网络多场景（精选7篇）
网络多场景 篇1
LTE相较于传统的TD-LTE本身具有很大的优势,在终端、覆盖能力和频段上都有一定的优势。因此,LTE是未来通信的发展方向,各大运营商为了获得先机,都加大了4G的研究和投资的力度。随着我国三大电信运营商获得了LTE PDD牌照,我国的4G建设迎来了一个新的发展机遇,同时也存在新的挑战,包括室内覆盖的加强、新建设思路的形成、关键站址的获取。各大运营商需要积极解决这样问题,以在竞争中取得先机。本文将以4G网络的室内的场景深度覆盖为例,对网络的深度覆盖建设策略进行讨论。
一、深度覆盖建设方案类型
在4G网络的建设深度覆盖的方式的选择需要考虑很多因素,包括服务性指标的要求、系统维护的便利性、系统的扩展性等一些因素,根据以上因素综合考虑到用户体验、网络信号的强度、施工的成本、网络维护扩展的方式等来进行4G网络多场景的覆盖。
1、已有2/3G DAS室分系统场所。
已有2/3G DAS室分系统场所主要包括宾馆、写字楼等区域这些区域可以直接将LTE信源合路馈入DAS系统,这种方式投资比较小,但是这种方式的小区容量比较低。如果要满足LTE MIMO对双通道的需求可以采用双通道DAS的方式,但是成本较高。
2、有业务热点需求的场所。
有业务热点需求的场所主要包括会展中心、阶梯教室、体育馆等公共场合,这类场合可以部署Small Cell小基站,实现业务热点的需求,这种方式施工十分方便,且能够实现大面积覆盖目标区域。
3、需要容量连续覆盖的场所。
需要容量连续覆盖的场所主要是高端写字楼和政府大楼等一些对网络需求较高的地区。这些地区主要采用基带和射频单元分离的微功率的方案来进行,这种方案是目前最新的4G网络多场景深度覆盖解决方案,具有极大的开发潜力。
二、Small Cell室内覆盖方案
目前Small Cell室内覆盖方案主要应用于高端写字楼和大型商务中心等一些需要容量连续覆盖的地区。Small Cell可以作为一个独立的基站,本身的功率和体积都远低于其他的基站,由于其本身的特点,可以将Small Cell基站放在室内的任何地方,Small Cell内部设有内置天线可以实现很大范围内的信号覆盖,如果信号覆盖的区域较广,可以增设外部天线,实现扩大信号覆盖面积的作用。
从Small Cell引入的目的来看可以分为吸热引入和补盲引入两种引入方式。在室内存在着较强的宏微信号干扰的情况下需要通过吸热引入实现Small Cell的室内覆盖,对Small Cell室内覆盖的关键技术要求比较高。主要采用宏微干扰协同技术和时钟同步技术来实现吸热引入,避免室内受到宏微信号的干扰影响到网络的正常使用。补盲引入是在目标区域内的宏微信号较弱,对网络使用影响较小的情况下使用的,对于技术的要求不高,无需要进行特殊的处理。
三、p RRU室内连续覆盖创新方案
目前有很多地区由于事先没有部署DAS系统,而且这些地区需要4G网络的连续覆盖,这些地区对4G网络的深度覆盖提出了极高的要求。针对这些地区主要采用p RRU方案覆盖的方式进行。p RRU方案的核心是有载波聚合、小区干扰协同技术。LTE载波聚合同时完成多制式的室内覆盖,通过BBU完成上百个p RRU的连接和分离,可以完成很大范围内用户的使用要求。在4G网络的使用过程中如果p RRU的小区之间出现干扰的情况,可采用Comp c S协同调度技术,来对小区之间的网络信号进行合理的调度,最大限度的避免信号之间的干扰,实现小区容量的最大化。由于这种方式可以灵活的运用合并和分裂的配置来满足不同小区的需求,具有极大的发展前景,是未来4G网络实现室内覆盖采用的主要方案,具有极大的研究价值。
总结:随着网络4G时代的到来,人们越来越重视4G网络的使用,如何实现4G网络的多场景深度覆盖实现网络质量和用户的优质体验是各大运营商需要解决的主要问题。本文主要4G移动通信室内信号覆盖的类型和几种具有极大发展潜力的方案进行深入的研究,为运营商对4G网络深度覆盖方案的选择提供借鉴,以促进我国4G网络建设的顺利开展。
摘要：随着信息时代的到来网络技术对人们的生活和工作产生了巨大的影响,4G网络多场景深度覆盖的质量关系到网络传输的速率和质量,会影响到覆盖区域内用户的体验效果。如何合理的解决4G网络多场景覆盖问题是运营商需要解决的主要问题。本文将深入介绍4G多场景覆盖的策略和解决方案,并根据实际场景选择不同方案。
关键词：4G,网络多场景,深度覆盖,微站
参考文献
[1]杜金宇,张晟,石浩.典型场景的4G覆盖解决方案[J].电信工程技术与标准化,2015,v.28;No.21609:16-19.
[2]周波,张敏,陈永强.4G深度覆盖中街道站解决方案研究[J].湖南邮电职业技术学院学报,2015,v.1403:1-3.
[3]林增明,马庆,陈超,王阔,王晶.TD-LTE网络深度覆盖解决方案的研究[A].TD产业联盟、《移动通信》杂志社.2014LTE网络创新研讨会论文集[C].TD产业联盟、《移动通信》杂志社:,2014:5.
[4]赵明峰,汪洋,张皓彦.高价值区域4G深度覆盖解决方案探讨[A].TD产业联盟、《移动通信》杂志社.2015LTE网络创新研讨会论文集[C].TD产业联盟、《移动通信》杂志社:,2015:5.
