автореферат диссертации по транспорту, 05.22.10, диссертация на тему:Разработка метода идентификации автотранспортных средств по оптическим образам с применением цифровой обработки сигналов

На правах рукописи УДК 656.021.8, 621.372.542

МАКОВЕЦКАЯ-АБРАМОВА ОЛЬГА ВАЛЕНТИНОВНА

РАЗРАБОТКА МЕТОДА ИДЕНТИФИКАЦИИ АВТОТРАНСПОРТНЫХ СРЕДСТВ ПО ОПТИЧЕСКИМ ОБРАЗАМ С ПРИМЕНЕНИЕМ ЦИФРОВОЙ ОБРАБОТКИ СИГНАЛОВ

Специальности 05.22.10 - эксплуатация автомобильного транспорта, 05.12.04 - радиотехника, в том числе системы и устройства радионавигации, радиолокации и телевидения

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Владимир 2004

Работа выполнена на кафедре общей и прикладной физики Владимирского государственного университета

Научный руководитель:

доктор физико-математических наук, профессор В.Н. Кунин

Научный консультант:

доктор технических наук, профессор Д.А. Соцков

Официальные оппоненты:

доктор технических наук, профессор В.М. Власов

кандидат технических наук, доцент Е.А. Архипов

Ведущее предприятие:

У ГИБДД - ГАИ УВД Владимирской области

Защита состоится

_2004 г. в_часов на заседании

диссертационного совета Д. 212.025.02 Владимирского государственного университета по адресу: 600000, г. Владимир, ул. Горького, 87, ауд. 211-1.

С диссертацией можно ознакомиться в библиотеке Владимирского государственного университета.

Автореферат разослан "_

2004 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью учреждения, просим направлять по адресу: 600000, г. Владимир, ул. Горького, 87, учёному секретарю диссертационного совета Д. 212.025.02.

Учёный секретарь диссертационного совета, доктор технических наук, профессор

С.Г. Драгомиров

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. Существенно уменьшить показатель аварийности позволят качественные преобразования в системе «Транспортное средство - водитель - дорога», т.е. переход на интенсивный путь совершенствования организации движения. К таким мероприятиям следует отнести широкое внедрение электронной техники в организацию движения и управления автотранспортными средствами. В настоящее время как в нашей стране, так и за рубежом проводятся широкие исследования по использованию различных радиоэлектронных, оптических и ультразвуковых систем для обеспечения безопасности движения наземного транспорта.

Одной из важнейших характеристик движения является состав потока, существенно влияющий на условия и режим движения транспортных средств. Сегодня существует необходимость пересмотра и уточнения методик определения состава потока Значимость идентификации автомобилей в потоке вызвана широким кругом задач, решаемых на основе информации о качественном составе автотранспортного потока. Такими задачами являются: определение нагрузок на дорожное полотно; оперативное изменение скоростных режимов; прогнозирование особо аварийных участков дорог; выбор оптимальных мест установки регулировочных знаков; определение динамического габарита транспортных средств; сопровождение автомобилей с опасным грузом; решение задачи сортировки потоков; контроль движения пассажирского транспорта; оптимизация процессов перевозки пассажиров; оперативное управление движением; корректировка работы светофорной сигнализации; определение необходимости создания стоянок для индивидуальных легковых автомобилей; решение задач логистики; сбор информации об общем составе парка автомобилей в регионе и стране и т.д. Поэтому исследования в области разработки методов идентификации автотранспортных средств актуальны. Наиболее перспективны исследования с применением новых информационных технологий.

Цель исследования. Целью исследования является разработка методов идентификации автотранспортных средств на основе распознавания их оптических образов для организации движения и снижения количества дорожно-транспортных происшествий.

Решение сформулированной задачи предполагает следующие этапы: - гр1П1ти1ГМ и 11 ипянп 1ффгт"р""гги различных методов и 1нфощ<щийй5МММ11ах абтотргйИпс«ргн(в® потока;.

