杨志武-专业英语翻译.doc

专业英语翻译信号交叉口阴影和时间对视频检测系统性能的影响学院：机械工程学院班级：2008级导师：张爱梅姓名：杨志武学号：200812020080203004信号交叉口阴影和时间对视频检测系统性能的影响Madhav V. Chitturi , Juan C. Medina , Rahim (Ray) F. Benekohal 摘要：本文阐述了在信号交叉口，时间和阴影对三种VDS性能的影响：Autoscope，Peek和Iteris。在最终数据收集时，三家供应商可以有两次机会来改善他们的VDS的性能。最终的结果和评估以20天内累计40小时收集的数据为依据。在此次的研究中，有4个性能指标：错误信号,遗漏信号,丢失信号和粘滞信号。检测的错误通过数据的自动分析和对视频的人工验证协同来确认。本文中也列举了在停车区域内检测的结果。在这三个VDS中的错误信号，主要是受到车道，时间，晴天和阴天情况的影响。这些错误信号占得比例从0.2%到36%。在晴天的情况下，错误信号的比例要高于阴天，主要原因是因为阴影的影响。同样的，错误信号在左侧车道晴天早上的比例要高于中午，因为从中间车道转过来车辆阴影的影响。其他两个车道错误信号则不受时间的影响。在整个研究过程中，通过交叉路口的超过7000辆车的情况下，Autoscope，Peek和Iteris分别漏检了2,9和0辆车。Autoscope，Peek和Iteris分别87,5,1个粘滞信号，相应的在早上的粘滞信号要高于中午。三个系统中没有产生丢失信号的情况。关键词：视频检测；阴影；检测器性能；信号交叉口1.前言近年来，VDS正逐步取代感应式线圈而被应用于信号交叉口。先前的研究在一个或多个系统中通过逐步安装VDS来进行评估。这些安装使得可以通过多个不同的摄像头来观察不同的场景。在某个研究中，摄像头以并排的方式安装，但是只收集了2天的数据来进行评估。因此这项研究的范围局限于在2天内可能发生的状况。另外，先前的研究并没有提供反馈和机会给供应商来改变他们的配置以获得更好的性能。研究得益于先前的调查和已实施的并排安装方式以及综合性的数据采集和分析的流程等经验。在安装并初始化之后，供应商可以获得反馈回来的关于他们VDS性能的信息，因此他们可以改进安装以获得对他们的系统来说最好的检测结果。在评估开始之前，供应商还可以根据进一步的反馈信息来调整他们的系统。在初始化安装之后，可以根据伊利诺伊州交通部工作人员提供的信息对VDS进行适当的修改。此次研究和其他研究的另一个不同之处在于此次数据分析是综合全面性的，每个场景的数据是从相似状况下五天中获得的。这是很重要的因为此次研究表明了VDS的性能即使在相似的状况下，也有可能因为时间的变化而产生重大的影响。本文描述了在信号交叉口三个VDS的安装，数据收集，压缩和分析过程以进行评估，并且研究了再止动杆区域内时间和阴影可能对三个系统性能造成的影响。在这三个阶段中完成了对错误的检测。其中的两个阶段是运用计算机算法自动实现的，而第三个阶段则是依靠人工完成以验证计算机可能存在的潜在错误来确保错误检测的可靠性。同样讨论了性能衡量准则的定义，算法的自动化分析，相关校正和验证。在研究中需要注意的是评估的重心在于视频监测系统的检测能力而不是和感应式线圈相比是如何工作的。在此次研究中的结果比较和先前研究中结果比较以及相同点和不同点同样在文中有讨论。先前的研究已经确立了阴影，风，严酷的天气状况在VDS中是不利的因素的观点。因此，VDS可能在阴天无风且没有其他恶劣气候的情况下发挥最好的性能。Medina等人发表的是在信号交叉路口风和光照强度对VDS性能的影响。在最近的一片文章中，Medina等人研究了在黎明，黄昏，白天和黑夜的情况下VDS性能的评估。在文中，列出了在阳光充足的早上，中午，多云的早上，中午伴随可以忽略的微风没有其他恶劣的气候条件下的结果。在阳光充足的条件下，研究并绝对阴影对VDS性能的影响。研究两种阳光充足的情况是因为阴影在早上要比中午的长度要长尤其是在冬季，可能会影响到系统的性能。在不同的情况下如此详细的评估可以在VDS运行良好或出问题能认识到原因并可能了解逻辑检测算法的改进。2.文献综述下面阐述了对过去的对VDS性能进行研究的一个简短的总结。