网络多场景 篇2
配电网是电力系统向用户供电的重要环节，其供电可靠性的高低对于整个电力系统能否安全、可靠、经济运行具有非常重要的意义。网络拓扑结构的确定，决定了电力网络本质的特性[1]。网络拓扑结构对其自身可靠性的影响也受到越来越多的关注。近年来，研究配电网可靠性的定量分析方法主要包括故障模式后果分析法、模拟法等[2]，所需数据繁杂，统计困难且多以元件可靠性因素为基础。
抗毁性是可靠性的一种确定性测度，它从网络拓扑结构的层面，研究连通性对网络可靠性的影响，是网络可靠性的一种静态指标[3,4]。随着复杂网络理论在通信网络、军事网络、电力网络[5,6]等领域的应用，网络结构抗毁性的研究也逐步深入。目前该理论在电力系统中的应用研究，主要侧重于节点重要性评估和线路脆弱性辨识[7,8,9]，用于考察电力网络在遭受不同攻击方式时的承受能力。随着网络结构抗毁性研究的深入[10]，其衡量标准和评估技术日渐成熟，网络抗毁性以及可靠性的优化已成为新的研究重点。
提高配电系统可靠性的方法一般有2种：一是提高系统各元件的可靠性，二是增加系统的冗余度。这2种方法都需要增加较大投资，以降低经济性为代价来提高配电网的可靠性。对已建成配电网，在满足一定约束的条件下改变其分段开关或联络开关的开闭状态，改变网络结构，可以用较低的成本提高配电网的供电可靠性[11]。目前，网络结构的优化和故障恢复重构[12]等领域采用的方法主要有启发式算法[11]、人工智能算法等。
本文从配电网网络结构自身的连通性出发，以抗毁性最高或切负荷最小为目标，基于最短路径和支路交换法实现不同场景下配电网网络拓扑结构的抗毁性分析和优化，为中压配电网网络结构的优化提出了新的研究思路。
1 网络拓扑结构优化中的基本概念
中压配电网可以抽象为一个由节点集V和边集E组成的图G=(V,E)。其中，节点集V中的节点分为等值电源节点和等值负荷节点2种;边集E中的元素对应着中压配电网的配电线路。
1)最短路径：连接节点i和j的路径中边数最少的称为两节点间的最短路径，最短路径中所包含直接相连边的条数称为最短路径长度。
2)邻接矩阵：用矩阵A来表示节点个数为n、边的条数为m的图G，令
则矩阵A称为图G的邻接矩阵，记为A(G)。若G为无向图，则A(G)为对称矩阵。
3)全连通网络：对于网络G0，若其任意节点对之间均存在直接相连边，则网络G0为全连通网络。全连通网络G0的邻接矩阵A(G0)中，除对角线元素为0外，其他元素均为1。
4)边介数：对于由中压配电网抽象得到的图G(V,E)，边介数即为图的边被图中所有等值电源节点与等值负荷节点之间最短路径经过的次数。
2 网络结构的抗毁性测度
抗毁性是从网络拓扑结构层面，用连通性能来刻画实际网络完成其既定任务的能力;是衡量网络可靠性的一项静态指标和确定性测度。
1)等效最短路径数
全连通网络是结构最紧凑的网络，抗毁性最强。一种网络与全连通网络结构差异越大，结构越疏松，其抗毁性也就越差。基于待评价网络与全连通网络结构上的差异，可以提出以下抗毁性评价方法。
假设Kij为图G中节点i与节点j之间最短路径的长度;mij为节点i与节点j之间长度为Kij的最短路径的条数;μ(Kij)为在与图G具有相同节点个数N的全连通网络G0中，节点i与节点j之间路径长度不大于Kij的路径的条数。则节点i与节点j之间的等效最短路径数为[13]:
对于本文研究的辐射状结构配电网，mij=1。显然，0
2)抗毁性测度指标
通过计算节点间的最短路径数[13]，比较待评价网络与全连通网络的结构差异。基于等效最短路径数，可以得到节点个数为N的图G的抗毁性测度指标为：
该抗毁性测度指标是基于待评价网络与全连通网络结构差异而得到的，全连通网络任意节点之间的等效最短路径数为1，因而抗毁性测度指标s(G0)=1，抗毁性最强，任意非全连通网络的抗毁性测度指标0
3 中压配电网抗毁性分析数据预处理
本文基于复杂网络理论，结合中压配电网自身结构特点，对其进行抗毁性分析。分析过程从以下几个方面对相关数据进行预处理。
1)本文研究工作针对配电网10kV电压等级，不考虑其他电压等级的输配电线路以及发电厂和变电站的电气主接线。
2)网络中节点的分类：将网络结构中所有的节点分为等值电源节点和等值负荷节点2类。其中，前者代表源自发电厂、变电站的10kV侧母线，后者为网络中除等值电源节点之外的其他节点，代表单个负荷或一片负荷区域。
3)配电线路抽象为网络拓扑结构中的无向边;不考虑配电线路物理构造特性的差异，仅考虑任意节点之间是否有连接，合并同杆并架线路，忽略并联电容支路，以消除网络拓扑模型中自环及重边的存在。
4 多场景下配电网网络结构的优化
根据配电网闭环设计、开环运行的特点，本文将通过对配电网拓扑结构进行抗毁性评估，给出已建成配电网在不同场景下可靠性高、经济性好的网络运行方式。本文研究的网络是已建成的、配电系统中常见的多分段、多连接、单电源配电网。优化工作包括：(1)配电网正常运行场景下，以抗毁性最高为目标，寻找可靠性与经济性兼优的网络结构，使配电网以可靠性高、经济性好的结构运行;(2)各种单一故障后场景下，以不切负荷或切负荷最小为目标，找到可靠性高、恢复操作简捷的故障后恢复网络结构。
4.1 正常运行场景下的优化模型
基于最短路径对目标网络进行抗毁性分析，以网络抗毁性测度指标值最高为优化目标，得到抗毁性较高的一组备选网络结构，备选网络线损的大小作为最后选择最优方案的依据，以经济性好、抗毁性高的方案作为最优网络结构方案。
目标函数：
约束条件如下。
1)网络保持辐射状结构运行约束，无环路、无孤立节点。
2)支路流量约束
式中：Pi为支路i的线路传输功率;Pi max为支路i的线路传输功率的上限值。
3)节点电压约束
式中：Ui,Ui max,Ui min分别为节点i的电压及其上、下限。
4.2 各种单一故障后场景下的优化模型
线路介数(即边介数)是网络拓扑分析中一个非常重要的参数，介数越高，该线路在网络拓扑结构中的作用越重要。介数较高线路的移除将会引起大量最短路径的重新分布以及网络连通性能的改变。因此，线路介数[14]是辨识电力网络脆弱环节的重要指标。
各种单一故障后场景可以依据各支路的介数排序生成。在不同网络结构中介数最高的线路被切除的故障模式下，检验网络结构的故障恢复能力，衡量整个网络完成既定任务的能力。其优化模型以配电网切负荷最小为目标函数，并以网络结构抗毁性测度值指标和开关操作次数作为最后选择最优方案的依据，生成故障后网络重构方案。目标函数为：
式中：n0为非故障停电区节点个数;Pi为非故障停电区节点i的负荷;Ps为恢复方案所能提供的最大恢复容量;Pc为切负荷的容量。
故障后恢复重构的约束条件与正常运行时网络优化重构的约束条件相同，见式(6)和式(7)。
4.3 支路交换法的优化策略