- экспериментальные исследования по регистрации оптических образов автотранспортных средств с получением информации в реальном времени;

- разработка методики идентификации автотранспортных средств по признакам оптических образов на основе цифровой обработки сигналов;

- разработка методики классификации автотранспортных средств на основе использования таксономических критериев оптических образов.

Методика и объект исследований. Используемый метод предусматривает применение аппаратуры автоматизированного способа сбора информации, телекоммуникации и математических способов выдачи информации для оперативного принятия решений на основе компьютерных технологий. В качестве объекта исследования выбраны автотранспортные средства.

Научная новизна. В работе впервые:

1. Произведена конструкторская модернизация созданного ранее оптико-электронного устройства для решения задач навигации применительно к регистрации транспортных средств на магистралях и городских улицах.

2. Разработана методика математической обработки электрических сигналов с целью выделения полезной информации для идентификации транспортных средств, теоретически и экспериментально осуществлён выбор таксономических критериев оптических образов автомобилей.

3. Разработана методика использования полученных результатов для решения задач организации движения и мониторинга транспортных потоков.

4. Экспериментально исследованы информационные возможности операции деконволюции свёртки собственного сигнала транспортного средства с передаточной функцией приёмника в зависимости от расстояния между оптико-электронным устройством и автомобилем.

Практическая значимость:

- получена информация о составе транспортного потока по характерным признакам оптических образов транспортных средств;

- транспортные средства идентифицированы с высокой степенью надежности и малой вероятностью ошибки в условиях высокого уровня оптических, акустических и др. помех по репрезентативному набору образов;

- результаты обработки-информации получены в реальном времени.

Реализация результатов работы. Результаты диссертационной работы внедрены: кафедрой "Автомобильный транспорт" Владимирского государственного университета в учебный процесс специальности № 230100 "Сервис транспортных и технологических машин и оборудования" ДС.04 "Основы автоматизации и компьютеризации производственных процессов", № 150200 "Автомобили и автомобильное хозяйство" ДС.02 "Основы автоматизации и роботизации производственных процессов"; кафедрой "Приборостроение и информационно-измерительная техника" Владимирского государственного университета в учебный процесс специальности № 190100 "Приборостроение"; Владимирским производственно-технологическим центром ДП ГП "РосдорНИИ" при диагностике дороги "Волга М7" - результаты мониторинга транспортных потоков с применением оптико-электронных растровых датчиков и методика оперативного определения параметров транспортного потока (интенсивности, плотности, скорости, типов транспортных средств); пассажирским автотранспортным предприятием г. Коврова - оптико-электронный детектор транспорта на основе многомерных пластинчатых растров и методика цифровой обработки регистрируемых сигналов.

Основные положения диссертационной работы, выносимые па защиту:

1. Методика идентификации транспортных средств по экспериментально полученным оптическим образам и алгоритмы определения параметров автомобилей в реальном времени, в автоматическом режиме с применением цифровых методов обработки информации.

2. Классификация автотранспортных средств по таксономическим критериям оптических образов.

3. Методика выбора алгоритма математической обработки оптических сигналов в зависимости от места установки растрового датчика, определяемого реальными условиями.

Апробация работы. Результаты работы докладывались и обсуждались на следующих конференциях: VIII Международной научно-технической конференции двигателей внутреннего сгорания, автомобильной техники и транспорта "MOTAUTO'01", Varna, Bulgaria, 2001; научно-технической конференции "Проблемы проектирования, строительства и эксплуатации автомобильных дорог" УФ МАДИ (ГТУ), Челябинск, 2001; IX Международной научно-практической конференции "Актуальные про-

блемы управления качеством производства и эксплуатации автотранспортных средств", Владимир, 2002; VIII Международной научно-практической конференции "Совершенствование мощностных, экономических и экологических показателей ДВС", Владимир, 2001; V Международной конференции "Организация и безопасность дорожного движения в крупных городах", Санкт-Петербург, 2002.

