1 北京交通大学 电子信息工程学院
2 轨道交通控制与安全国家重点实验室
3 北京交通大学 轨道交通控制与安全国家重点实验室
4 轨道交通安全协同创新中心, 北京 100044
随着移动通信技术的快速发展和更新换代, 各行各业的信息化、智能化日益依赖于无线通信的强有力保障。因此, 准确的信道信息、可靠的无线覆盖至关重要。射线跟踪技术面向不同行业的各类通信场景, 通过建立有效的三维场景模型, 以材料电磁参数、天线参数为基础, 依托高性能计算引擎, 将光学的射线技术引入电磁计算领域, 能够准确地表征反射、散射、绕射、透射等多种电波传播机理及其对无线系统的影响。本文介绍了作者团队自主研发的高性能射线跟踪仿真平台, 围绕高性能射线跟踪技术在智能交通领域的应用案例, 阐述了射线跟踪技术在轨道交通、水路交通、公路交通等智能交通领域无线网络规划与优化、无线信道建模及信道特性分析等方面的技术优势, 以期以自主可控的高性能射线跟踪仿真技术更好地助力我国交通强国战略的实施。
高铁通信 智能交通 网络优化 射线跟踪 high-speed railway communication intelligent transportation network optimization ray tracing 太赫兹科学与电子信息学报
2023, 21(4): 530
1 南京信息工程大学 自动化学院, 江苏 南京 210044
2 江苏省大气环境与装备技术协同创新中心, 江苏 南京 210044
3 南京信息工程大学 无锡研究院, 江苏 无锡 214100
车辆检测是车辆识别和跟踪的重要前提。为解决传统车辆检测算法无法兼顾检测的准确性与实时性的问题, 本文提出一种基于实时交通状况和自适应像素分割的运动车辆检测算法。该算法采用多帧间隔图像建立初始背景模型, 提出基于时-空变化度的背景区域变化评价方法, 并基于时-空变化度制订了自适应的学习率更新策略。通过设置一个信任区间, 并根据当前交通状况和像素点是否处于信任区间内来判断当前的背景模型是否需要更新, 进而实现对运动车辆的准确、快速检测。改进后的像素自适应分割算法在不同场景中检测的性能指标Recall、Precision和F-measure分别达到0.929, 0.864, 0.888, 均高于传统像素自适应分割算法, 且算法的处理时间为88.37 ms, 比传统像素自适应分割算法的运算速度快近10 ms, 基本满足车辆检测所需的速度快、精度高、鲁棒性高等要求。
智能交通系统 车辆检测 像素自适应分割 时-空变化度 信任区间 背景模型 intelligent transportation system vehicle detection pixel-based adaptive segmentation time-space variation degree trust interval background model
西北师范大学 物理与电子工程学院, 甘肃 兰州 730070
针对卷积神经网络只能使用相同尺寸图像和卷积核的网络进行特征提取, 导致提取的特征不全面, 在交通标志识别中因车载摄像头与交通标志的位置不断变化影响交通标志的识别精度等问题, 提出了一种基于多尺度特征融合与极限学习机结合的交通标志识别方法。首先, 将预训练适应3种不同尺寸图像的网络模型作为实验的初始模型; 然后, 融合3个网络模型构建多尺度卷积神经网络, 将3个预训练网络的参数级联到融合模型的全连接层, 对融合模型的全连接层进行训练, 采用随机梯度下降算法更新网络参数; 最后, 将融合后的模型作为特征提取器提取特征, 把提取到的多尺度特征送入极限学习机, 实现交通标志识别。实验采用德国交通标志数据库(GTSRB)对算法性能进行测试, 实验结果显示, 多尺度特征融合与极限学习机结合的网络识别精度为99.23%, 识别速度为46 ms。相对于预训练的网络, 网络的分类精度分别提高了2.35%, 3.22%, 3.74%。多尺度特征融合能够有效提取交通标志图像的特征信息, 极限学习机可以提高分类精度和分类时间, 该方法能满足交通标志识别的准确性和实时性的要求。
卷积神经网络 交通标志识别 多尺度融合 智能交通 极限学习机 convolutional neural network identification of traffic signs multi-scale fusion intelligent transportation extreme learning machine
1 内蒙古科技大学信息工程学院, 内蒙古 包头 014010
2 内蒙古工业大学信息工程学院, 内蒙古 呼和浩特 010080
为解决现有基于深度学习的行人重识别算法中网络深度过深,网络层间的特征关系利用率、时间效率低等问题,提出了一种基于压缩激励残差网络(SE-ResNet)与特征融合的改进算法。通过引入压缩激励(SE)模块,在特征通道上对特征进行压缩和激励,然后重新对各通道分配权重,以增强有用特征通道,抑制无用特征通道,降低网络的深度;为提高识别精度和运算效率,将浅层特征与深层特征融合,删除部分特征提取模块,并对卷积核的大小与运行时间、识别精度的关系进行建模,寻找最佳平衡点。实验结果表明,相比ResNet50,本算法的Rank-1提高了4.26个百分点,平均精度均值提高了17.41个百分点。与其他经典算法相比,本算法的识别精度也有不同程度的提高,且鲁棒性较好。