支路交换法属于启发式优化算法，由于其求解过程简单，并且符合电网运行人员决策思路，因此得到了较为广泛的应用[11]。本文借鉴支路交换法在以降低网损或平衡负荷为目标的配电网重构中的应用，对配电网网络拓扑结构进行抗毁性优化，从连通性的角度提高配电网的可靠性。
对一个节点数为n、支路条数为m、联络线路条数为b的单电源、闭环设计开环运行的配电网，采用支路交换法进行以提高抗毁性测度指标值为目标的网络结构优化。程序流程图如图1所示。图中：Tk为第k代抗毁性测度指标值最高的网络结构;M为该网络结构联络线路组成的集合;T0为配电网当前运行方式对应的网络结构。
5 算例及结果分析
为便于研究，结合配电网的实际特点，假设所采用的算例为均一网络，网络中各节点间采用等长度、同型号的导线连接。采用IEEE 33节点配电网测试系统的近似网络，节点个数与节点负荷的分布、节点之间线路的条数和连接关系等与IEEE 33节点配电系统相同，即节点个数为33、线路总条数为37、联络线路条数为5;线路采用相同型号导线，线路长度均为1km，网络结构图及节点、线路编号见文献[11]。
经过7次迭代得到抗毁性测度指标值最高的网络结构，各代最优网络结构的抗毁抗毁性测度指标值及网络线损如表1所示。
表1所示结果表明：综合考虑网络线损和抗毁性测度指标，第7代网络结构抗毁性测度值最大、网损最小，因此，选择它作为最优运行方案，其对应联络线路集合为{l4,l11,l12,l26,l32}。
根据线路介数的定义，应用大型复杂网络分析软件Pajek[15]对最优网络结构进行拓扑分析。结果得到介数最高的线路为l18。切除线路l18，考察网络在极端故障下的恢复情况。以最大程度恢复停电区域的供电为目标，采用支路交换法进行网络恢复重构。在保证系统不切负荷的前提下，以下几种重构方案满足各项约束条件：方案1，闭合联络线路l4;方案2，闭合联络线路l26;方案3，闭合联络线路l4和l26，打开联络线路l23;方案4，闭合联络线路l4,l26,l32，打开联络线路l23和l36。4种网络重构方案下的抗毁性测度指标值及开关操作次数见表2。
综合考虑抗毁性测度指标值高和开关操作次数少的优化依据，方案1开关操作次数最少，抗毁性测度指标值较初始网络有明显提高，虽然抗毁性测度指标值比方案3略低，但开关操作次数更少，因此选择方案1作为网络恢复重构的最佳方案。
6 结语
网络多场景 篇3
网络主题探究, 在教育信息化中已经是个很“老”的词汇了, 它从上世纪末开始在中国教育界兴起, 并曾经在2005年前后, 创造过数千家教育主题网站在线运营的辉煌时代。但现在还在运行的教育主题网站已经不多见了。对于Web Quest、教育主题学习网站、基于网络的主题学习等这些词汇, 笔者询问过大概100位年轻教师, 他们纷纷表示虽然听过, 但真正明白意思且亲自应用过的, 却是凤毛麟角。
这就是现状, 网络主题探究平台走到今天, 我们发现, 它貌似还是少数“高手”的玩具, 和我们身边的教育关系不大。
笔者认为, 造成这种现状的原因有两个:一是教师应用没有动力。教师的动力取决于他们的绩效考核方式, 而工作业绩取向、行政要求不改变, 升学考试的指挥棒不改变, 这个问题是解决不了的。二是过去的平台只有一个入口, 把很多功能聚合在一起, 不像现在的教学APP, 一个入口一个场景, 个人应用起来方便快捷, 如现在不少教师在应用QQ、啪啪、作业盒子等APP解决教学中的一个应用场景, 但综合性的平台应用起来就很难沉淀大量客户。
但是, 笔者却坚定地认为, 网络主题探究 (也许未来会换个名字) 真正的春天, 就要来了, 而且很快就要来了。
网络主题探究是一种网络教育方式, 这种方式首先是在一种开放的网络环境下 (笔者认为互联网应是基本前提) , 提供一种可以让一个学习群体围绕某门课程或与多门课程密切相关的一个或多个学习专题而展开深入研究的资源型、学习型网络空间。它可以是一个专业的教育主题网站, 也可以是一个个人博客、QQ空间或微博公众号。
基于网络主题探究平台的学习, 对学习者的益处是公认的, 特别是相对于非网络环境下的学习其优势是明显的。但在时机并不合适的时候, 再好的东西也无法得以推广, 原因在于:1政策时机不成熟, 与教师的业务挂不上钩。2即使政策时机已成熟, 但如果不能解决使用者 (包括教师、学习者、管理者等各种角色) 使用的体验以及易用性问题, 网络主题探究应用也很难推广。
● 课程改革深入推动网络主题探究的复兴
现在时机来了, 因为校本课程建设的大潮就要来了。
我国进入全面建设小康社会, 加快推进社会主义现代化的关键发展阶段, 当前课程改革的核心抓手就是通过推动大规模的校本课程建设来提升学校课程领导力。这从北京市新颁发的《北京市实施教育部“义务教育课程设置实验方案”的课程计划 (修订) 》 (以下简称《课程计划》) , 就能看出端倪。
本次《课程计划》最大的特点就是以行政的手段推动本地学校大力发展综合实践类课程和校本课程开发, 特别是突出实践性、探究性等特点, 尽量依托参观、调研、制作、实验等形式, 逐步形成学科内综合以及跨学科多主题、多层次 (知识类、体验类、动手类、探究类等) 的综合实践类课程进入所有主要学科, 并促进各学科的教师变革教学模式来开发新课程。在政策中明确了本轮课程改革的课时目标是20%。
我们很容易看出, 在这样的政策压力下产生的校本课程大潮, 是很难按照传统的校本课程开发体系来实现的。
过去校本课程的开发最终都落实在编教材上。比较粗一点的, 可能只有一本“校本教材”或者说“课本” (或“教科书”) , 正规一些的, 会包含与之相关的“教辅材料”, 如与“教材”配套的教师参考用书、激励物料包等, 资源大部分是静态的, 一旦一门校本课程编制好后, 基本上在很长一段时间内不用更改。而当前对校本课程的要求有很明确的活动取向、统整取向和实践取向, 这与国家课程体系课程有很大的区别, 其课程更加动态、个性化, 不易于管理。
在这样的要求下, 未来的校本课程开发是一个“整体活动”, 绝非只是编教材。不论何种程度的校本课程开发, 不管是单个学科或活动还是多个学科或活动, 都意味着对“课程”进行某种程度的系统安排和规划。
一个比较完整的校本课程开发, 包括有关需求的调研, 课程教育哲学的确立, 课程原则及纲要的确定, 课程教育教学目标的设计, 课程相关资源内容的筛选编写和组织, 课程教学的安排, 课程前序后续课程相关内容信息、课程教学活动 (这部分是课程实施的核心逻辑) 的设计、规划确认, 课程评价的设计及计划确认, 课程的实施开展以及课程评价的开展, 等等, 这些工作都不是孤立出现的, 而是有整体的设计或结构性规划的。只有整体设计, 各种课程资源才能统一在一定的教育哲学及课程目标的旗帜下, 最大限度地发挥课程的育人功能。
未来校本课程的这些特点, 决定了课程除了符合教育规律的研究性、探究式等学习模式之外, 它的其他要素很难再有稳定的形式, 特别是内容方面。面对这样的课程形态, 笔者认为, 这恰恰是网络主题探究类课程的绝佳用武之地。