Публикации. Основные положения диссертации изложены в 11 печатных работах.

Структура и объем работы. Диссертация состоит из введения, четырех глав, выводов, библиографического списка и приложений. Объём диссертации составляет 165 страниц машинописного текста, в том числе 12 таблиц, 48 иллюстраций, 7 приложений. Приложения содержат материалы, подтверждающие внедрение результатов. Библиографический список состоит из 157 наименований, включающих 148 отечественных и 9 иностранных источников.

СОДЕРЖАНИЕ РАБОТЫ'

Во введении обоснована актуальность темы, изложены цель, научная новизна и практическая ценность диссертационной работы, а также выносимые на защиту положения.

В первой главе освещены принципы математического описания транспортного потока, вопросы современного уровня развития методов и средств регистрации автомобилей. Исследованы классификация автомобильного подвижного состава и возможности таксономического группирования.

Сравнительный анализ различных методов регистрации автомобилей и сбора информации о параметрах транспортного потока (индукционных, ультразвуковых, магнитометрических, радиолокационных и др.) показал, что максимальная эффективность достигается при их комплексном использовании. Один из них основан на анализе издаваемого транспортными средствами шума, другой - на явлении взаимной индукции автомобиля и индукционного датчика, третий - на анализе отраженных сигналов. Каждый из вышеперечисленных методов обладает рядом достоинств, однако в существующих разработках имеются и существенные недостатки, такие как достаточно высокая погрешность определения пара-

метров транспортного потока, большие габариты установок, подверженность воздействию климатических условий, низкие показатели надежности, высокая стоимость монтажа. Недостатком является также регистрация избыточной информации об автотранспортных средствах (АТС), многократно превышающей необходимый объем, усложняющей и удлиняющей во времени процесс идентификации.

В работе проведён анализ методов распознавания образов. Существующие методы можно разделить на две большие группы. Первая основана на понятиях пространства признаков и обработки в этом пространстве, вторая - на исследовании "конструкции" рассматриваемых объектов (синтаксическое распознавание).

Основными методами анализа данных являются:

1. Дискриминантный анализ: строятся функции, зависящие от признаков и обеспечивающие оптимальное разделение объектов, относящихся к разным классам.

2. Выделение и выбор признаков: из некоторого (избыточного) набора признаков выбирается подмножество "наилучших"признаков или их комбинаций.

3. Кластерный анализ: данные разделяются на группы объектов, подобных в том или ином отношении.

В связи с большим разнообразием условий и характеров объектов' распознавания математически строгий метод и универсальный подход маловероятны. Поэтому логична разработка методов распознавания, предназначенных только для данного класса объектов или явлений, в каждом конкретном случае однотипных задач. Распознавание образов АТС должно осуществляться в реальном времени, что возможно только при распознавании по признакам образа, тесно связанным с характерными признаками транспортного средства. При этом важно выбрать минимальное количество признаков, необходимых для быстродействия, с одной стороны, и высокую степень идентификации и малую вероятность ошибки - с другой.

Рассмотрены математические методы описания транспортных потоков. Первостепенными задачами, послужившими развитию моделирования транспортных потоков, явились изучение и обоснование пропускной способности магистралей и их пересечений. Поведение транспортного потока очень изменчиво и зависит от действия многих факторов и их сочетаний. Основное уравнение транспортного потока имеет вид

где ^ - интенсивность, авт./ч; к - плотность, авт./км; и - средняя пространственная скорость, км/ч. Интенсивность и скорость являются независимыми переменными, плотность - зависимая переменная. При анализе закономерностей дорожного движения, а также при решении практических задач регулирования движения возникает необходимость использования взаимозависимостей характеристик транспортного потока. Для обеспечения адаптированных автоматических систем улучшения пропускной способности дорог, со специальной классификацией транспортных средств, ориентированных на решение задач мониторинга транспортных потоков и организацию движения автотранспорта, требуется разработка специальных методик идентификации транспортных средств. Количество групп в классификации может быть разным в зависимости от решаемых задач. С одной стороны, это определяет быстродействие системы обработки данных, с другой - сложность применяемых алгоритмов.

