1 中国环境科学研究院大气环境研究所, 北京 100012
2 长安大学环境科学与工程学院, 陕西 西安 710054
3 渭南市临渭区环境监测站, 陕西 渭南 714000
4 南开大学环境科学与工程学院, 城市交通污染防治研究中心, 天津 300071
5 北京化工大学环境科学与工程系, 北京 100029
6 渭南市环境科学研究中心, 陕西 渭南 714000
7 中科弘清 (北京) 科技有限公司广州分公司, 广东 广州 510310
为掌握渭南市道路积尘分布特征及影响因素, 获取道路积尘本地化参数和道路扬尘的管控依据, 基于光散射法利用道路积尘负荷车载式快速监测系统对渭南市城市道路积尘负荷进行了测定, 分析了不同类型道路的积尘负荷特征, 并研究了车流量、车重及道路抑尘方式等与积尘负荷的关系。研究结果表明, 渭南市道路积尘负荷平均值为 1.13 g·m-2, 不同类型道路积尘负荷大小呈支路 (1.79 g·m-2) > 次干道 (1.22 g·m-2) > 省道 (1.08 g·m-2) > 主干道 (0.94 g·m-2) > 国道 (0.71 g·m-2) 的特征; 车流量和车速变化与道路积尘负荷值均呈负相关, 即车流量和车速越大, 积尘负荷值越小; 此外, 洒水能有效降低道路积尘负荷值, 但保持时间较短, 因此建议改变重洒水弱清扫的作业模式, 重点关注清扫除尘。
快速检测法 积尘负荷 车流量 车速 抑尘方式 fast detection silt loading traffic flow speed dust suppression method 大气与环境光学学报
2022, 17(3): 336
为探讨天山北坡河谷绿洲城市车流量与对流层NO2垂直柱浓度(VCD)的关系, 基于各城市车流量状况, 利用地基多轴差分光谱仪(Mini MAX-DOAS)在2018年—2019年天山北坡经济带上的综合性大城市乌鲁木齐、 工业型中等城市石河子和工业型小城市阜康市中心区连续固定监测, 并沿城市交通主干道进行车载移动监测, 研究车流量对NO2VCD的影响, 对比分析山盆体系河谷绿洲城市与中东部发达城市污染严重原因的差异。 结果表明: (1)天山北坡大中小城市的车流量日均值大城市乌鲁木齐(1 406辆/5 min)远大于中小城市, 中等城市石河子(203辆/5 min)和小城市阜康(185辆/5 min)差异并不显著(p>0.05), 而各类城市NO2VCD整体差异显著(p<0.05), 其日变化峰值有所差异, 表现为乌鲁木齐(22.613×1015 molec·cm-2)>阜康(17.758×1015 molec·cm-2)>石河子(15.272×1015 molec·cm-2), 三类城市的车流量和NO2VCD的日变化趋势一致, 都呈现出“早晚高, 中午低”的变化趋势; 季节变化中三类城市的车流量和NO2VCD均为: 冬春季>秋夏季; (2)虽然早晚各监测点的车流量有所差异, 但三类城市的车流都集中在市中心附近; 移动监测数据表明, NO2VCD高值出现在车流较高的市区, 并且在各城市风向稳定时, 下风向浓度大于上风向; 由于居住空间差异, 人们在城市各功能区间的活动, 车辆流向和NO2VCD都集中于人流密集的商业区, 说明车辆对NO2VCD具有较大贡献; (3)2009年—2019年10年间天山北坡大中小城市经济生产总值增长率在200%以上, 乌鲁木齐、 石河子机动车增长率超过北京、 上海等发达城市, 城市快速发展, 并处于河谷绿洲地带, 地势南高北低, 冬季逆温层深厚, 静风天数较多, 采暖期长达6个月, 造成冬季污染严重。 天山北坡城市除人为污染排放外, 自然因素对污染物形成聚集作用。
天山北坡 车流量 对流层NO2垂直柱浓度 地基多轴差分光谱仪 The north slope of Tianshan Mountain Traffic flow Troposphere NO2 vertical column density Ground-based MAX-DOAS(Multi-axis differential optical absorption spectroscopy)
