声明
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 基于视频的交通冲突检测技术
1.2.2 基于深度学习的车辆检测与跟踪
1.2.3 交通冲突判定指标
1.2.4 研究现状总结与分析
1.3.1 研究目标
1.3.2 研究内容
1.3.3 研究方法
1.3.4 技术路线
1.4 本章小结
第2章 基本理论与方法介绍
2.1.1 基础网络结构
2.1.2 Darknet-53 网络
2.1.3 相关预测方法
2.2 多目标跟踪算法
2.2.1 SORT 算法
2.2.2 DeepSORT算法
2.3.1 冲突定量指标选取
2.3.2 TTC值计算方法
2.4 广义有序logit 模型
2.5 本章小结
第3章 交通冲突检测
3.1 高空视频数据集的建立
3.2.1 系统配置
3.2.2 数据集说明
3.3.1 车辆检测
3.3.2 车辆追踪
3.4.1 轨迹预处理
3.4.2 TTC值的求解算法
3.4.3 冲突过滤及结果
3.5 冲突自动检测法效果评价
3.5.1 正确率
3.5.2 判别成功率
3.6 本章小结
第4章 交通冲突分析
4.1 冲突空间分析
4.1.1 单个交叉口冲突空间热力分布
4.1.2 多个交叉口冲突空间热力分布对比
4.2 冲突频数和时间分析
4.2.1 各TTC区间冲突频数分析
4.2.2 交叉口全天冲突频数与流量关系
4.3 冲突严重程度影响因素分析
4.3.1 冲突严重程度等级划分
4.3.2 变量选取
4.3.3 广义有序logit 模型回归
4.3.4 边际效应及结果分析
4.4 本章小结
第5章 应用于冲突检测和分析的Python 库开发
5.1 自编库功能
5.2.1 交通冲突检测
5.2.2 单个交叉口冲突分析
5.2.3 多个交叉口冲突对比分析
5.2.4 交叉口冲突严重程度影响因素分析
5.3 库的搭建与发布
5.4 库功能测试
5.4.1 交通冲突检测功能
5.4.2 单个交叉口冲突分析功能
5.4.3 多个交叉口冲突对比分析功能
5.5 本章小结
结论与展望
结论
展望
致谢
参考文献
附录
攻读硕士学位期间发表的论文及科研成果
西南交通大学;