秒级,但开发成本较高。交通信息采集系统对时间同步的精度要求不高,同时考虑到系统开发、维护成本的控制,一般采用主站授时法对网络内时间进行同步[1]。
2 时间同步策略
网络时间协议Day Time Protocol和Time Protocol没有估算到网络的时延,目前已经不再广泛使用。取而代之的是网络时间协议(network time protocol NTP)或简单网络时间协议(simple network time protocol SNTP)协议。
网络时间协议(NTP)利用冗余服务器和多条网络路径来获得时间的高准确性和高可靠性。NTP可以提供高精准度的时间校正,且可用加密确认的方式来防止恶毒的协议攻击。时间延误实际约为50 ms[2,3,4]。SNTP主要用来同步因特网中的计算机时钟,简化了NTP服务器和NTP客户端策略,沿用了NTP规范和原有实现过程,以简单、无状态远程过程调用模式执行精确而可靠的操作。
智能交通信息采集点一般距离中心机房的位置较远,系统采集的数据主要应用于交通量的统计,交通运行规律的分析,交通状态的分析和发布等,对系统运行的实时性要求不高,同时考虑到开发成本和系统升级、维护费用以及适用性原则,交通项目一般采用简单网络时间协议(SNTP)。
2.1 网络延迟的计算
影响NTP(SNTP)协议精确度的主要原因是由网络延迟的随机性引起的时钟延迟计算的系统误差[7]。首先客户机发送一个请求数据包,请求数据包包含客户机的当前时间数据(称作时间戳),服务器接收到后回送一个应答数据包,应答数据包中包括了服务器提供的当前世界协同标准时间UTC。NTP(SNTP)根据这2个数据包确定时间误差,并通过算法来消除网络传输的不确定性的影响[5,6]。图1显示了NTP(SNTP)协议确定延迟和偏移的基本原理。
图1中的C1为客户端向服务器发送查询标准时间数据包的客户端时间,S1为服务器接收到查询数据包的时间,S2为服务器返回标准时间数据包的时间,C2为客户端接收到返回数据包的客户端时间。利用这4个时间戳,可以得到:
网络传输总延时:
Delay=(C2-C1)-(S2-S1); (1)
客户端时间补偿值:
Exp=(S1-C1)+(S2-C2)/2 (2)
显然网络延时只与C1和S1的差值、C2和S2的差值相关,而与C1、C2的差值无关,即最终的结果与服务器处理所需要的时间无关。于是,客户机通过这4个时间戳计算出时间偏差和网络时延去调整本地时钟,从而实现了与标准时间的同步。
2.2 时间同步策略选择
一般而言需要综合考虑时间成本、硬件成本、维护管理成本和运营成本等综合要素来决定时间同步策略。主要的策略包括主站授时法和授时中心法,2种方法的简要对比如下表所示。综合对比分析可以得出主站授时法更适合于智能交通信息采集系统。
2.3 时间同步算法
步骤1 确定系统的时间同步间隔。根据系统应用要求、网络传输速度的限制及网络传输延时的结果,确定系统时间同步的间隔。
步骤2 计算网络延时。服务器对各个终端发送请求数据包;终端机收到请求包后,发送响应数据包。服务器收到各个终端的响应数据包,按照时间戳计算相应终端的网络延时。
将网络延时数据存入存储器,并和过去网络延时进行比较,如果计算的网络延时明显大于过
去的网络平均延时(大于1.5倍),则对该终端进行单独授时并重新进行该终端的延时计算。
步骤3 确定系统时间同步工作模式。
步骤4 建立系统时间同步失调报警及定期维护提醒。
2.4 现场终端设备时间同步逻辑实现
现场采集终端设备通信采用单片机实现[8],其逻辑框图如图2所示。
限于篇幅,时间同步的实现及调试不做详细的讨论。
3 应用实例
在深圳城市智能交通仿真项目开发过程中,针对不同的时间同步策略对系统精度的影响进行了对比测试[1,2,3,4,5,6,7,8,9]。鉴于项目经费、人力、工期的要求,时间同步周期选择90 s。检验方式:录像与设备实际检测结果比较。
通过对比试验可以看出系统性能得到了改善,系统时间同步前后检测精度的改善见图3～图5。
