随着移动通信技术的快速发展和更新换代, 各行各业的信息化、智能化日益依赖于无线通信的强有力保障。因此, 准确的信道信息、可靠的无线覆盖至关重要。射线跟踪技术面向不同行业的各类通信场景, 通过建立有效的三维场景模型, 以材料电磁参数、天线参数为基础, 依托高性能计算引擎, 将光学的射线技术引入电磁计算领域, 能够准确地表征反射、散射、绕射、透射等多种电波传播机理及其对无线系统的影响。本文介绍了作者团队自主研发的高性能射线跟踪仿真平台, 围绕高性能射线跟踪技术在智能交通领域的应用案例, 阐述了射线跟踪技术在轨道交通、水路交通、公路交通等智能交通领域无线网络规划与优化、无线信道建模及信道特性分析等方面的技术优势, 以期以自主可控的高性能射线跟踪仿真技术更好地助力我国交通强国战略的实施。

随着智慧城市、智慧交通和天网工程的不断发展，复杂城市环境下的车窗透反混叠图像解耦技术成为当前研究的热点，在卡口登记、安全驾驶、逃犯追踪和**反恐等领域需求迫切。为克服传统成像技术依赖光强信息、易受环境干扰等劣势，基于偏振成像技术建立玻璃透反光传输模型，提出车窗透射信息光和反射干扰光的解耦分离方法，面向室内模拟场景和户外真实场景开展实验研究。结果表明：室内场景下轿车模型和客车模型消反图像的信息熵较原始强度图像分别提升14.3%和9.8%；室外场景真实车辆消反图像因消除包含大量环境信息的反射光成分而使信息熵较原始强度图像下降2.7%；这几类场景消反图像的区域对比度相较原始强度图像分别提升40.1%、117.5%、237.8%。此外，研究图像消反质量与模型几何因素的相关关系，所得结论能对相机摆放高度和车辆停止线划线位置起到指导作用。

车辆检测是车辆识别和跟踪的重要前提。为解决传统车辆检测算法无法兼顾检测的准确性与实时性的问题, 本文提出一种基于实时交通状况和自适应像素分割的运动车辆检测算法。该算法采用多帧间隔图像建立初始背景模型, 提出基于时-空变化度的背景区域变化评价方法, 并基于时-空变化度制订了自适应的学习率更新策略。通过设置一个信任区间, 并根据当前交通状况和像素点是否处于信任区间内来判断当前的背景模型是否需要更新, 进而实现对运动车辆的准确、快速检测。改进后的像素自适应分割算法在不同场景中检测的性能指标Recall、Precision和F-measure分别达到0.929, 0.864, 0.888, 均高于传统像素自适应分割算法, 且算法的处理时间为88.37 ms, 比传统像素自适应分割算法的运算速度快近10 ms, 基本满足车辆检测所需的速度快、精度高、鲁棒性高等要求。

针对卷积神经网络只能使用相同尺寸图像和卷积核的网络进行特征提取, 导致提取的特征不全面, 在交通标志识别中因车载摄像头与交通标志的位置不断变化影响交通标志的识别精度等问题, 提出了一种基于多尺度特征融合与极限学习机结合的交通标志识别方法。首先, 将预训练适应3种不同尺寸图像的网络模型作为实验的初始模型; 然后, 融合3个网络模型构建多尺度卷积神经网络, 将3个预训练网络的参数级联到融合模型的全连接层, 对融合模型的全连接层进行训练, 采用随机梯度下降算法更新网络参数; 最后, 将融合后的模型作为特征提取器提取特征, 把提取到的多尺度特征送入极限学习机, 实现交通标志识别。实验采用德国交通标志数据库(GTSRB)对算法性能进行测试, 实验结果显示, 多尺度特征融合与极限学习机结合的网络识别精度为99.23%, 识别速度为46 ms。相对于预训练的网络, 网络的分类精度分别提高了2.35%, 3.22%, 3.74%。多尺度特征融合能够有效提取交通标志图像的特征信息, 极限学习机可以提高分类精度和分类时间, 该方法能满足交通标志识别的准确性和实时性的要求。

为解决现有基于深度学习的行人重识别算法中网络深度过深,网络层间的特征关系利用率、时间效率低等问题,提出了一种基于压缩激励残差网络(SE-ResNet)与特征融合的改进算法。通过引入压缩激励(SE)模块,在特征通道上对特征进行压缩和激励,然后重新对各通道分配权重,以增强有用特征通道,抑制无用特征通道,降低网络的深度;为提高识别精度和运算效率,将浅层特征与深层特征融合,删除部分特征提取模块,并对卷积核的大小与运行时间、识别精度的关系进行建模,寻找最佳平衡点。实验结果表明,相比ResNet50,本算法的Rank-1提高了4.26个百分点,平均精度均值提高了17.41个百分点。与其他经典算法相比,本算法的识别精度也有不同程度的提高,且鲁棒性较好。

室外可见光通信(VLC)系统中, 高强度的太阳光、高亮度的电子广告牌, 以及大量的人造光源等使得光电探测器容易出现饱和或者非线性输出等异常情况。为了解决此问题, 首先回顾了面向室外智能交通的VLC研究进展; 接着针对室外应用环境中出现的不同类型的干扰, 介绍了抗干扰收发技术, 包括光信道起伏与遮挡下的喷泉码方案、强背景光干扰与探测器饱和下的衰减分集接收技术, 以及多光源干扰下的自动对准与跟踪方法等; 最后, 指出这些抗干扰收发技术在未来的改进和研究方向。

针对传统智能交通系统(Intelligent Transportation System, ITS)的计算能力和通信能力无法满足其强实时性、高可靠性的需求问题, 且边缘计算(Edge Computing, EC)技术是解决强实时性和高可靠性最有效的技术途径, 设计研发了一套基于塑料光纤(Plastic Optical Fiber, POF)的智能交通EC短距离(小于100m)通信系统。该系统采用POF作为主要通信介质, 并根据通信系统的需求, 设计开发了POF的光纤网络单元(Optical Network Unit, ONU)与各类介质转换器, 实现了POF与RS485、100Mb/s以太网等标准协议接口相连。系统实现与应用表明: POF比较适用于短距离通信系统, 该系统具有传输速率快、带宽高、不受电磁干扰、弯曲半径小、弯曲柔韧性与实时性较好、成本低、可靠性高、现场部署操作方便、不易折断等优势, 因而, 所设计系统具有较好的参考与应用价值。

随着国内“平安城市”项目的不断完善, 完备的补光系统对于智能交通也就显得越来越重要。首先, 阐述了在智能交通中补光系统的作用、分类及现有补光系统的优缺点; 其后针对在补光中存在的眩目和过曝这两个问题, 设计了一款红外和白光混合排列阵列式发光二极管防眩目补光系统, 完成了其硬件部分和基于现场可编程门阵列(Field Programmable Gate Array, FPGA)自适应算法的软件部分, 并对该系统进行了实际测试。测试结果表明: 补光效果优于白光常亮灯, 且眩目感显著降低; 车牌图像二值化分布均匀, 该补光系统可有效解决车牌过曝问题。