行人重识别 压缩激励残差网络(SE-ResNet) 深度学习 智能交通 激光与光电子学进展
2020, 57(18): 181007
1 中国科学技术大学 信息科学技术学院, 合肥 230026
2 中国科学院 无线光电通信重点实验室, 合肥 230026
室外可见光通信(VLC)系统中, 高强度的太阳光、高亮度的电子广告牌, 以及大量的人造光源等使得光电探测器容易出现饱和或者非线性输出等异常情况。为了解决此问题, 首先回顾了面向室外智能交通的VLC研究进展; 接着针对室外应用环境中出现的不同类型的干扰, 介绍了抗干扰收发技术, 包括光信道起伏与遮挡下的喷泉码方案、强背景光干扰与探测器饱和下的衰减分集接收技术, 以及多光源干扰下的自动对准与跟踪方法等; 最后, 指出这些抗干扰收发技术在未来的改进和研究方向。
可见光通信 智能交通 干扰抑制 喷泉码 衰减分集 自动跟瞄 visible light communication intelligent transportation interference mitigation Fountain code attenuation diversity auto-alignment and tracking
1 西安工程大学电子信息学院, 陕西 西安 710048
2 西安计量技术研究院, 陕西 西安 710068
在YOLOv2算法的基础上,根据实际道路环境的变化对YOLOv2-voc的网络结构进行改进,基于ImageNet数据集和微调技术得到分类训练网络模型,根据训练结果与车辆目标特征的分析,对算法参数进行修改,获得改进的车型识别分类网络结构模型YOLOv2-voc_mul。为验证所提模型的有效性,分别对简单背景和复杂背景下的样本进行检测,并与YOLOv2、YOLOv2-voc和YOLOv3模型在迭代70000次后的检测结果进行了对比。实验结果表明:在简单背景下,YOLOv2-voc_mul模型的精度可达99.20%,不同车型的平均精度均值达到了89.03%;在复杂背景下,YOLOv2-voc_mul模型对4种车型在单目标和多目标的检测下平均准确率达到了92.21%和89.44%,具有较高的精确度、较小的误检率和良好的鲁棒性。
图像处理 智能交通 多目标识别 YOLOv2 深度学习 激光与光电子学进展
2020, 57(10): 101010
1 国药集团重庆医药设计院有限公司, 重庆 400042
2 重庆车辆检测研究院有限公司, 重庆 401122
3 重庆大学 自动化学院, 重庆 400044
针对传统智能交通系统(Intelligent Transportation System, ITS)的计算能力和通信能力无法满足其强实时性、高可靠性的需求问题, 且边缘计算(Edge Computing, EC)技术是解决强实时性和高可靠性最有效的技术途径, 设计研发了一套基于塑料光纤(Plastic Optical Fiber, POF)的智能交通EC短距离(小于100m)通信系统。该系统采用POF作为主要通信介质, 并根据通信系统的需求, 设计开发了POF的光纤网络单元(Optical Network Unit, ONU)与各类介质转换器, 实现了POF与RS485、100Mb/s以太网等标准协议接口相连。系统实现与应用表明: POF比较适用于短距离通信系统, 该系统具有传输速率快、带宽高、不受电磁干扰、弯曲半径小、弯曲柔韧性与实时性较好、成本低、可靠性高、现场部署操作方便、不易折断等优势, 因而, 所设计系统具有较好的参考与应用价值。
智能交通 边缘计算 POF塑料光纤 系统设计 intelligent transportation edge computing plastic optical fiber system design
随着国内“平安城市”项目的不断完善, 完备的补光系统对于智能交通也就显得越来越重要。首先, 阐述了在智能交通中补光系统的作用、分类及现有补光系统的优缺点; 其后针对在补光中存在的眩目和过曝这两个问题, 设计了一款红外和白光混合排列阵列式发光二极管防眩目补光系统, 完成了其硬件部分和基于现场可编程门阵列(Field Programmable Gate Array, FPGA)自适应算法的软件部分, 并对该系统进行了实际测试。测试结果表明: 补光效果优于白光常亮灯, 且眩目感显著降低; 车牌图像二值化分布均匀, 该补光系统可有效解决车牌过曝问题。
眩目 过曝 补光系统 红外发光二极管 智能交通 glare overexposed supplemental lighting system infrared light emitting diode intelligent transportation 红外与激光工程
2018, 47(9): 0918006