互联网条件下, 集约化的丰富的共享资源和时空的超越决定了学习者在学习过程中有更多自由选择的机会, 资源给网络主题探究式的课程实施带来了坚实的基础。主题探究的方式虽然是对某一专门主题或者单一主题的认知探究, 但组成主题学习网站的内容或者资源并不是单一的, 它可以包括一切与研究主题相关的各种形式和各种渠道的资源, 如与之相关的文本、图片、视频、音频等资源形态, 这些都可以用来作为主题学习网站的内容。而且内容的形式既可以是科学理论的总结, 也可以是某个案例的经验总结。只要能服务于某一主题的深入展开, 都可以考虑把它们收集起来。笔者认为, 网络主题探究实际上是教育资源得到充分利用的落地化形式, 它让网络上海量的“死”资源变活了, 得到了真正的应用。
网络主题探究的形式, 更容易让教师通过创设一系列接近真实的情境、问题和专题, 使学生的学习真正能结合身边的生活, 在接近实际的情境中进行课程实践, 并从实践的经验中学习。
网络主题探究方式, 不仅能存储、传递、加工和处理教学信息, 还能让学生进行自主学习和协作交流, 并对其学习情况进行在线评价反馈, 这就提供了过程性学习的记录与评价工具, 以及可能的新型管理手段。一方面, 网络让教师和学习者超越地域的束缚, 形成了共生发展的学习共同体, 在虚拟学习社区中, 学习共同体通过充分的对话和共同的探索将公共知识转化为个人知识;另一方面, 社区又通过系统自组织, 将个人问题转化为公共问题, 并借助公共知识解决个人困境, 这构成一种加速个人学习和创新的良性循环。
网络主题探究课程中资源的分配方式决定了教师以更平等的身份出现在学习情境中, 他可能更像是一个温和的敦促者以及解释性的指导者。互联网的本质精神就是对每个人的尊重, 所以网络环境更容易支持开放的互动对话。超越时空的对话性会话在网络主题探究的学习中进一步成为课程学习的核心。
网络主题探究课程的具体目标与内容、实施与评价, 更侧重于在过程中自构生成, 学习者在教师精心设计的网络学案引导下, 通过自主协作探究的学习方式, 在学习过程中获得对该主题的专门性认识, 即形成对该主题的知识结构, 从而真正完成学习者的知识建构过程。
综上所述, 网络主题探究式课程很符合未来校本课程的动态性、活动性、实践性等特征。
● 网络主题探究平台复兴之路——APP化、多终端、多场景支持
但仅有政策还是不行, 下面一个关键问题就是体验。
在以往的网络主题探究实践中, 我们还会看到一个弊病, 就是网络平台中所有用户都是一个入口, 不论使用者以何种身份做什么事情, 平台都是传统的门户形式。这样的体验形式, 很难满足平台大规模推广的要求。
首先, 未来的平台一定要支持多屏的, 也就是支持用户在不同情境、不同任务下, 可以通过不同的设备 (手机、平板电脑、PC、笔记本电脑、电子白板、互动屏等) 与系统进行交互以及数据采集, 单一入口的平台是没有生存可能的, 甚至在未来, 平台要支持与各类传感器直接交互进行信息辨识以及数据采集。
举个例子, 如果某系统为了支持移动互联网的应用场景, 只设计学生的入口是在平板电脑或者手机, 而不考虑PC、笔记本电脑, 那么在有大规模文字录入的场景时, 平台就会给人非常不好用的感觉。再如, 在教学活动中, 学生没有设备可以应用的场景在当前还是很普遍的, 那么过程性的记录如果只让学生或者教师在有设备的时候“补录”, 就会为使用者增加至少一倍的工作量, 这样的效率让用户也是很难接受的。事实上, 现在的技术已经实现通过传感器直接采集学生手写文字, 这就有可能成为未来平台的一个使用场景。
解决的方法就是分角色、分场景设计不同的系统入口, 让每个角色的人进入系统都能马上进入自己的核心诉求场景, 并且系统应用要便利, 功能都尽量采用“一键”式设计。移动互联网时代从开始至今, 很多同类APP的竞争成功, 往往都是因为用户少戳了一下。
在多角色的空间入口上, 每个学习共同体的成员应该有自己的入口, 每所学校、每个学习共同体要有自己的门户, 平台不仅要针对课程管理者、课程领袖、课程建设者、课程使用者、课程提供方、学习者、家长、行政管理者等不同身份分别设计不同的应用场景入口, 以支持不同的使用者对课程设计、课程建设、课程规划实施、课程学习、课程评价、课程管理等不同应用的要求, 还要针对教学中的多媒体教室场景、计算机机房场景、普通教室场景、课外活动场景、游学场景等各种学习场景设计不同的应用场景入口。不仅平台上的课程要能够方便地复制、应用, 而且强大的检索功能也要能支持学习者根据各种条件进行检索, 并能为学习者提供个性化内容推送、推荐的功能。
总之, 平台要保证用户在每个应用环节中都能一键到达, 并有好的体验。这需要进行深度的场景化研究, 并对教学平台进行APP化的改造设计。网络主题探究平台的春天来了, 但只有那些将学习过程进行了解构, 并在“互联网+移动互联网+物联网”条件下进行了重构和场景设计, 真正打通了“线上线下”的平台, 才真正拥有未来。
后记
无线通信主打多场景覆盖 篇4
对于国内TD-LTE下一步扩大规模试验的内容, 工信部表示主要验证四方面。一是TD-LTE扩大规模试验网络与TD-SCDMA现网的功能业务、多模终端、互操作和KPI等;二是与现有核心网、网管、计费等系统的融合测试, 面向友好用户的网络质量和业务质量测试;三是对网络建设、规划优化、业务开发和运营维护中的关键问题进行相关研究验证;四是对增强型智能天线自适应、LTE支持IPV6、新型天线等验证应用。
3G和LTE, WLAN成为本届通信展上的另一大热点。多厂家都重点展出了WLAN大容量覆盖、多网协同、无线专网、无线应急等方面的方案和产品。
中兴SDR基站多场景应用分析 篇5
SDR (软件无线电) 是1992年美国科学家J.Mitole提出的一种实现无线通信的新型体系结构, 其基本原则是:使用1种模块化的通用硬件无线通信平台, 把尽可能多的无线通信及个人通信功能通过软件来实现。使得过去由完全依赖硬件的设计思路, 转向通过编辑和升级软件来实现不同功能的目标。由于软件易维护、易修改, 使得采用SDR体系的通信系统在成本管理, 系统扩展以及用户个性化设置上比传统的通信体系更具优势。对于设备供应商来说能够更加快速地开发新的功能和业务, 缩短新产品的上市周期, 快速响应市场的需求。
SDR (软件无线电) 基站是BBU (基带处理单元) 和RRU (射频拉远模块) 的组合, 在业界内又被称为分离式基站, 它是将基带和射频部分分离的1种基站形态。SDR是软件定义无线电, 它将基带射频的分离, 并引入基带和射频分离架构, 即BBU+RRU基于多模基带池BBU平台, 基带池可实现多模共享。使用基带动态资源池, 可实现基带资源的动态共享。SDR基站的主要应用特点有:灵活组网, 满足各种场景的需求。供电方便, 可提供更多的供电方式。安装方便, 提供多种形式的安装方式。架构简单, 软件扩容和后期扩容维护便利。