MacCarley描述了视频交通检测系统的优势。数据在12种不同的情况下从3个交叉口获得并评估。实际中的评估由人工每15分钟观测来完成。结果表明80.9%的车辆都被检测到，8.3%是错误的检测率。雨天，阴影，横向的灯光，弱的光线会降低系统的性能。基于这些结果，可以得出VDS对于通用的信号动作并不是可靠的观点。明尼苏达交通部和SRF组织对八种非介入式监控技术在高速公路和交叉路口进行评估。分别评估了在侧面安装和在顶部安装的方法，因此安装的高度是不同的。在交叉路口位置，可以发现结果无论是从一个设备到另一个设备还是从一个安装位置到另一个安装位置都是不同的。有很多因素可以影响VDS性能。这些因素包括阴影（静止的和运动的），黎明到黄昏的转变反之亦然，风，以及在镜头上的水/灰尘/蜘蛛网等。据悉视频设备的维护要比其他类型的技术更复杂。Grenard等人在信号交叉口对Econolite Autoscope和Peek VideoTrak-905的性能进行了评估。线圈式检测作为验证视频检测的基础。在记录之前，先载入视频中的相位信息。数据的压缩自动进行而且发表的结果是3天内比较典型的阴天，雨夜和晴天的情况。可以得出的结论是夜间的检测是重点而且VDS不能用于拥挤区域的防护。Grenard随后的研究中，印第安纳州的Rhodes等人在交叉路口依据供应商的建议将摄像头的安装高度提升到40英尺并且将它们安装至最理想的位置。结果表明在这种改变下视频检测系统比感应式线圈出现了更多了错误信号和遗漏信号，而且当置于最理想位置时，VDS的性能只有细微的改善。Rhodes等人对安装的三个VDS进行了评估，使用的数据是这三个系统接相隔4个月的2天内的信息。这些供应商被告知在交叉路口感应式线圈的位置，并且要求尽可能的和视频检测的区域相符合。在安装初始化之后，供应商不可以再改变区域内的配置。研究得出的结论是三个VDS表现出中等的错误信号和遗漏信号，没有哪个系统比其他两个表现优异。3.安装测试及数据收集摄像头来自于三个业内领先的制造商：Autoscope（SoloPro v8.13），Peek（Unitrak v2.2）和Iteris（Edge 2 v1.08）。它们被相邻的方式安装在交叉口东南角的路灯臂上，高度为距地面40英尺，距止动杆110英尺，面向朝东的方向。在这次安装中并没有纵向延伸。这些摄像头并没有和实际的交通控制器连接以管理交通灯，所以它们并没有对交叉口的状况有影响同时VDS并没有从信号控制器获得反馈信息。这个方案中有两条左转的车道和一条直行/右转公用车道，并且重型车辆占整个交通流的8%。供应商可以配置三个靠近止动杆位置的区域和三个靠前的区域（距离止动杆250英尺）。感应式线圈（6英尺*6英尺）被分别安装在这些区域。研究中收集两种数据：时间信息和视频内容。时间信息即每一个VDS区域和感应线圈被激活和停止的时间，可以通过使用一个监视每一个区域和线圈状态的可编程的I/0通信进程来获得。无论何时每一个区域或线圈的状态发生变化，这个装置就会记录整个系统的时间和状态。时间信息每天24个小时进行记录并且每一个小时都会传递给计算机中的数据收集箱。数据收集的过程如图1b所示。I/0接口同样可编程控制来显示对于检测状态的实时显示。这些图片显示的是系统最近2分钟的状态。另外，一个四格图像处理器集成在三个图像处理过程中并实时显示，并且四格图像记录在计算机中。四格图像显示的例子如图1c和d所示。视频记录的情况包括：日出，日落，白天，黑夜。视频数据每天记录18个小时并存储于计算机中。总所周知VDS区域的配置对于系统性能有很大的影响。所以三个制造商自己安装并配置了他们的VDS产品。在配置完VDS区域之后，分析白天的4个小时和晚上的4个小时的系统系能数据并反馈给供应商。供应商可以有一次机会去改善他们产品的性能。然后供应商可以再一次获得他们各自VDS的视频并有另一次机会对配置进行修改。值得注意的是在这些供应商进行微调的过程中最少有一次可以进行大的改动。结果需要有安装的供应商在相应改动的地方进行表述。 4.数据分析为了便于衡量VDS的性能，在此次研究中使用了4个性能指标：错误信号,遗漏信号,丢失信号和粘滞信号。数据分析于三个阶段完成：两个阶段的时间信息自动分析进行衡量，最后的一个阶段由人工进行验证来进行衡量。