基于网络受限移动对象数据库的交通流统计分析模型

网络动态交通流的统计分析技术是目前移动计算及智能运输系统领域的一个重要研究方向．然而，现有的交通流统计分析方法(如基于固定传感器的方法、高空交通流监视方法、浮动车法等)存在着信息量少、数据处理复杂、精确度及效率低下、通信代价高昂等缺陷．为了有效地提高交通流统计分析的效率与精度，提出了一种基于网络受限移动对象数据库的交通流统计分析方法(network constrained moving objects database based traffic flow statistical analysis．NMOD—TFSA)．通过对移动对象所提交的位置更新信息进行联机统计，NMOD-TFSA能够实时地获取交通网络各部分的动态交通参数．由于在数据采集时考虑了道路网络的拓扑结构，NMOD．TFSA有效地降低了通信及计算的代价；此外，NMoD—TFSA所采集的数据能够反映移动对象完整的时空轨迹，因此为数据分析提供了更为丰富的信息，提高了数据处理的精度．实验结果表明，与目前通行的浮动车法相比，NMOD—TFSA有效地降低了 通信及计算代价，提高了交通流统计分析的精度与灵活性．

交通监控系统中运动目标分类和跟踪研究

文章讲述了交通监控系统中应用视频图像流来跟踪运动目标并对目标进行分类的具体过程和原则.基于目标检测提出了双差分的目标检测算法,目标分类应用到了连续时间限制和最大可能性估计的原则,目标跟踪则结合检测到的运动目标图像和当前模板进行相关匹配.实验结果表明,该过程能够很好地探测和分类目标,去除背景信息的干扰,并能够在运动目标部分被遮挡、外观改变和运动停止等情况下连续地跟踪目标.