二、SDR基站应用场景
1. 基带集中射频拉远。
射频拉远是SDR基站的1个重要特性, 即SDR基站可将RRU拉远到各个站点。其特点是:BBU可集中维护, 节省维护成本。RRU无需机房建设和配套空调设施, 对安装环境要求低, 适用于各种场合的安装。
2. 多载波联合应用。
为了实现链条型地区的覆盖, 在传统基站进行覆盖时由于小区数量多, 切换也多, 容易造成掉话等问题的出现。SDR基站引入了多载波联合的概念, 实现了RRU级联方式的覆盖, 级联下去的RRU属于同1个小区, 因此, 系统无需进行切换换。在高速行进过程中可减少掉话率。其基本原理如下:按照传统的基站组网方式, 通常1个逻辑小区 (Cell) 只打开1个天线方向, 比如1个全向小区 (Omni Cell) 使用1副全向天线, 1个定向小区 (Sectorized Cell) 使用1副定向天线。如果1个基站有3个定向小区, 则一共需要3副定向天线, 分别打开3个不同的扇区方向 (Sector) , 这就是通常所说的STSR组网。OTSR是指1个逻辑小区 (Cell) 承载多个天线方向, 采用全向发射和定向接收的方式以全向站的配置形式得到定向站的覆盖效果。通常也把“定向站的某个小区采用多个方向天线发射和接收”叫做OTSR, 同时这种方式也可称为多扇区逻辑合并 (Multi Sectors logical Combine) 或多载波联合 (Multi Carrier Unite Combine) 。多载波联合应用示例如图1所示。
3. 话务潮汐应对。
各个RRU小区共享BBU基带资源, 为话务潮汐提供了解决方案。在城市中普遍存在着按照时间分布的话务不均衡区域, 如住宅区和办公区, 上班时间办公区话务较集中, 下班以后办公区话务较低而住宅区话务上升。应对此场景, 可将2片区域的RRU连接到1个BBU上, BBU基带资源动态共享。使2片区域总的话务量保持在一定程度, 这样可以有效地节省BBU基带资源。话务潮汐应对示例如图2所示:
4. 高铁中的覆盖应用。
2007年4月18日, 铁道部进行第6次火车大提速, 并引入了动车组CRH (China Railway High-speed) , 列车时速提升至200~250 Km, 极大地方便了人们的出行。但是, 随着CRH列车的引进, 高速列车上GSM网络信号的覆盖也出现了新的问题, 主要存在以下2个方面的问题:首先, 由于动车组车厢密闭性能和屏蔽效果好, 比原先的普通车厢增加了大约10 d B左右的穿透损耗, 而原先的网络规划并没有考虑这一因素, 从而出现了车体内信号电平低, 通话质量下降等问题。如果要利用现有网络对铁路进行覆盖, 则需要对全网进行调整, 例如采取更换现有基站, 增大现有站点发射功率等措施, 但工程量大且成本也高。其次, 车速的提高也使得车体中的用户快速穿越通信小区, 导致信号切换频繁, 即占用了系统资源, 又因切换次数的增加而导致通话效果变差。
5. 高铁中网络信号覆盖的解决方案。
如果简单地对现有网络进行调整是无法解决上述问题的, 并且铁路的特点决定了高铁覆盖的区域是狭长的带状区域, 如果用传统的蜂窝方式来实现覆盖, 覆盖成本较高。针对上述问题, SDR基站创造性地提出了高铁覆盖专网的解决方案。SDR基站的BBU和RRU之间在物理上采用光纤连接, 承载的是基带信号, 因此在对端可以实现无失真的传输, 相比之下, 射频信号拉远或者中频信号拉远是有损耗的, 且拉远距离也非常有限。高铁网络信号覆盖的解决方案有以下几个要点:将BBU集中放置, RRU级联拉远适合铁路区域的覆盖, 引入创造性的多RRU同小区技术, 设置高铁覆盖专网, 可有效地降低因提速所导致的切换频繁问题。本方案将多个RRU配置在同1小区内, 各RRU采用同1个BCCH (广播控制信道) 。并且BBU与RRU采用了时延补偿技术, 保证了各个RRU之间是严格同步到的, 即同1小区同频同步。这样列车穿过同一小区的不同RRU时不会发生切换, 只有跨小区的RRU之间才发生切换, 从而可以有效地降低切换的次数。由于高铁覆盖采用专网的方式, 只有高铁覆盖的小区之间才能配置邻区关系, 有车站允许与大网交互, 因此列车内用户的切换只能在专网内部进行, 从而保证了用户的切换效果。
6. 高密度话务区覆盖。
随着手机用户的不断增多, 部分地区的话务负荷量也在不断地加大。传统基站覆盖因为其小区容量有限, 承载话务量不够, 在解决时只能采取增加站点的方式。这样就会产生1个区域存在多个基站小区覆盖的现象, 不容易达到平衡。而采用了SDR基站, 便可以解决以上的问题。因为SDR基站软件定义1个RRU目前最多可以支持8个载波, 且可以采用RRU并联, 下挂小区容量要远远高于传统的基站。针对密集型话务区, 采用1个基站完全可以达到覆盖网络和吸收话务量的效果。
7. 双网双模应用。
双网通信是指在不同制式的2个基站上, 通过共同的主控模块实现数据传输和参数的协调工作。由于2种不同系统对数据和参数的要求各不一样, 因此需要设计协商模块来处理GSM网络和WCDMA网络间的数据传输。在双模系统设计过程中要求尽可能的实现同1个单元的共用, 如射频单元的共用。SDR基站1个重要的特性是可实现GSM和WCDMA共同接入同1个BBU, 实现双网真正意义上的共站。BBU基带资源池共同处理双网的信号, 射频单元RRU区分GSM网络和WCDMA网络, 且覆盖各自的区域。这样可以有效地节省传输资源和维护成本。
三、结论
交通场景中多目标的检测与跟踪 篇6
目前,以数字图像处理技术为核心的视频监视系统[1]越来越广泛地应用到交通监管中,他利用摄像机来获取图像,由计算机完成对运动目标的自动检测,如果车辆交通违规时,自动发出预警,记录全程违章视频,这在很大程度上减轻了监控人员的劳动强度,克服可能的人为失误,而且节省大量存储空间,使存储的数据更为有效,为交通违规的后续处理提供了客观依据。
运动目标分割是实现交通场景下车辆检测与跟踪的前提。常用的分割方法可以分为背景差分法、帧间差分法和基于光流的分割方法等[2,3]。基于光流的分割方法运算复杂度较大且对噪声敏感,因而常见的适合交通场景下分割运动目标的方法主要使用前面两种。使用基于帧差的算法进行目标检测,当场景中运动目标没有显著运动时,往往会在目标检测时留下大面积未被检测到的区域,而这些区域本应属于目标。本文中,考虑到交通监控中使用固定摄像头,采用自适应的背景差分法实现运动目标的分割。