注:不同厂家产品检测精度差异是由于采用的设备不同,有红外检测、微波检测、视频检测。
通过系统时间同步方案的调整,系统指标得到了大幅度的改善:系统交通流量统计精度大幅度提高;系统检测精度差异性较大的缺陷得到了改善;系统的采集数据精度取得了明显的提高,由初步安装完成的79%～ 93%提高到方案改进后的87%～96%。
4 结 语
时间同步策略是智能交通系统开发建设中的基础工作,笔者为智能交通系统时间同步提供了基本的策略和实现,存在协议简单、易实现、易维护的优点。采用的时间同步策略适合于智能交通指标。随着系统规模的扩展可以进一步改进协议,协议的可扩充性及兼容性在应用中也得到了现阶段的需求,较好地满足了系统的技术及管理实践验证。但是在系统扩充到一定规模时应注意互联网协议(TCP/IP)存在协议冲突问题,系统传输及接收过程中可能出现延迟增加和丢包现象。
参考文献
[1]同济大学交通运输工程学院.深圳市城市交通仿真项目系统检测报告[R].上海:同济大学,2006
[2]Rentel Gomez,Carlos H.Network time synchroni-zation and code-based scheduling for wireless ad hocnetworks[D].1992
[3]Mills.D.L.Network Time Protocol(Version 3)Specification.Implementation and Analysis[R]RF-CI305,1992
[4]Marzullo K,Owicki S,Maintaining the time in adistributed system.ACM Operating Systems[R]Stanford University,1985,44-54
[5]沈燕芬.用于网络时间同步的NTP协议.现代计算机[J].2004(4):54-56
[6]李明国,宋海娜,胡卫东.Internet网络时间协议原理与实现[J].计算机工程,2002,28(2):275-276
[7]黎文伟,张大方,谢高岗,等.基于通用PC架构的高精度网络时延测量方法[J].软件学报,2006,2(17)
[8]孙娜,熊伟.分布式网络系统中时钟同步的实现[J].计算机工程,2003,29(14):136-138
动态交通信息采集 篇7
交通事故是由人、车、路之间发生的冲突所引起的事件。所有交通事故的发生都处在一定的道路位置,这是交通事故案件区别于其他刑事案件的重要特征。交通事故现场留有大量、真实的事故证据,是判定事故发生过程、分析事故成因、认定事故责任的基础。
由于道路交通日益繁忙,事故现场情况复杂,不可能长时间的封闭现场。在短时间内进行现场勘查存在较大困难。目前,国内交通事故现场信息采集系统性的研究处于起步状态,有的是从定位的角度提出了现场的测量方法[1]。雅典科技大学(NTUA)Maria博士在2006年基于Leica HDS2500系统对事故现场信息做过系统性的研究[2]。新西兰奥塔哥大学Chris Hyslop运用Rigl LMS Z210系统从事故调查的角度进行进行比较研究[4]。
交通事故现场3D激光扫描技术是运用激光扫描仪对事故现场进行三维扫描,对事故现场的三维扫描图像进行分析研究,通过现场扫描图像采集事故现场数据。由于现场三维扫描所需的时间短,现场所有的信息可以记录在扫描的图像上,对事故现场勘查有着重要的作用。
1 三维激光扫描系统的原理
采用激光进行高精度的定位、测量已经有30多年的历史。随着相关技术的发展,使得激光扫描技术成为现实。激光扫描的过程,实际上就是一个不断地进行数据采集和处理的过程。通过具有一定分辨率的点(坐标x,y,z)与激光扫描设备构成一个坐标系。
通过激光扫描仪的测角和测距从而计算出测点的三维坐标(x,y,z),见图1所示。
图中P点为地面扫描点,O点为扫描仪中心位置。
地面三维激光扫描仪通过数据采集获得测距观测值S,时钟编码控制器同步实时的测量出每个激光脉冲的横向扫描角度观测值α和纵向扫描观测值θ。扫描仪在内部坐系统内,计算出P点的三维坐标。
