智能交通课件

信息化时代交通发展趋势3智能化无人驾驶智能导航智能监控全面化无线传感物联网车路协同实时化实时交通实时信息实时数据第1页/共41页智能交通典型应用4智能道路监控实时信息发布智慧城市智能安全交通车路协同第2页/共41页智能交通系统国内外现状570年代：北京、上海和广州等大城市进行交通信号控制的研究与开发80年代：开始了ITS基础性的研究和开发工作90年代：开始建设交通控制中心或交通指挥中心2000年：智能交通与IT产业的融合发展现在：智能交通的理念及应用已经走在了世界前列，跨界趋势明显国内60年代：美国政府部门和企业大力推进ITS建设和发展1990年：正式成立智能车辆道路协会1991年：通过了综合地面运输效率法案，开始智能车路系统的研究1994年：将IVHS改为ITS1995年：首次正式发布《国家智能交通系统项目规划》1998年：通过了“21世纪交通平等法案”21世纪：ITS开发和应用的重点是出行信息服务系统、运营车辆管理系统、应急管理系统和车路协调系统美国第3页/共41页智能交通系统国内外现状61969年：提出要在成员国之间开展交通控制电子技术的演示1986始：提出“欧洲高效安全交通系统计(PROMETHEUS)”和“保障车辆安全的欧洲道路基础设施计划(DRIVE)”计划1994-1999年：提出T-TAP计划和TEN-T计划2000年：发布的欧盟KAREN项目2008年至今：制定了关于为了安全应用智能交通系统，标准化机构ETSI和CEN确认欧洲1973-1978年：组织“动态路径诱导系统”的实验80-90年代：完成了智能交通系统各方面的研究1994-2000年：完成了智能交通系统测试和整体设想1994年：将IVHS改为ITS2004年：开发智能公路Smartway项目2010：新一代智能交通车载装置投入市场日本第4页/共41页下面具体介绍一个例子：道路图片分享系统一个例子2第5页/共41页6大纲

系统动机

系统简介

系统模型

实验与仿真

结论第6页/共41页7大纲

系统动机

系统简介

系统模型

实验与仿真

结论第7页/共41页8系统动机一个小故事jack

想开车到某个地方自驾游，他希望这次自驾游是一次完美的体验，因此在开车的路上希望尽量少的交通拥堵和事故发生，因此他希望看到路线上某些点的实时交通情况

怎样实现第8页/共41页9系统动机一个故事Jack可能会求助于谷歌地图，waze或者其他的一些工具谷歌地图用一些不同颜色的线条提供不同路段的拥堵情况–这是不够直观的

Waze利用大众上传道路情况，这些道路情况可以附带道路的图像

–可能并不是jack需求的

第9页/共41页10系统动机图像分享系统需要解决的：

如果jack想知道道路A点的路况，他只需要在地图上点击A点，系统可以通知A点周围的车辆为jack拍摄A点的实时交通图，然后将图像传给jack，这样jack就可以知道A点的实时道路情况，而且是直观的

第10页/共41页11大纲

系统动机

系统简介

系统模型

实验与仿真

结论第11页/共41页12系统简介系统构架:

系统由三部分组成：用户:发送请求，获取图像车辆:拍摄图像，获得报酬服务器:接受用户请求，发送拍照请求给拍摄点周围车辆，确定周围车辆的拍摄报酬，并检验拍摄照片是否符合要求那么，问题来了！第12页/共41页13系统简介问题怎样寻找经过用户请求点的周围车辆即使找到车辆，为什么这些车辆会上传拍摄照片如果上传的照片不是在用户请求点拍摄的怎么办方案：预测并跟踪测量，设计激励机制，图像匹配第13页/共41页14系统简介系统架构图第14页/共41页15系统简介工作流程:用户生成请求，并发送请求给服务器服务器预测车辆的行为，并跟踪车辆以获得会经过请求点的车辆列表

服务器发送请求给这些车辆，请求车辆司机拍摄道路图片车辆上传拍摄图片，获取报酬

服务器匹配服务器上传的图片和百度街景图来确定上传图像的质量，并选取质量最高的图片返回给用户第15页/共41页16大纲

系统动机

系统简介

系统模型

实验与仿真

结论第16页/共41页17系统模型按照不同目的和功能，系统可以分为以下三个步骤:车辆选择:服务器预测车辆行为，并跟踪车辆，确定最后到达目的点的车辆报酬计算：选择车辆上传图片，计算图片的报酬

图像处理：确定图片内容，选择最好图片

第17页/共41页18系统模型车辆选择

当接收到，服务器首先搜索请求点周围车辆，并确定这些车辆是否到达请求点D如果车辆会到达D，则会一直朝D开，以红色线条为例，车辆必须在A处右拐才能到达第18页/共41页19系统模型车辆选择-预测行为确定车辆在十字路口的行为：左拐，直行还是右拐

第19页/共41页20系统模型车辆选择-预测行为服务器采集车辆在十字路口前的一段加速度数据分析数据，来预测车辆行为：不停车停车第20页/共41页21系统模型车辆选择-行为预测：不停车用加速度预测第21页/共41页22系统模型车辆选择-行为预测：不停车

采集YZ段的加速度数据，用加速度数据预测，预测车辆在X处的行为

提取加速度的特征：用离散小波变换第22页/共41页23系统模型车辆选择-行为预测：不停车实验证明7维度的离散小波提取特征最好，提取小波后计算信号量，作为加速度的特征对特征进行分类：用机器学习算法学习分类，分类结果就是车辆行为第23页/共41页24系统模型车辆选择-行为预测：停车收集车辆的方向传感器数据：用方向传感器数据监测第24页/共41页25系统模型车辆选择-行为预测：停车防止方向跳变：方向传感器可能突然从0调到360如果方向传感器的数据波动大于阈值则在转弯，比较前后转弯方向传感器数据，确定直走，左转，或者右转

第25页/共41页26系统模型车辆选择-跟踪

跟踪车辆以便确定车辆是否到达请求位置第26页/共41页27系统模型车辆选择-跟踪

以请求点两边的十字路口为跟根节点，根据最大请求时间建立搜索树，所有在搜索树上的车辆作为潜在车辆：预测车辆的在路口的行为：去除转弯方向不到请求点的车辆去除在中途停车不动的车辆剩余的都会到达请求地点!!!第27页/共41页28系统模型报酬计算原因：车辆司机不会主动上传照片给陌生人，需要报酬工具:反向VCG拍卖计算图片价值计算车辆效用第28页/共41页29系统模型报酬计算：计算服务器效用最大化社会效用最后计算图片报酬第29页/共41页30系统模型图片处理获得报酬的车辆会上传道路图像，但之后合格的图片才有用:拍摄位置接近请求点

图片是以正确的角度拍摄

图片内容是道路情况图片不模糊直接评估很难，需要借助百度街景图做图像匹配第30页/共41页31系统模型图像匹配

工作流程：RootSIFT计算图像的描述子计算每个描述子在另外图像上的最佳两个匹配点删除其中伪匹配点进一步用极线限制删除剩余伪匹配点第31页/共41页32系统模型图像匹配第32页/共41页33大纲

系统动机

系统简介

系统模型

实验与仿真

结论第33页/共41页34实验与仿真车辆预测不停车：平均准确度为95.1%停车：平均准确度为98.3%第34页/共41页35实验与仿真车辆跟踪：平均等待时间