近年來交通事故頻發(fā),經(jīng)常出現(xiàn)救援不及時和事后取證困難等問題,主要原因是缺乏有效的事故現(xiàn)場圖像信息。雖然城市道路中已存在大量的監(jiān)控攝像頭,但是由于成本高、鋪設(shè)難度大等原因無法做到全面覆蓋。對于沒有監(jiān)控攝像頭的區(qū)域無法獲取其信息。車載自組織網(wǎng)絡(luò)是智能交通中實現(xiàn)車輛多媒體傳輸、遠(yuǎn)程交通事故預(yù)警、實時道路交通信息查詢和高速公路自動繳費(fèi)等應(yīng)用技術(shù)的基礎(chǔ)。目前大部分車輛都裝有行車記錄儀,在汽車行駛過程中,行車記錄儀能夠記錄有關(guān)的視頻圖像和聲音,可為交通事故提供證據(jù)。利用車載自組織網(wǎng)絡(luò)將行車記錄儀中的交通圖像傳輸?shù)浇煌ú块T,可以加快救援速度、保存證據(jù),這對于無監(jiān)控道路上的事故救援、事后取證具有重要意義。本文首先研究了交通圖像的采集方法,通過計算鄰居車輛的距離和角度,選出距離較近、角度較好的鄰居車輛,從這些車輛的行車記錄儀中截取相應(yīng)的圖像,將一段時間內(nèi)從多個角度拍攝的圖像匯集到管理節(jié)點(diǎn)。由于原始圖像數(shù)據(jù)量較大,不利于傳輸,所以采用壓縮感知技術(shù)壓縮圖像,在交通部門接收到后,再通過重構(gòu)算法恢復(fù)出圖像。壓縮后的圖像需要盡快地傳遞到路邊單元,再由路邊單元傳遞到交通部門。由于車載自組織網(wǎng)絡(luò)拓?fù)渥兓l繁,中斷時常... 

【文章來源】：內(nèi)蒙古大學(xué)內(nèi)蒙古自治區(qū) 211工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

城市路網(wǎng)Figure3.7Cityroadnetwork

基于VANET的交通圖像采集與傳輸技術(shù)研究26表3.6車輛選取算法仿真參數(shù)設(shè)置Table3.6Simulationparametersettingofvehicleselectionalgorithm參數(shù)設(shè)置仿真區(qū)域2000m×2000m仿真時長200s車輛最大速度20m/s車輛跟馳模型Krauss采集時長T4s采集間隔2s拍攝有效距離050m車輛權(quán)值系數(shù)0.53.3.3實驗結(jié)果分析（1）直行道路如果交通事故發(fā)生在直行道路上，如圖3.8所示，其中紅色車輛代表事故車輛，周圍的綠色車輛是鄰居車輛，車輛選取算法就是從眾多的鄰居車輛中選出一些距離較近、角度較好的車輛。本實驗中設(shè)定采集時長T為4s，采集間隔為2s，所以車輛選取算法共執(zhí)行了兩次，將對應(yīng)的兩個時刻記為T1，T2。根據(jù)仿真輸出的車輛軌跡文件sumoTrace.xml，可以得到T1，T2兩個時刻下事故車輛和鄰居車輛的位置坐標(biāo)，然后根據(jù)位置坐標(biāo)計算出車輛的距離、角度和偏差角度，進(jìn)行候選車輛集合劃分，并計算車輛的權(quán)值。表3.7記錄了T1，T2時刻下各候選車輛集合中車輛的詳細(xì)信息。圖3.8仿真場景Figure3.8Simulationscenario

基于VANET的交通圖像采集與傳輸技術(shù)研究28圖3.9直行道路T1時刻車輛分布Figure3.9DistributionofvehiclesonstraightroadsattimeT1圖3.10直行道路T2時刻車輛分布Figure3.10DistributionofvehiclesonstraightroadsattimeT2（2）十字路口當(dāng)交通事故發(fā)生在十字路口處時，車輛選取算法的步驟大致與直行道路相同，主要的不同在于十字路口處車輛所處的最佳角度用集合表示是{0°，90°，-90°，180°}。運(yùn)行仿真環(huán)境后，根據(jù)仿真輸出的車輛軌跡文件，可以得到T1，T2兩個時刻下十字路口處的事故車輛和鄰居車輛的位置坐標(biāo)，然后根據(jù)位置坐標(biāo)計算出鄰居車輛的距離、角度和偏差角度，進(jìn)行候選車輛集合劃分，并計算車輛的權(quán)值。表3.8記錄了T1，T2時刻下各候選車輛集合中車輛的詳細(xì)信息。根據(jù)表3.8中各候選車輛集合中車輛的信息，選出權(quán)值最小的車輛。T1時刻的就是{H.9，C.1，P.6，G.10}，這4個車輛的分布情況如圖3.11所示，圖中紅色車輛為事故車輛。T2時刻的是{H.50，A.32，P.27，G.32}，分布情況如圖3.12所示。最后管理節(jié)點(diǎn)將會匯集由上述選中車輛發(fā)送的T1，T2時刻的事故圖像。

【參考文獻(xiàn)】：
期刊論文
[1]智能交通系統(tǒng)綜述[J]. 趙娜,袁家斌,徐晗.  計算機(jī)科學(xué). 2014(11)
[2]一種基于實時車流密度信息的VANET路由協(xié)議[J]. 李新,吳學(xué)文.  電子設(shè)計工程. 2013(09)
[3]基于SUMO平臺的微觀交通仿真研究[J]. 韓光輝,陳笑蓉,俞洋,李永前.  計算機(jī)工程與科學(xué). 2012(07)
[4]機(jī)會網(wǎng)絡(luò)模擬器ONE及其擴(kuò)展研究[J]. 王朕,王新華,隋敬麒.  計算機(jī)應(yīng)用研究. 2012(01)
[5]機(jī)會網(wǎng)絡(luò)典型路由算法性能分析[J]. 孫踐知,劉乃瑞,張迎新,韓忠明,陳丹.  計算機(jī)工程. 2011(16)
[6]圖像恢復(fù)的小波域加速Landweber迭代閾值方法[J]. 張偉斌,馮象初,王衛(wèi)衛(wèi).  電子與信息學(xué)報. 2011(02)
[7]車載自組織網(wǎng)絡(luò)關(guān)鍵技術(shù)[J]. 王昭然,謝顯中,趙鼎新.  電信科學(xué). 2011(01)
[8]基于SUMO的路由協(xié)議仿真研究[J]. 苗曉鋒,羅志輝,洪亮.  計算機(jī)工程. 2011(01)
[9]機(jī)會網(wǎng)絡(luò)路由協(xié)議[J]. 任智,黃勇,陳前斌.  計算機(jī)應(yīng)用. 2010(03)

碩士論文
[1]基于分布式壓縮感知的煤礦視頻編碼方法研究[D]. 華倩倩.中國礦業(yè)大學(xué) 2019
[2]基于壓縮感知理論的植株圖像重構(gòu)方法研究[D]. 李尚龍.江蘇大學(xué) 2019
[3]車聯(lián)網(wǎng)通信安全與隱私防護(hù)機(jī)制研究[D]. 沈岑.北京交通大學(xué) 2018
[4]基于車聯(lián)網(wǎng)的交通事故信息收集系統(tǒng)的設(shè)計與實現(xiàn)[D]. 張曉東.內(nèi)蒙古大學(xué) 2016



本文編號：3299720