西北师范大学 物理与电子工程学院, 甘肃 兰州 730070
城市道路普遍存在机动车、非机动车、行人的人车混行路段, 车辆目标的准确识别与统计成为视频方法检测混合交通流量的关键问题。本文提出了基于深度学习YOLO(You Only Look Once)的车流量检测算法。用YOLO v2检测道路上移动的目标, 对检出目标中的车辆目标进行识别与筛选, 设置感兴趣区域, 在车辆目标经过感兴趣区域时计数, 并用核相关滤波器跟踪车辆, 避免车辆重复计数; 在ARM上利用该算法实现了混合交通视频中的车流量检测。测试结果表明, 该方法中车辆的检测、跟踪、计数结果良好, 可应用于混合交通中的车流量检测。
深度学习算法YOLO v2 核相关滤波器 车流量检测 嵌入式RK3399 deep learning algorithm YOLO v2 kernelized correlation filter traffic flow detection embedded RK3399
西北师范大学 物理与电子工程学院，甘肃 兰州 730070
针对道路现场实时车流量检测问题,提出了一种改进的帧间差分法的运动车辆检测算法，并将该检测算法成功移植到了嵌入式系统上。将帧间差分法与采用长度、宽度、面积筛选轮廓及用质心距离的车辆跟踪算法结合，实现运动车辆的检测；将U-Boot引导程序、Linux内核、Yaffs2文件系统和检测算法移植到S3C6410上，通过摄像头实时采集交通视频，检测结果由触摸屏显示。复杂交通场景的实时测试结果表明,本系统的检测时间为0.298秒/帧，准确率超过88%，基本能够实现在道路现场的车流量实时检测。
帧差法 车流量检测 实时检测 frame subtraction traffic flow detection S3C6410 S3C6410 real-time detection
研究了背景差分算法，并设计了一种对多车道路段的车流量检测系统。首先通过背景差分的方法，实现了运动前景和背景的分割；进一步使用虚拟检测线实现了多车道车流量的检测。系统平台用Visual C++结合OpenCV进行编程实现。对实际道路环境下的大量的图像序列进行了测试，取得了较好的效果。
图像处理 背景差分 阈值分割 虚拟检测线 车流量检测 image processing background difference threshold segmentation virtual test line traffic flow measurement
中国科学院 安徽光学精密机械研究所 环境光学与技术重点实验室,合肥 230031
为了用激光雷达遥测机动车排放颗粒物的浓度分布,从理论上分析了颗粒物后向散射系数和质量浓度之间的关系;利用激光雷达测量的后向散射系数以及黑碳仪测量的黑碳气溶胶质量浓度数据,采用最小二乘法对颗粒物后向散射系数与浓度以及后向散射系数与车流量之间进行了相关性分析。结果表明,激光雷达测量的后向散射系数能够很好地反演机动车颗粒物质量浓度,它们之间存在正比关系。激光雷达探测的气溶胶颗粒物浓度和车流量具有很好的一致性,可以用来研究机动车排放颗粒物的水平分布和扩散特性;这对于机动车的管理以及大气污染控制具有重要意义。
激光技术 激光雷达 最小二乘法 后向散射系数 气溶胶质量浓度 车流量 laser technique lidar least square method backscattering coefficient aerosol mass concentration traffic flow
中山大学,智能交通研究中心,广东,广州,510275
针对视频车流量检测容易受车辆阴影和车辆变道影响的问题,笔者提出了一种基于边缘信息的背景差车流量检测方法.该方法利用边缘信息作为车辆的检测特征,实时自动提取和更新背景边缘并采用动态开窗的方式来进行车辆计数.实验结果表明,与传统背景差法相比,该方法受车辆阴影和车辆变道影响较小,检测准确率达97.3%,是一种实用有效的车流量检测方法.
车流量检测 边缘检测 背景更新 动态开窗
