基于高分影像城市群路網(wǎng)瓶頸路段判別技術(shù)與系統(tǒng)實(shí)現(xiàn).pdf

1、近十年來(lái)，我國(guó)城市化進(jìn)程加快，以交通路網(wǎng)建設(shè)為主要形式的超大城市和城市群取得了長(zhǎng)足發(fā)展。然而交通擁堵已成城市“頑疾”，并呈愈演愈烈之勢(shì)。加強(qiáng)城市群路網(wǎng)交通狀態(tài)監(jiān)測(cè)，判研以交通頻繁擁堵隊(duì)列為表征的交通瓶頸，為交通管理部門規(guī)劃、疏導(dǎo)和優(yōu)化路網(wǎng)提供可靠數(shù)據(jù)，成為解決上述問(wèn)題的基礎(chǔ)性工作。
　　城市群交通路網(wǎng)具有點(diǎn)多、線長(zhǎng)、面廣的特點(diǎn)，僅僅依靠傳統(tǒng)的交通監(jiān)測(cè)手段，短期內(nèi)難以實(shí)現(xiàn)統(tǒng)一管理；同時(shí)，長(zhǎng)期的行政條塊化管理，毗鄰城市間、城鄉(xiāng)結(jié)合部路

2、網(wǎng)往往成為監(jiān)管盲區(qū)。隨著我國(guó)高分遙感技術(shù)的發(fā)展，從高分辨率遙感影像中提取交通信息，應(yīng)用于大區(qū)域的城市群交通路網(wǎng)管理之中，成為當(dāng)前的研究熱點(diǎn)。對(duì)此，本課題在2012年交通運(yùn)輸部重點(diǎn)項(xiàng)目支持下，開(kāi)展了城市群路網(wǎng)瓶頸路段識(shí)別技術(shù)研究，主要研究?jī)?nèi)容如下：
　?。?）研究了當(dāng)前國(guó)內(nèi)外遙感技術(shù)交通行業(yè)應(yīng)用現(xiàn)狀，明確了本課題研究的目的、意義，擬定了研究?jī)?nèi)容和技術(shù)路線。
　　（2）研究了城市群以交通頻繁擁堵隊(duì)列為表征的交通瓶頸判別常用的指標(biāo)

3、，從宏觀、大區(qū)域交通管理需求出發(fā)，依據(jù)高分影像中交通信息特點(diǎn)，建立了車輛排隊(duì)長(zhǎng)度比為指標(biāo)的交通瓶頸路段判別技術(shù)。
　?。?）為實(shí)現(xiàn)高分遙感影像車輛目標(biāo)信息提取基礎(chǔ)上的車輛隊(duì)列識(shí)別，分別研究了航空和航天兩種高分影像車輛提取技術(shù)。基于航天影像車輛亮度特征明暗差異，提出了全自動(dòng)雙閾值提取算法；利用航空影像車輛信息豐富特征，分別構(gòu)建了正、負(fù)樣本各400個(gè)，提取樣本SURF(Speed-up robust feature)特征后，經(jīng)SVM(

4、Support vector machine)分類器訓(xùn)練后，建立高維映射模型，并以此對(duì)路網(wǎng)掩膜后的感興趣區(qū)域完成車輛目標(biāo)遍歷搜索提取，形成了基于SURF與SVM結(jié)合的航空高分影像車輛提取方法。與目視解譯對(duì)比，兩種車輛目標(biāo)提取方法的誤檢率分別為10.2％、16%，漏檢率分別為5.1%、15%。
　　（4）車輛信息提取后，將道路進(jìn)行打斷分割，建立了車輛隊(duì)列搜索塊，以車輛隊(duì)列搜索塊中的車輛占有率0.3為閾值，遍歷搜索出大區(qū)域影像中車輛隊(duì)