对于性能指标的定义，自动分析的算法以及它们的校正和确认将在这一部分进行讨论。理论上讲，错误可由以下的方法来进行定义：遗漏信号即在监测区域VDS检测车辆失败；错误信号即在检测区域并无车辆的情况下而产生信号。丢失信号即当车辆仍在检测区域时，VDS信号终止；粘滞信号即当车辆离开时VDS仍然出现信号。遗漏和丢失信号可能对系统安全性产生不利影响，而粘滞信号和错误信号则影响到信号交叉口的运行效率。4.1 算法的预分析这项研究其中的一个特点是VDS的比较基于大数据集，而不像其他的一些研究人工减少数据量，并且研究中的算法更先进而且代码化以自动分析时间信息和衡量系统性能。值得注意的是在这些算法中性能衡量标准使用线圈来进行计算，但这只是用在预估算时才使用。所有的数字在评估VDS的性能下结论前都要进行人工验证。在算法中对于衡量准则定义的实现如图2所示。4.1.1 遗漏信号对于每一个线圈系统，如果没有响应VDS信号就会被认为是潜在的遗漏信号。算法会在窗口中检查是否有VDS信号即线圈信号开始前的X秒和线圈信号结束后的Y秒。如果在窗口中没有发现VDS信号，会被认为是潜在遗漏信号。过程中所使用的算法描述如图2a。在窗口中有必要使用X和Y，因为在相同的地方VDS区域和线圈并不会很精确的定位而且不会有相同的尺寸。另外，最基本的目的是确定VDS检测区域中是否存在车辆。值得注意的是，对于错误信号，遗漏信号，丢失信号和粘滞信号的X和Y的值不一定是相同的。更明确的是，Peek系统中错误信号和遗漏信号的X和Y的值在靠前部分的区域和靠近止动杆区域是不同的，和Autoscope和Iteris相比它靠前的区域更短。这些差别在Peek系统车辆检测开始从稍微不同的时间和要求的转变和其他两个系统不同。当VDS系统的配置确定的时候，才能给定相同的值，并且所有的系统都被安装在规定的位置和确定的大小尺寸。VDS配置并没有规定，并非要求供应商提供最好的系统配置。考虑到这些因素，在系统检测时使用不同的X和Y值而进行判断是公平的。对于Peek系统，使用相同的X和Y值，结果便会产生偏差。4.1.2 错误信号对于VDS系统的每一个信号，假如没有获得从线圈检测器的响应，会认为是潜在的错误信号。算法会验证是否有线圈信号出现在窗口中即线圈信号开始前的X秒和线圈信号结束后的Y秒是否丢失。如果没有线圈信号出现在窗口中，VDS系统就会认为是潜在的错误信号。使用的算法如图2b所示。4.1.3丢失信号在某些情况下，可以观测到VDS系统过早地丢失信号，而车辆仍然在区域内。这些错误尤其是在夜间在VDS区域内更容易发生当车辆的车头灯不再下降。如果检测处于非锁定模式时，丢失信号可以阻止等待服务对应的相位，会增加司机闯红灯的可能性从而增加安全问题。如果VDS信号在线圈信号结束前超过了X秒，会被认为潜在的丢失信号。使用的算法如图2c所示4.1.4粘滞信号在一个运行效率高的交叉路口，输送至控制器的信号需要在车辆离开后尽快的丢弃。但是，观测到在一些VDS在车辆离开后并没有丢弃信号。粘滞信号就是用来量化低效率性能的系统。如果一个VDS信号在线圈信号结束后被激活的时间超过X秒，那么就会被认为是潜在的粘滞信号。使用的算法如图2d所示。如上所述，每一个VDS的检测区域在形状和尺寸大小上是不同的，同样这些区域内的线圈检测器形状和大小是不用的。因此，用来计算这四个性能指标的算法使用了不同的校正参数。另外，校正参数的值由VDS区域的位置和尺寸决定，这些参数限定了窗口搜索一个有效的VDS信号的时间。对于X和Y实际中的值如图2所示。算法会在期望由编程自动计算的值相同处进行调整校正。预期的性能衡量由人工观测交叉路口的视频记录来进行计算同时标定错误。算法的有效性由随后的来自另一个经过校正的数据集进行验证。Rhodes等人发现VDS系统在激活/休眠之间已经昼夜之间有很大的区别。所以白天和夜晚的数据集用来调整和验证X和Y的值。详细的描述发表见Medina等人以及Chitturi等人的研究。一些情况可能会影响到性能衡量，但是在初始化算法时并不进行考虑，而是在自动分析再细化分析。这些情况包括在靠前区域改变车道的车辆，相邻车道内车辆阴影的影响以及闪烁信号。附加的算法改进对错误检测的初始化，减少了手工验证的时间。对于这些特殊情况的详细研究在先前的研究中可以看到。