视频图像中运动目标的跟踪是智能监控系统中重要的一部分,也是图像理解重要的一个环节。Stauffer提出了自适应混合高斯模型[4],通过匹配目标的位置、大小、形状和颜色等特性,建立运动目标与前景目标间的对应关系实现对目标的跟踪。这种方法往往可以得到较为满意、精确的跟踪结果,但是计算复杂度较大。文献[5,6]提出了通过轨迹预测并使用跟踪窗口对多目标进行跟踪,当目标数达到4个以上后很难保证实时性。本文考虑到交通场景中目标运动的特性,介绍了一种实时简单有效的多目标跟踪综合方法——改进的最近邻法(Improved Nearest Neighbor,INN),既保证了一定的跟踪精度,又满足了实时性要求,达到了预期的效果。该算法框图如图1所示。
2 目标检测
2.1 背景估算
通常实时监控状态下很难获得不含运动目标的理想背景图像,为此,本文采用一种基于高斯统计模型的背景图像估计算法。该算法由背景图像的初始化和自适应更新两部分组成。
在背景图像的初始化算法中,采用前N帧图像,计算视频序列图像每一象素的平均亮度μ0(x,y),并计算在前N帧内的每一象素亮度的方差δundefined(x,y),以此来组成初始的背景估计图像。这里Bn表示背景图像,In表示视频图像,n表示帧数。
undefined
式(1)中:
undefined
当背景估计图像的初始化完成后,随着新图像帧的到来,需要使用下列公式不断自适应地更新背景图像参数,得到更新后的背景估计图像为Bn = [μn,δn2 ],式中:
undefined
其中α为更新系数,为0～1之间的一个常数。
2.2 运动区域的提取
当完成背景图像的估计后,下一个重要环节是对当前帧图像进行运动检测。首先,利用背景估计图像与当前帧图像的“差”进行变化检测,以判断是否存在运动目标。采用的检测公式如下:
undefined
式中,Mn是一个二值掩模图像,值为255的点表示运动点,值为0的点表示背景点;T是一个用来判断、检测运动点的重要参数,阈值范围一般取在30～50之间,其值太大会产生漏检,太小则会造成误检,具体数值应根据实际视频图像,通过实验确定。本文的阈值取在36。后续的研究将会考虑在象素估值的基础上实现自适应调节。
得到运动区域之后,就可以对背景图像进行自适应更新。对背景图像的更新是通过式(7)完成的:
undefined
其中:Bn中各个参数的更新见2.1节。由式(7)可以看出,只有在非运动区域,背景模型才进行更新,而更新是通过取视频图像序列的加权平均值完成的。
在差分后的二值化的图像Mn中,运动目标的象素往往缺乏整体的连续性,本文采用数学形态学操作和降低分辨率的方法,提取出连续的运动区域。
首先对Mn进行垂直方向的膨胀操作,得到图像Dn,这样弥合了运动目标水平方向大部分的小裂缝。然后降低Dn的分辨率得到图像Rn,由于本文中实验采用的视频帧的分辨率为352×288,因此这里把Dn分割为8×8的小格,如果某一小格象素值为255的象素个数占到一半以上,则该小格的象素为255,否则为0。最后对Rn进行垂直方向的闭操作,实验结果如图2所示。
从实验结果可以看出,由于摄像机的抖动、绿化带风吹等原因导致二值化图像(c)出现一些噪声。由于汽车车身某些颜色与背景相似,导致(c)中运动目标区域象素不连续或者出现空洞。经过膨胀操作以后,可以看到(d)运动区域的连续性得到很大改观,同时对噪声也进行了放大。通过(e)降低分辨率后,噪声得到了很大程度的抑制,而且运动区域基本连通,同时也消除了空洞。最后经过垂直方向的闭运算之后,噪声基本上被消除。
运动区域提取出来之后,就可以对运动目标进行定位了。
2.3 运动目标的定位
在进行目标定位之前,必须进行连通区操作,标记不同的运动目标。连通操作一般用迭代的区域生长方法,该方法速度慢,内存消耗大。本文采用一种仅使用一次扫描二值图像的方法标记运动目标。
二值图像任意一行中的直线用数据结构为:
struct tagLine{
long m_lRow;
long m_lColumnHead;
long m_lColumnTail;
tagLine* m_pNext;}
如果相邻两行的直线Line1和Line2八邻域连通,则必须满足以下关系:
Line1.m_lColumnTail+1≥Line2.m_lColumnHead
Line2.m_lColumnTail+1≥Line1.m_lColumnHead
如果上两式都取为>,则表示四邻域连通。
通过逐行扫描,可以将所有连通的直线连成链表,这样就得到了连通区域的信息。通过这些信息就可以方便地计算出各个运动目标的质心、面积、周长,用于目标的分类。
一个运动目标可以看作一个连通区域(Connected Region,CR),用下面公式来获取第一个CR的质心坐标C(XCR,YCR):
undefined
其中B(x,y)是坐标为(x,y)的象素的二值灰度,而分母的值即为目标的面积。
2.4 运动目标的分类
得到连通区域的信息以后,就可以对运动目标进行分类,分类的目的在于区分出汽车和行人,因为只需对汽车进行跟踪。
在交通道路上,特别是有设置监视的路口,通常行人和汽车行进的速度都不是很快,因此,我们不能从速度上来判断行人和汽车。为了对目标进行实时的分类,我们必须用一种计算简单、合理有效的分类机制。我们仔细分析行人和汽车的基本特征,提出了紧密度的概念:undefined,因为,人的形体较小但外形复杂,因此他的紧密度较小,但汽车的形体较大,外形简单,因此他的紧密度较大。通过对检测到的大量样本进行计算,可以大概估计出车辆和行人的紧密度边界阈值K,然后将其作为分类的标准。若运动目标的紧密度大于此边界阈值K,则被判为是汽车,否则被判为行人。目标周长的计算见文献[7]。
目标分类完成之后,就可以对目标进行跟踪,并判断其运动轨迹。
3 多目标跟踪
本文中采用改进的最近邻法对多运动目标进匹配和跟踪,这种方法适合交通场景中目标数的动态变化。
3.1 改进的最近邻法
最近邻法是考虑待跟踪目标与下一帧每个目标质心的欧氏距离,距离最小的两个目标认为是同一个目标。
本文中使用改进的最近邻法,除了满足距离最小以外,还要满足最小的距离小于某一个阈值才判断为同一个目标。
改进的最近邻法步骤如下:
(1) 设有K个样本,全部作为初始的模式,记为S1(1),S2(1),…,Sk(1)。
(2) 计算新的样本到K个模式的欧氏距离,并按最邻近规则进行匹配。
设:
undefined
若D
若D≥Tl,则 X作为一个新的模式Sk+1(2)。
(3) 删除第二步中没有得到更新的模式。
(4) 重复步骤(2)和(3),直到程序结束。
3.2 目标跟踪实现
实现步骤如下:
(1) 读入第一帧图像进行目标检测,把K个目标的质心坐标(模式)保存到listInit和listMatched中,其中列表listInit中保存的为进入摄像机镜头的汽车的初始坐标,列表listMatched保存的为当前帧中得到匹配的目标的坐标。