В данной работе предлагается решение задачи идентификации транспортных средств, основанное на изучении оптического образа автомобиля, полученного с помощью оптико-электронного устройства на основе многомерного пластинчатого растра. Растровое устройство способно в реальном времени и с высокой степенью надежности регистрировать оптические сигналы автомобилей, математическая обработка оптических сигналов позволяет оценивать количество и типы транспортных средств -решать проблему распознавания.

Во второй главе проведён теоретический анализ способов описания произвольного сигнала, рассмотрены возможности применения преобразования Фурье, кепстрального анализа, оператора деконволюции и метода произведений для предварительной обработки пространственно-временных сигналов. В результате проведённого анализа установлено, что при построении математических алгоритмов обработки пространственно-временных сигналов с целью выявления характерных признаков образов и последующей идентификации эффективно применение гомоморфных преобразований.

Кепстральный анализ связан с разделением свернутых сигналов и функций, и его основное назначение определяется физическим происхождением этих сигналов и функций. Численная реализация на ЭВМ процедуры вычисления кепстра дискретной последовательности х(п) конечной длины N c использованием дискретного преобразования Фурье имеет вид

«Обострение» полученных оптических образов, выявление дополнительных отличительных признаков могут быть осуществлены с помощью кепст-рального анализа, который, кроме того, позволяет идентифицировать АТС в случаях наложения оптических образов нескольких автомобилей. Применение алгоритма позволяет "обострить" оптический образ, подчеркнуть eго характерные особенности, выявить признаки для отнесения распознаваемого объекта к одному из классов, а также даёт возможность определить габаритную длину автомобиля по кепстральным пикам. На рис. 1 представлены оптический сигнал, полученный при прохождении в поле зрения растрового детектора модели квадратной формы, и результат кепстральной обработки данного сигнала.

Деконволюция

Сигнал на выходе равен сумме всех откликов. Преобразование Фурье свертки двух функций равно произведению изображений функций, составляющих сверку и наоборот. Согласно теореме Планшереля справедливо соотношение:

е{1) *Л(/)<->£(у)Я(у),

(3)

т.е. спектр от свертки есть произведение спектров.

Вне зависимости от конструкции входного устройства сигнал Б({), регистрируемый детектором, представляет собой свертку собственного сигнала АТС е({) с импульсной характеристикой (полем зрения) детектора В случае регистрации с больших расстояний свёртка Бф теряет информативные качества, и идентификация усложняется. Разработанная методика дополнительной математической обработки регистрируемых сигналов предполагает применение оператора деконволюции. Оператор деконволюции позволяет исключить из Б(() импульсную характеристику А($, оставив собственный сигнал АТС е(0 в чистом виде, без искажающего влияния передаточной функции приемника. В случае регистрации с близкого расстояния достаточно наличия свертки Б({), при регистрации с большого расстояния требуется произвести выделение собственного сигнала регистрируемого объекта путём применения оператора деконволюции. Алгоритм применения оператора деконволюции представлен на рис. 2.

Начало

1

Получить оптический сигнал

[е(0*А(0 = 5(0]

1

■ Вычислить спектр 5(0

со = Ш{5(/)}

1

Получить логарифм спектра собственного

сигнала

. 1

Получить собственный сигнал транспортного средства

е(/) = Щехр[ВД£))]}

Конец

Рис. 2. Функциональная схема алгоритма деконволюции

Метод произведений является методом многомерного анализа в многомерном пространстве численных критериев. Основой метода произведений является синтез критериев (гомогенных комплексов параметров), характеризующих некую систему или развитие событий. Применение метода предусматривает несколько этапов:

1. Нахождение основных влияющих величин, играющих роль аргументов.

2'. Выделение этих величин из шумов и измерение их.

