基于多源视频数据的混合非机动交通流特性和容量的研究
Guobin Gu1, Xin Sun2, Benxiao Lou1,3
1Guangxi Key Laboratory of International Join for China-ASEAN Comprehensive Transportation, Nanning University, Nanning 530200, China.
Sensors (Basel, Switzerland)
|November 9, 2024
概括
本研究引入了一种用于非机动城市交通的新型随机容量估计模型,使用功率光谱分析准确评估电动汽车和自行车的道路容量.
科学领域:
- 运输工程 运输工程
- 交通流分析 流量分析
- 城市流动性 城市流动性
背景情况:
- 包括电动汽车 (EV) 和自行车在内的非机动交通对于城市最后一英里运输至关重要.
- 现有的容量估计方法可能无法完全捕捉混合非机动交通流的随机性质.
- 精确的能力评估对于管理城市道路拥堵和提高运输效率至关重要.
研究的目的:
- 开发和验证混合非机动交通的随机容量估计模型.
- 通过先进的信号处理技术,进一步了解非机动道路容量.
- 为城市规划和交通管理提供可靠的数据.
主要方法:
- 使用无人机和视频摄像头收集交通数据.
- 采用YOLO卷积神经网络和DeepSORT多目标跟踪用于图像和视频处理.
- 应用功率光谱分析和随机信号参数模型对流量时间序列数据.
- 使用Akaike信息标准 (AIC) 优化模型参数以获得最佳匹配.
主要成果:
- 拟议的随机容量模型估计纯电动车容量在2060-3297自行车/小时之间,纯自行车容量在1538-2460自行车/小时之间.
- 密度流模型产生了类似的结果:纯电动汽车容量为2349-2897自行车/小时,纯自行车容量为1753-2173自行车/小时.
- 估计值之间的最小差异验证了模型的有效性.
结论:
- 开发的随机容量模型准确地估计了城市环境中的非机动交通容量.
- 这些发现为解决城市道路拥堵问题和优化非机动交通基础设施提供了实际见解.
- 这项研究有助于更可靠地评估非机动道路容量.