(2) 读入下一帧图像进行目标检测,把N个目标的质心坐标(样本)保存到listCurrent中,进行模式识别,计算listMatched中各个类别和当前各个样本的欧氏距离,若Si与Xj欧氏距离最小并且小于某一个阈值Tl,则表明Xj属于Si,并用Xj更新Si,保存在listMatched中,这里Tl为相邻帧间汽车运动的最大距离;否则表明当前帧中已无Si,即汽车Si已经驶出场景,此时根据listMatched每次记录的值,判定Si运动轨迹,并在listInit和listMatched中删除该车的信息。
(3) 若所有的Si都已匹配结束,还有新的样本Xl,则表明Xl为新进入场景的汽车,把他加入到listInit和listMatched中,作为新的类别。
(4) 重复步骤(2)和(3),直到读完所有帧。
4 实验结果和结论
实验使用的视频序列分辨率为352×288,帧率为每秒15帧,T=36,Tl=10。图3给出了典型的几幅运动目标检测结果,图中红色方框内为使用本文提出方法检测的目标的邻接矩形的结果,显然从图可以看出本文的方法较精确地检测出目标的邻接矩形。同时,表1中给出了使用INN跟踪多辆汽车的坐标数据。
由表1可知,从16帧到24帧,目标原始坐标个数由2个变为3个,表明场景中有新的汽车进入;从44帧到52帧,又增加一个目标;从52帧到54帧,有汽车驶出场景,此时根据目标从进入场景到出去之前的坐标序列计算运动目标的轨迹,如图3中的(f),在目标即将离开场景时,判断其运动轨迹为右拐。若其轨迹为违章,则记录该帧之前一定数量的帧,合成到一个视频文件中,这样就大大减少了存储空间和监控人员的工作强度。
本算法采用VC++6.0实现,跟踪在降低分别率的基础上进行,大大减少了计算量,并且无需对每帧数据都进行处理,实验中在相邻两帧之间进行跟踪,达到了预期的效果。实验结果证明,该算法不仅可以实现多目标跟踪的准确性,而且不受道路环境和车辆运动方向的限制以及镜头远近的影响,因而具有很好的适应性和鲁棒性。在此基础上,可以期望在后期工作中考虑目标自身的特征和各个目标的运动情况,进一步增加跟踪的精确度。
摘要：介绍了一种简单、快速的实时交通场景中多目标的检测与跟踪算法。在使用自适应背景差分法分割出运动目标候选区域的基础上,采用数学形态学操作和降低分辨率的方法,得到连通的目标区域,并使用改进的最近邻法对目标进行匹配和跟踪。实验证明本算法较好地解决了跟踪的连续性、实时性、精确度的矛盾。
关键词：目标检测,最近邻法,跟踪,匹配
参考文献
[1]Collins R,Lipton A,Kanade T,et al.A System for VideoSurveillance and Monitoring[R].Tech.Report CMU-RI-TR-00-12,Robotics Institute,Carnegie Mellon Uni-versity,2000.
[2]Elgammal A,Harwood D,Davis L.Non-parametric Modelfor Background Subtraction[C].In European Conference onComputer Vision,2000:751-767.
[3]Fujiyoshi H,Lipton A.Real-Time Human Motion Analy-sis by Image Skeletonization[J].Proceedings of IEEE.WACV98,1998:15-21.
[4]Stauffer C,Grimson W E L.Learning Patterns of ActivityUsing Real-time Tracking[J].IEEE Transactions PatternAnalysis and Machine Intelligence,2000,22(8):747-757.
[5]Bors A G,Pitas I.Prediction and Tracking of Moving Ob-jects in Image Sequences[J].IEEE Trans.on Image Process-ing,2000,9(8):1 441-1 445.
[6]张云峰,王洋.基于视频信号的多目标跟踪方法[J].仪器仪表学报,2005,26(8):652-653.
网络多场景 篇7
交通参数的实时检测对城市交通诱导、车辆违章监察等交通监管工作具有重要的意义。基于视频图像的检测方法以其方便实用和信息量丰富等优点而得到了广泛关注[1]。该类方法的检测过程主要包括车辆存在检测、目标提取和参数计算等步骤[2]。其中, 车辆存在检测为基础环节, 目标提取和参数计算为核心环节。
目前的车辆目标提取算法大体可分为背景差分法、光流法和帧间差分法[3,4,5]。背景差分法要获得较好的提取效果, 必须进行背景建模[6], 另外鉴于交通场景中的背景时间渐变性还必须进行背景的动态更新, 算法往往较为复杂, 计算量较大、实时性较差;光流法[7,8]根据图像中每一个不同的运动可以用一组映射参数正确地表达的原理, 通过把具有相同映射参数的光流矢量分配为一类的方法完成目标提取, 提取精度依赖于光流场估算精度, 而光流场的估算精度一直是一个难题, 且算法复杂, 一般难以满足实时性要求;帧间差分法通过对时间上相邻的图像帧直接操作并对所得帧差图像进行处理来完成目标提取, 计算量较小、实时性较强, 但传统的连续帧帧间差分法精度较低。
目前的交通参数计算方法中, 采用的设置虚拟检测线和虚拟检测区域的方法, 虽然保证了检测精度, 但是需要事先固定虚拟线圈在图像中的位置, 灵活性和普适性较差。
本文在上述相关研究的基础上, 针对我国城市混合交通的特点提出了一种基于摄像机标定、改进的离散帧帧间差分、统计滤波和边缘信息处理相结合的多目标参数检测算法, 较好地实现了多车辆目标的提取与参数检测。
1 算法阐述
混合交通场景中多目标参数检测算法的框图如图1所示。算法主要分为摄像机标定、目标检测与边缘提取、交通参数计算3部分。利用对应矩阵法进行摄像机标定;利用帧间差分法结合统计学方法和形态学方法完成目标检测与边缘提取;最终依据目标的外轮廓信息结合摄像机标定结果计算出车流量、各目标车速、车长、车辆面积和交通密度等主要交通参数。
1.1摄像机标定
计算场景中的交通参数是检测算法的目的, 应用中常采用设置虚拟检测线的方法来计算车速目前的摄像机标定方法较多, 考虑交通检测的实用需求, 采用文献[9]提出的基于地面约束和对应矩阵的摄像机标定方法, 首先利用地平面与图像中的对应点建立1个对应矩阵, 然后利用已知的摄像机高度以及地面上垂线 (电杆、标杆等) 在图像中的投影约束信息, 结合文献[10]中的摄像机内外参数求解方法, 完成标定工作。相对于传统标定方法而言, 该方法具有方便灵活、实用性强的特点。
1.2目标检测与边缘提取
1.2.1 车辆差分检测与多目标分割
车辆存在检测是交通参数计算的基础, 在传统帧差法基础上结合实际应用构造差分图像序列, 利用差分序列图像的灰度变化情况完成车辆存在检测;然后对帧差图像进行统计学滤波提取多目标图像。