3. Синтез определительного уравнения в виде выражения (4), тем самым, формирование интересующего критерия.

Условием справедливости принципа абсолютности отношений для законов физики в любых системах первичных величин является гомогенность определяющих уравнений. Но гомогенны только степенные выражения:

Г-Л*«» (4)

Поэтому отыскание физических связей между различными величинами должно проводиться путём построения уравнения в виде выражения (4). Значения величин а],а2,...а^ называются показателями размерностей или размерностью вторичной величины. Такой подход к исследованию физических процессов получил название анализа размерностей.

В случае применения метода произведений статистической обработке таблицы наблюдений отводится лишь частная роль, а именно вычисление парных коэффициентов корреляции с целью облегчения отыскания аргументов, т.е. основных влияющих факторов. Создание количественной единицы сводится к следующим операциям:

1. Выбирается ряд взаимно не зависимых показателей системы, достаточно полно описывающих её состояние. Эти показатели оцениваются числами.

2. Методом корреляционного анализа определяется теснота связи этих показателей (взятых в различных степенях) с параметром, для которого должна быть установлена единица измерения.

3. Формируется определяющее произведение и устанавливается единица измерения.

4. Проверяется надёжность установленной единицы вычислением коэффициента корреляции между величинами сформированного произведения и исследуемого параметра. Этот коэффициент должен быть близок

к единице, что обеспечивает почти функциональную зависимость между указанными величинами.

Третья глава посвящена разработке методики эксперимента по регистрации оптических образов АТС, а также разработке и апробации методик идентификации АТС по признакам оптических образов.

При проведении работы была создана установка, позволяющая регистрировать оптические образы на трассе. Растровый блок конструктивно прост, он представляет собой металлическую трубу, на которой установлены 4 кронштейна с растровыми оптико-электронными датчиками (рис. 3). Во время эксперимента блок устанавливался так, что поля зрения растров были сориентированы перпендикулярно траектории движения моделей автомобилей. В ходе экспериментов использовался пластинчатый растр со следующими характеристиками: длина - 100 мм; расстояние между пластинами - 1 мм; ширина - 10 мм: толщина пластин - 0,2 мм; высота - 72,2 мм; угол измерения 2а$ — 1,8°; количество пластин - 10; угол

захвата 2©о~ 30°. Объект исследования пересечёт поле зрения датчика при длине поля зрения, равной поперечному размеру дороги.

Поле зрения сориентировано на полосу автомобильного движения, и при пересечении его автомобилем на выходе приемника излучения возникает электрический сигнал. При физическом моделировании процесса регистрации оптических образов автомобилей модели АТС перемещались в поле зрения растра с постоянной скоростью при помощи реверсивного двигателя на базе потенциометра. В качестве моделей были выбраны основные геометрические фигуры - квадрат, круг, треугольник, полукруг, узкий прямоугольник и модель "автомобиль". Выбор в качестве моделей строгих геометрических фигур объясняется следующим:

Рис. 3. Оптико-электронный растровый детектор

1. Алгоритм получения образа и свёртки является достаточно сложным, поэтому вопрос об адекватности математического аппарата чрезвычайно важен.

2. Для проверки адекватности были выбраны модели заранее известных формы и размеров.

3. Хорошее соответствие полученных собственных сигналов моделей (математических моделей оптических образов АТС) заранее известной форме исследуемых объектов свидетельствует об адекватности математической обработки.

В работе на трассах и городских улицах была собрана библиотека усреднённых оптических образов, фрагмент которой представлен на рис. 4. Усреднение образов производилось с помощью метода наименьших квадратов многочленом, имеющим вид

Класс автотранспортного средства Оптический образ АТС

Легковой 20 10 л...... > м. и> и» м к» ю я» «я

•

•

■ гх

Рис. 4. Фрагмент библиотеки оптических образов АТС

Коэффициенты многочлена а, вычисляются из решения линейного уравнения:

где - степень многочлена; - число точек.