激光扫描仪通过对扫描对象的点对点的扫描,实时高速的计算出被扫描点的三维坐标,被扫描的每个点组成点云图。通过对点云图的分析处理就可以采集被扫描对象的数据信息。
2 系统的构成和特点
2.1 系统构成
激光扫描系统主要由3部分组成:发射与接收、控制与处理系统。
发射与接受系统的主要功能是发射和接收激光束。一个激光脉冲发射体在触发脉冲的作用下,激光发出一个极窄的高速激光脉冲,通过扫描镜的转动射向被扫描点,同时,激光信号被取样而得到激光主波脉冲。扫描系统的扫描镜收集被测点发射回的激光回波信号并将其转变为电信号。控制系统主要功能是通过内置驱动电机精确控制扫描镜的转动,使得激光束沿着横轴方向和纵轴方向快速扫描。处理系统的功能是根据目标测距的时间延时与扫描镜的横、纵向角度计算出目标点的三维坐标。处理系统还可以根据点云图输出扫描场景的信息。
2.2 系统特点
三维激光扫描系统是一种非接触式主动测量系统,可以进行大面积高密度三维数据采集。具有点位测量精度高、采集空间点的密度大、速度快、不需要建立控制点就可以建立模型的特点。三维激光影像数据可以提供首次回波脉冲和尾次回波脉冲测量数据,同时也融合了激光反射强度和物体色彩等信息,为扫描目标的分析提供了进一步的研究内容。三维扫描获得的数据点云图可以建立高精度的数字现场模型。通过对建立模型的分析,采集事故现场的信息。
图2、3分别为事故现场扫描和由扫描数据生成的平面图。
目前无棱镜反射激光扫描的射程已经达到1 500 m,测距精度达到毫米级,完全符合事故现场勘查的精度要求。
3 事故现场的应用
交通事故现场扫描有4个步骤,①是确定事故现场的测量范围;②是进行现场扫描生成点云图;③是进行场景拼接;④是进行三维建模。
3.1 现场扫描范围确定
事故现场的范围不仅仅是车辆碰撞的区域,还应包括车辆在事故形成过程中的痕迹以及物证的区域。例如,在车辆制动的过程中留下的制动痕迹。这类印迹往往距离较长,在确定扫描范围的过程中应包括在内。
对于事故现场范围不大,可以以伤亡人员和车辆以及各种痕迹比较集中的点为中心向外扩展,由中心向外推进。
对于事故现场范围较大,各种现场痕迹比较分散的现场,为了防止远处痕迹被破坏,应从周围向中心,由外向内进行扫描。
对于造成重特大伤亡的事故现场,可以从事故起点向终点进行分段扫描还或从容易被破坏的位置开始进行扫描。
3.2 现场点云图
点云图是在扫描范围内对目标实施逐点测距、测角, 所有测量点组成的集合。图4为车辆轮胎地面痕迹点云图。
点云图中包含的信息有:激光束的水平角度和垂直角度,根据脉冲传播时间技术得到的扫描原点到被扫描点的距离,扫描点的反射强度。根据扫描得到的角度和距离可以计算出扫描点的三维坐标。根据反射强度可以匹配扫描点的颜色。
3.3 三维建模
三维建模是通过软件提供的坐标登记功能,将各测站测得的点云图数据组成一个完整的点云模型。利用自动分段处理功能、抽取功能、模型构造功能,将事故现场细节模型化,最终完成事故现场三维建模。
根据事故现场扫描的点云图建立三维地面数字模型,将事故现场的场景再现。通过对现场三维模型的分析,提取事故现场的相关信息。
事故现场模型是使用DEM的数据表达,DEM数据由有规则的格网或不规则的三角形TIN组成,规则的格网模型结构适合进行空间结构分析应用,但是其采样点规则分布,造成此类DEM的数据冗余量很大,当对格网DEM进行重新采样时,会造成地面模型失真,TIN模型能够保留地面的特征点,可以防止数据重新采样时造成的失真,所以TIN模型更适合与事故现场建模。
TIN建模的关键是,那3个离散的数据点构成一个最佳的三角形,并使得每个离散采样点均成为三角形定点。