1) 差分图像的构造。
把来自于视频采集设备的RGB图像序列转换为灰度图象序列IG, 记为IG={Ig1, Ig2, …, Ign}。序列IG中第K帧与第l帧图像相减所得的帧差图像Idkl定义为:
式中:T为差分阈值, 本文取为40。
2) 多目标图像的提取。
据上述差分图像的定义可知, 第K帧与第l帧图像相减所得的帧差图像Idkl中减掉了2帧中灰度相似程度小于阈值T的部分;保留下来的是不同的部分, 既包含了发生移动的车辆在第K帧中的影像也包含了其在第l帧中的影像, 为了滤除Idkl中包含的第l帧中的车辆影像, 构造并运用了统计滤波算法对差分图像序列进行“求同”运算, 完成了Igk对应的多目标图像Idk的获取。本文算法中选取第l、第m和第p帧3帧图像分别与第K帧作差分运算得到帧差序列Idkl、Idkm和Idkp, 然后按下式进行统计滤波
式中:滤波条件构造为:
式中:Tdk为滤波阈值。为获得更好的滤波效果, 选取第l、第m和第p帧3帧图像时, 可使前2帧与第k帧的两两间隔时间较长, 第p与第k帧间隔时间较短的方法实现, 本文取l=k-50, m=k-30, p=k-5。
1.2.2 多目标边缘检测与细化
在多目标图像基础上通过形态学方法提取并细化各目标边缘, 可得多目标边缘图像。如图2所示, (b) 图为 (a) 图监控图像对应的多目标边缘图像。
1.2.3 多目标轮廓提取
在多目标边缘图像中, 目标内部含有大量内边缘像素, 这些像素对后面的交通参数计算意义不大, 本文通过封闭边缘跟踪与包含滤除算法[11]除去了这些点, 完成了各目标外轮廓 (主边缘) 信息的提取, 图2 (c) 为 (b) 的多目标轮廓图像。在多目标轮廓图像中包含了多运动目标的轮廓, 可以通过尺度滤波法滤除掉不完整的目标和不感兴趣的目标 (如行人、自行车等) , 如图2 (d) 所示, 只保留了图2 (c) 图像中的完整汽车目标轮廓 (漏检1辆) 。
1.3交通参数计算
完成多目标轮廓提取与尺度滤波后, 使用如图2 (d) 所示多目标轮廓图像, 运用文献[12]中的方法对目标进行跟踪, 然后结合摄像机标定结果完成各目标车速、车长和车流量等主要交通参数的计算。
车流量是一段时间内通过的车辆个数。跟踪过程中设置车辆计数器, 每当检测到有新的车辆出现则车辆计数器加一, 某时间段内的车流量可通过时间段结束时与开始时的计数器差值获得。
车速的计算中, 首先定义车辆轮廓CT的轮廓重心c, 其坐标 (xc, yc) 为:
式中:n为车辆轮廓CT所含像素点总个数。
同一车辆目标在差分图像序列第x帧Idx和第y帧Idy中的轮廓重心表示为cx和cy, 则2点在图像中的距离 (车辆位移量) 为:
根据摄像机标定参数将SI换算为车辆实际空间位移量SW, 则该车车速可通过下式计算:
式中:ΔT为帧采样间隔时间。
车长的计算基于车辆跟踪结果, 根据车辆行驶方向在图像中构造方向线段, 如图3所示, 记线段与目标车辆的轮廓线交点为 (x1, y1) 和 (x2, y2) , 根据摄像机标定参数将上述两点的图像坐标换算为实际空间坐标 (x1W, y1W) 和 (x2W, y2W) , 则车长可通过下式计算:
2 实验分析
为了验证算法的效能, 基于VC 6.0进行了算法实现, 并对采集于北京西大望路与松榆南路的人车混合交通监控视频进行了参数检测。
1) 对07:20～07:50时段采集的交通视频进行检测, 实际流量467辆, 检测流量441辆, 漏检35辆, 误检9辆, 检出率达94.43%;派实验用车5辆, 循环15次驶过图像采集区, 将算法输出的各车次车长、车速等参数与各车实际参数记录进行比对, 结果显示:车长检测准确率达92.36%, 车速检测准确率达93.27%;
2) 对09:20～09:50时段采集的交通视频进行检测, 实际流量296辆, 检测流量288辆, 漏检8辆, 检出率达97.29%;车长检测准确率达94.19%, 车速检测准确率达95.71%;
3) 对11:20～11:50时段采集的交通视频进行检测, 实际流量385辆, 检测流量371辆, 漏检18辆, 误检4辆, 检出率达96.36%;车长检测准确率达93.05%, 车速检测准确率达92.83%。
分析可见, 算法能够满足混合交通场景中多目标检测的精度要求, 即使在第一时段光照角度较大、阴影影响较重且行人和车辆众多的情况下, 算法也能表现出较为理想的性能。
3 结束语
本文提出的混合交通场景的多目标参数检测算法, 利用对应矩阵法进行了摄像机标定;利用改进的帧间差分法完成车辆的存在检测与轮廓信息提取;通过运用统计学方法对目标轮廓图像进行滤波, 提高了抗干扰能力。算法的主要优点在于运行速度快、实时性好、方便实用且参数检测精度能够满足交通监控的要求。进一步提高目标识别能力和实现场景复现是后继工作的重点。
参考文献
[1]史忠科, 曹力.交通图像检测与分析[M].北京:科学出版社, 2007:3-6
[2]Kastrinaki V, zervakis M, Kalaitzakis K.Asurveyof video processing techniques for traffic applica-tions[J].I mage and Vision Computing, 2003, 4 (21) :359-381
[3]袁基伟, 史忠科.A newsegmentation methodfor i m-age sequence of traffic scenes[C].Proceedings of the5th World Congress on Intelligent Control and Au-tomation, June15~19, P.R.China.2004
[4]介鸣, 黄显林, 卢鸿谦.使用多尺度光流法进行探月飞行器自主视觉导航[J].传感技术学报.2007, 20 (11) :2 508-2 512
[5]章毓晋.图像理解与计算机视觉[M].北京:清华大学出版社, 2003:29-41
[6]谭晓军, 沈伟, 郭志豪.交通场景中运动分割问题的研究[J].计算机工程, 2006, 32 (5) :169-171
[7]董颖.基于光流场的视频运动检测[D].济南:山东大学, 2008
[8]张丽.车辆视频检测与跟踪系统的算法研究[D].浙江大学, 2003
[9]楼建光, 柳崎峰, 胡卫明等.交通视觉监控中的摄像机参数求解[J].计算机学报, 2002, 25 (11) :1 269-1 273
[10]马颂德, 张正友.计算机视觉-计算理论预算法基础[M].北京:科学出版社, 1998
[11]夏楠.交叉路口交通流视频识别及信号灯控制系统[D].沈阳:东北林业大学, 2006