第A03版:第三版 上一版3  4下一版
 
版面导航

第A01版
第一版

第A02版
第二版

第A03版
第三版
 
标题导航
数字报首页 | 版面导航 | 标题导航
2019年8月14日 星期
3 上一篇 放大 缩小 默认
基于交通大数据的 异常行为分析研究
王娟 贾南 史新玉 张洋

近年来,随着公安信息化建设的推进,公安交管部门用先进的信息技术实现交通管理的深度融合,为执法办案、打击犯罪提供支持。通过以机动车驾驶员为核心的信息化管理平台建设、基于全国主干公路网交通指挥平台的建设、互联网交通安全服务平台建设三个系统的建设,汇聚了海量的公安交通管理大数据,主要应用于路面管控、业务监管、信息安全、公众出行。而交通监控视频大数据由于属于非结构化数据、提取分析难度大,目前在公安领域的应用还处于起步阶段,成为学者们的研究热点之一。

在国外,法国Citilog公司推出的基于车辆跟踪的交通信息分析系统,利用动态图像背景自适应技术,可在恶劣的气象条件下,实现对交通参数和事件的实时自动检测,实现交通智能化管控。美国ISS公司开发的Autoscope系列视频车辆检测系统,可以满足智能交通系统中复杂的应用,它通过智能处理视频图像以获得大区域范围内的交通参数和交通事故信息,可以自动发现违章停车、交通拥挤堵塞、车辆逆行及烟雾等交通状况,为实时交通管理或分析应用提供数据。Kimachi等人采用图像序列分析技术,对于可能导致交通事故的车辆异常行为,从图像序列中提取出这些行为的特征,并结合模糊理论估计出车辆行驶状态。在国内,随着国家对智能交通的建设越来越重视,迫使国内的交通管理者和智能交通企业越来越重视视频检测技术的应用与推广。很多学者尝试应用车辆轨迹聚类方法、ARIMA模型、回归模型、神经网络、以及深度学习模型来进行交通行为分析。

本文以交通时空数据中的车辆异常行为检测为研究目标,根据目标跟踪所获得的车辆运动轨迹,提出车辆异常行为的自动检测方法。首先,对交通监控视频中的车辆检测、跟踪等基本特征进行提取,如车辆牌照、颜色、车型、年检标、行驶轨迹等,然后在PGIS上对车辆的轨迹进行时空可视化展示,通过机器学习的方法对车辆的异常行为理解与描述,并构建车辆异常行为的检测模型,最后,在场景划分的基础上,根据所提取车辆轨迹的时序特征,训练目标行为模型进行行为识别和异常检测。

智能交通系统中的视频大数据是公安机关的重要数据资源之一,通过视频对人、车辆、轨迹、行为进行深度分析对公安工作具有巨大的价值。在不需要人为干预情况下,利用机器学习的方法,对所采集的信息进行自动分析,从而实现对车辆目标的检测、跟踪以及行为检测,进而完成车辆异常行为的检测。因此,基于视频的车辆异常行为分析技术必将为智能交通发展起到重要的推进作用。

(作者单位:中国人民警察大学;本文系廊坊市科技支撑计划项目:基于交通大数据的异常行为分析研究成果。项目编号:2019011009)

3 上一篇 放大 缩小 默认
  © 版权所有 廊坊日报社 合作伙伴:方正爱读爱看网
copyright © 2008 VOC.COM.CN, Geo Info. All Rights Reserved
   第A01版:第一版
   第A02版:第二版
   第A03版:第三版
   第A04版:第四版
   第B01版:第五版
   第B02版:第六版
   第B03版:第七版
   第B04版:第八版
花红柳绿廊坊园
全媒体时代公安舆情风险应对
做好卫生健康系统意识形态工作的 几点思考
初心和使命彰显党性和人民性的高度统一
基于交通大数据的 异常行为分析研究