在二维数据建模中,道路地面属于线状数据,由一系列连续的点组成,在三维数据建模中要将其转换成面状数据。实现的方法为:以线上点为中心,以一定宽度为半径,在点的两侧插入新的数据点,组成新的数据点集,其点集为道路的面状点集。在产生新的数据点的同时,采用逐点插入法构建Delaunay三角网。当勘测现场较大或需多方位勘测时, 可移动扫描仪实施另一场景的场景扫描,移站重扫时应注意相邻两扫描范围间应有一定重叠, 并尽量包括场景特征点, 以便系统现场景的无缝拼接。场景拼接是利用相邻2个场景,以相邻2场景的重叠部分共有的特征点为控制点,拼接成为一幅更大范围的现场。
场景拼接实际问题就是把不同坐标系场景转换到一个坐标系下。不同空间直角坐标系中,需要解决坐标转换的参数共有7个:3个平移参数,3个旋转参数以及1个尺度参数。拼接规划坐标系的方法有3种:配对方式、全局方式和绝对方式。配对方式和全局方式都是以某一幅场景扫描图的坐标系为基准,其他扫描场景的坐标系都转换规划到该场景扫描图的坐标系下。这2种方式的特点是:场景重叠区域内的控制点的坐标值在扫描前是未知的。绝对方式的拼接,其中控制点的坐标值是已知的,在处理扫描数据时,所有的坐标系都规划到控制点的坐标系中。在以绝对方式拼接的过程中不需要2幅扫描的区域内有重叠的部分。
4 结 论
提高扫描精度是事故现场应用的关键。事故现场特征明显的信息,如车辆、树木、交通安全设施等,在扫描过程中可以明确判断。但事故现场中的微量物证,如玻璃碎片、轻微的刹车痕迹等,在扫描精度较低的情况下,判断识别存在困难,还需要进一步的研究开发。随着信息技术、图像技术的发展,通过事故现场图像处理采集信息应成为事故现场勘查技术的发展方向。
摘要：论述了道路交通事故现场三维扫描技术的原理,针对三维扫描中存在的问题提出改进意见。在吸取国外道路交通事故现场三维扫描的基础上,结合我国道路交通的实际情况,对运用三维扫描技术现场采集交通事故信息的方法进行探讨。
关键词：道路,事故,交通安全,三维扫描
参考文献
[1]郑德华,雷伟刚.地面三维激光扫描技术[J].铁路航测,2003(2):26-28
[2]陈宪冬.基于VRS的交通事故现场三维激光扫描系统研究[J].测绘科学,2006,31(6):153-155
[3]Vassilios Pagounis Maria Tsakiri,Spridon Palaskas,et al.3D Laser Scanning For Road Safety and Acci-dent Rconstraction[D].Shaping the Change XXXIIIFIG Congress Munich:Germany,2006
动态交通信息采集 篇8
交通信息采集是智能交通系统 (ITS) 得以顺利实施的基础。与其他检测技术相比, 视频技术最显著的优点是具有丰富的信息量, 因此为复杂检测任务的执行、为细粒度交通信息的获取提供了可能[1]。背景差分法是最常用、最有效的交通视频处理模式, 而背景估计正是背景差分法的基础和核心环节。
常用的背景估计方法有统计学模型[2,3]、卡尔曼滤波法[4]、混合高斯分布模型[5,6]等。统计学模型中最常用的方法为序列均值法[3], 该方法将运动对象的像素纳入背景估计, 存在一定的偏差, 适用于背景大部分时间未被遮挡的情况, 即交通占有率很低的情况。基于卡尔曼滤波的背景估计模型能够适应光线均匀、有序的变化, 文献[4]对其进行研究和应用。卡尔曼滤波法在光线不稳定的情况下难以建立有效的状态转移矩阵, 对于目标像素常被遮挡 (如交通繁忙时) 的情况也难以适应。基于混合高斯分布的背景估计模型可以很好地适应光线的变化, 对于缓慢移动的目标有较好的鲁棒性, 但该方法对每个像素点都需要用相应的模型来描述, 每个模型由多个高斯函数加权得到, 因此模型的建立、参数的确定相当困难, 算法的时空复杂度很高, 对照明突变 (如在公路隧道中) 的应变能力较弱。
背景估计是视频交通信息采集领域的研究热点, 近年来有大量的新方法被提出来, 但目前仍没有一种被普遍接受的方法。在这种情况下, 本文综合考察现有方法的优缺点, 并充分考虑算法的实时性, 提出一种基于单高斯分布假设、图像分块处理、利用帧差法进行样本选取的混合模型对图像背景进行快速估计。
1 方法描述
1.1 像素亮度高斯分布假设
