中文题名: | 基于行人语义轨迹统计特征的行人过街行为分析 |
姓名: | |
学号: | 2011Y90100037 |
保密级别: | 公开 |
论文语种: | eng |
学科代码: | 081203 |
学科名称: | 计算机应用技术 |
学生类型: | 博士 |
学位: | 工学博士 |
学校: | 武汉理工大学 |
院系: | |
专业: | |
研究方向: | 交通管理、数据挖掘 |
第一导师姓名: | |
第一导师院系: | |
完成日期: | 2015-03-20 |
答辩日期: | 2015-06-20 |
中文关键词: | |
中文摘要: |
近年来城市交通视频监控系统的发展使得海量交通视频的收集成为可能,通过视频数据对行人行为进行挖掘与理解在交通管理、城市规划等领域中具有广阔的应用前景。从视频中获取行人的轨迹,并对时空轨迹进行数据挖掘是理解行人行为的有效手段。 从几何学的角度来看,行人的时空轨迹是空间中一系列的点,而从语义的角度来看,行人的时空轨迹具有丰富的内涵。本文以从交通视频中提取的行人过街轨迹数据为研究对象,利用数据挖掘技术,通过定义停止、移动、进入/离开(过街区域)、加速、减速等轨迹语义信息对原始数据进行语义提取与标注。 行人的行为一般都会表现出某种模式或者规律,这些经过语义标注的轨迹,结合轨迹所在的环境并利用地理背景信息,可以有效地分析行人的行为。 本文利用简单滑动平均算法对轨迹数据进行预处理,并利用二叉空间分割算法对轨迹场景进行地理信息建模定义一系列感兴趣区域,然后通过判断轨迹点与兴趣区域的关系对轨迹信息进行空间维度信息的丰富,并选取适当的阈值对行人轨迹信息进行时间维度信息的丰富(加速、减速等)。 以往对于轨迹的语义标注研究利用GPS数据,从宏观的角度进行研究,通常局限于对于“停止”和“移动”行为的分析,而本文从微观分析与建模的角度,有效地解决了在过街行为论域中对行人行为进行轨迹语义挖掘与标注的问题。本文对“停止”行为在过街场景中的具体语义内涵作了解释,并通过引入新的语义概念,丰富了“移动”这个语义概念的内涵,尤其是针对行人穿越马路行为,更加细致地从速度的角度描述了“快速地走”、“慢速地跑”等行为。本文提出的四层框架对行人原始的时空轨迹数据进行了有效的高层次语义标注。该四层框架由以下部分组成:1)数据层:存储每个行人的原始时空轨迹数据;2)事件提取层:对行人的等待事件与速度选择事件进行标注;3)地理信息标注层:关联所有的事件与事件发生的地理区域;4)分析层:对行人整个过街行为进行分析与自然语言描述。此外,本文对于行人的速度数据也作了统计分析与说明。 本文基于PET(Post Enchrochment Time)指标,提出了改进的LPET(Lane-based Post Enchrochment Time)指标,定量地分析了过街过程中人车冲突在不同车道以及不同过街阶段的严重性。本文针对行人的过街速度也进行了详细的讨论,探讨了影响行人过街速度的因素,并对速度的分布进行了统计描述。 |
参考文献: |
[68] Güting, R. H., & Schneider, M. (2005). Moving objects databases. Elsevier. [92] Taylor, G. (1994). Point in polygon test. Survey Review, 32(254), 479-484. [117] Amundsen and Hydén (1977) Proceedings of the 1st Workshop on Traffic Conflicts, Oslo, Norway. |
中图分类号: | U491.226 |
馆藏号: | U491.226/B037/2015 |
备注: | 403-西院分馆博硕论文库;203-余家头分馆博硕论文库 |