算法是运行在获得的时间信息数据以及潜在的遗漏，丢失，错误以及粘滞信号的信息的基础上的。在人工验证中，所有潜在的错误被确认并通过观测视频记录来讨论。这样能确保研究数目的可靠性，并且对于四种类型的错误可以提供可能的原因及解决方法。值得注意的是，错误信号和粘滞信号的比例也作为VDS信号的一部分，用来估计“错误激活”，而遗漏信号和丢失信号当车辆在区域内时，可以从信号所占的比例中获得。此外，当所有线圈信号被确认为真实的，遗漏信号和丢失信号所占的比例将被计算做线圈信号的一部分。5结论本文介绍了一天内时间和阴影在止动杆区域对VDS性能的影响。为此，需要考虑四种情况：多云的早上，多云的中午，晴天的早上，晴天的中午。对应上面的情况选取了5天时间每天收集2小时的数据。需要注意的是，这5天是从1月和2月中选出的。选这个时间是因为在这期间没有积水或者雪在人行道上或其他已知的可能影响VDS性能的因素。早上的时间从8点到10点，中午从12点到2点。因此对于这四种情况中的每一种都是基于10个小时的数据。参考文献Chitturi, M.V., Medina, J.C., Benekohal, R.F., in press. Testbed for evaluation of vehicular detection systems. Journal of Advanced Transportation.Grenard, J., Bullock, D., Tarko, A., 2001. Evaluation of Selected Video Detection Systems at Signalized Intersections. Purdue University, West Lafayette, IN(Publication Rep. FHWA/IN/JTRP-2001/22).MacCarley, A., 1998. City of Anaheim/Caltrans/FHWA Advanced Traffic Control System Field Operational Test Evaluation: Task C Video Traffic DetectionSystem. California Polytechnic State University, San Luis Obispo, CA.Medina, J.C., Chitturi, M.V., Benekohal, R.F., 2008a. Illumination and wind effects on video detection performance at signalized intersections. In: Proceedingsof the 87th Annual Transportation Research Board Meeting, Washington, DC.Medina, J.C., Benekohal, R.F., Chitturi, M.V., 2008b. Evaluation of Video Detection Systems Effects of Configuration Changes in the Performance of VideoDetection Systems, vol. 1. Illinois Center for Transportation, University of Illinois at Urbana-Champaign, Rantoul, IL (Publication Rep. FHWA-ICT-08024).Medina, J.C., Chitturi, M., Benekohal, R.F., in press. Changes in video detection performance at signalized intersections under different illuminationconditions. Transportation Research Record: Journal of the Transportation Research B