高斯分布满足自然界的许多现象, 文献[5,6]等认为混合高斯分布符合像素亮度值分布的特点。多高斯混合分布的缺陷是模型参数获取困难, 样本需求量大, 不能满足实时交通信息采集的要求。有鉴于此, 本文在前期研究成果[7]的基础上提出了如下模型假设:在主照明光源没有明显变化, 且无遮挡的时间段内, 数字图像上任意像素点的亮度值满足单高斯分布, 即:
式中:p (x) 为像素取某个亮度值x的概率;标准差σ>0, 最大概率
由上述假设可知, 若无遮挡, 要获取背景图像某像素点在一段时间内的真实值, 可用数学期望E (N (μ, σ2) ) 来表示, 此时的方法与序列均值法[3]一致。但是实际道路常常会被车辆遮挡, 单高斯分布假设并不存在, 此时若直接按照此方法进行计算, 误差将会很大。
为了处理干扰信息, 认为车辆对背景上某像素点的遮挡为随机干扰, 由于车辆本身颜色、反射度等光学特征的差异, 这些随机干扰一般不构成单一的高斯分布。记车辆遮挡下背景像素的亮度概率函数为:
那么, 对于车道上任意点的像素, 其亮度值概率函数可描述为:
式中:O为系数, 对应交通工程中的占有率指标。一般来说, O越小, 数学期望方法估计出来的结果越接近于真实值。因此, 在进行样本采集时, 尽量不采用像素点被遮挡的图像。
采用数学期望作为估计值的做法将干扰信息纳入背景值中, 而若采用最大后验法, 则可有效避免这种情况的发生, 此时的背景估计模型为:
式 (4) 成立的前提是“真实背景值出现概率最大”的情况不被遮挡像素所改变。当观测时间内车辆遮挡的情况较少时, 即占有率O较小时 (极端情况下当O=0时式 (3) 等于式 (1) ) , 式 (4) 亦能够成立。
但是, 当经过的车辆大部分与路面的颜色、反射度等光学特性相近时, 此时可能会稍微改变
在以上分析的基础上, 综合考虑光源突变时 (如隧道照明改变、多云天气等情况) 能够实时更新背景, 最终的算法如下:
式中:a为累加器;T为最大累加次数;D为亮度突变阈值;t为第t次进行背景图像获取;t从0开始取值,
1.2 基于帧差法的样本分块选取
在求取
假如将图像 (高H、宽W) 平均划分为r行、c列, 那么共有r×c个分块, 任意像素 (x, y) 所属的区域为
式中:WLS为
1.3 算法流程
在以上分析的基础上, 可得到一种快速的、融合了高斯分布模型和帧差样本选取的背景估计方法, 其流程如图2所示。其中图像输入按照一定的采样间隔来进行, 常用的频率有25帧/s, 为了降低算法的复杂度, 也可以设为10～15帧/s;图像分块数量与具体的道路环境有关, 一般取40～70比较适宜;统计样本数直接决定了背景估计的效果, 为同时兼顾精度和速度2个指标, 一般取30～50个比较适合。
图2中, 获得最新的图像背景后, 清空样本集继续进行图像采集。背景图像根据一定的周期不停地进行更新, 因此算法对于环境变化的适应能力较强。
2 实 验
实验地点为广州市广园东快速路, 分别对白天和夜间的交通场景进行背景估计, 采用文献[3]所介绍的序列均值法、文献[10]所介绍的多颜色模型法以及本文提出的样本选择高斯估计模型分别进行实验, 结果如图3所示。
采用本文方法时, 背景更新间隔是5 s, 背景估计所采用的样本数为30个。
实验结果表明, 序列均值法、本文方法均能在10 s内获取图像背景, 而多颜色模型法需要约25 s才能做到。对于白天的背景图像估计, 序列均值法受运动车辆的影响较大;对于夜间的背景图像估计, 序列均值法、多颜色模型法均在一定程度上受到车头灯照明的干扰, 所估计的背景图像存在块状亮斑。
3 结束语
笔者提出了一种基于单高斯分布假设, 图像分块处理, 利用帧差法进行样本选取的背景图像混合估计方法。单高斯估计模型符合像素在无遮挡情况下的亮度分布特性, 与现有多数方法相比该模型参数简单, 算法的实时性好;为了提高单高斯估计模型的应用效果, 对图像进行帧差分块选取, 从而提高了样本的纯度, 削弱了运动物体和噪声对于像素分布的影响。实际道路环境下通过与序列均值法、多颜色模型法进行实验比较, 证明了所提出的方法的正确性和有效性。
摘要：为适应交通环境多变情况下实时交通信息采集的要求, 提出一种快速高效的背景估计方法。该方法以单高斯估计模型为基础, 参数简单, 算法实时性好;在采集样本时通过帧差法对图像进行分块选取, 从而保证了样本的纯度, 有效地削弱了运动物体和噪声对于背景估计的影响。通过实际道路环境下多种方法的实验比较, 证明所提出的方法的正确性和有效性。
关键词：智能交通系统,交通信息采集,图像处理,背景估计,高斯分布
参考文献
[1]林培群.道路交通参数及交通事件智能检测关键技术研究[D].广州:华南理工大学, 2008
[2]Triantafyllidis G A, Tzovaras D, Strintzis M G.Occlusion and visible background andforeground ar-eas in stereo:a bayesian approach[J].IEEE Trans-actions on Circuits and Systems for Video Technolo-gy, 2000, 10 (4) :563-575
[3]Jung Y K.Ho Y S.Traffic parameter extraction u-sing video-based vehicle tracking[C]//.Proceedingsof IEEE International Conference on IntelligentTransportation Systems, 1999:764-769
[4]Copeland B R, Chen M, Wade B D, et al.A Noise-driven strategy for background esti mation and eventsetection in data streams[J].Signal Processing, 2006, 12 (86) :3 739-3 751
[5]李全民, 张运楚.自适应混合高斯背景模型的改进[J].计算机应用, 2007, 27 (8) :2 014-2 017
[6]Bailo G, Bariani M, Ijas P, et al.Background esti-mation with gaussian distributionfor i mage segmen-tation, a fast approach[C]//.Proceedings of IEEEInternational Workshop on Measurement Systemsfor Homeland Security, 2005:2-5
[7]Lin P Q, Xu J M, Bian J Y.Robust vehicle detec-tion in vision systems based on fast wavelet trans-form and texture analysis[C]//.Proceedings ofIEEE International Conference on Automation andLogistics, 2007:2 958-2 963
[8]Lucke R L, Stocker A D.Filteringinterpolators forframe differencing signal processors[J].IEEETransactions on Signal Processing, 1993, 41 (8) :2574-2 582
[9]Tanaka K, Saji H.Vehicle extraction from aeriali mages using voting process and frame matching[C]//Proceedings of IEEE Intelligent VehiclesSymposium, 2007:433-437