Применение разработанных алгоритмов математической обработки регистрируемых сигналов даёт возможность идентифицировать АТС по признакам оптических образов в условиях акустических, суточных, погодных и прочих помех на загруженных магистралях.

После анализа образов и предварительной математической обработки выбраны следующие полезные признаки:

а) произведение квадрата амплитудного максимума 12 (максимальной интенсивности сигнала) и максимального значения по оси абцисс I (времени существования сигнала);

б) симметрия образов легковых АТС и асимметрия (наличие "провалов") в образах грузовых АТС;

в) по результатам кепстрального анализа - число, ширина и расположение пиков на кепстре;

г) по результатам деконволюции - собственный сигнал АТС.

Регистрация тепловых образов на реальном перегруженном перекрестке затрудняется в случае попадания в поле зрения растра нескольких автомобилей. Происходит наложение тепловых образов, и аппаратура фиксирует некий «размытый» образ, идентифицировать который невозможно. В данной работе проблема разделения сигналов решалась путём применения кепстральной обработки. На рис. 5, а представлен результат наложения тепловых образов автомобиля КамАЗ и троллейбуса. Кепст-ральный анализ совмещённого сигнала позволяет разделить образы. На рис. 5, б представлен результат кепстрального анализа совмещённого сигнала, на котором четко рафиксированы характерные признаки кепстра ЗИУ-9Б. Таким образом, появляется возможность произвести идентификацию автомобилей на трассе с интенсивным движением.

а) б)

Рис. 5. Кепстральный анализ по разделению сигналов: а - результат наложения тепловых образов автомобиля КамАЗ-5410 и троллейбуса ЗИУ-9Б; б - результат кепстрально! о анализа полученного сигнала

Количество независимых факторов при распознавании по методу произведений определяется числом классов АТС, подлежащих идентификации. Графическое представление распределения вероятностей АТС по классам иллюстрирует рис. 6. На гистограмме показаны границы между классами - легковой, малотоннажный, грузовой, пассажирский. При разделении образов по трём критериям вероятность ложного заключения

равна нулю, определяющее уравнение имеет вид что по фи-

зическому смыслу близко энергии сигнала.

Применение оператора деконволюции позволяет исключить из оптического образа АТС передаточную функцию растра, оставив собственный сигнал АТС в чистом виде. После математической обработки регистрируемых сигналов были получены собственные сигналы АТС, которые внешне напоминают формы корпуса АТС. Это связано с тем, что растр регистрирует перекрываемый автомобилем оптический фон. Набор собственных сигналов АТС является материалом для работы по идентификации объектов транспорта. Результаты применения разработанной программы. по исключению диаграммы направленности растра, представленные на

рис. 7, подтверждают вышеизложенное. Анализ данных, представленных на рисунке, показывает, что тепловой образ, зарегистрированный детектором в момент прохождения в поле зрения растра автомобиля марки

ВАЗ 2121 "Нива" (расстояние между детектором и АТС 100 м), не обладает характерными признаками, позволяющими отнести данный образ к классу легковых автомобилей.

В результате деконволюции получен собственный сигнал АТС, форма которого достаточно точно повторяет форму кузова автомобиля, что может быть использовано в процессе распознавания. Оператор деконволюции позволяет устанавливать детектор в условиях городских улиц и многоэтажных застроек.

Построение автоматического классификатора АТС возможно с применением таксономических критериев группирования. Эксперименты по изучению качественного состава транспортного потока показали, что в качестве признака не может быть выбран отдельно взятый критерий, характеризующий автотранспортное средство. Так, например, габаритная длина в метрах может практически совпадать для АТС различных классов. Регистрация в реальных условиях показала, что качественный и количественный состав транспортного потока изменяется в зависимости от ранга дороги и времени суток. Этот факт ещё раз доказывает необходимость адаптированных систем организации дорожного движения.

В четвёртой главе сформулированы результаты-исследований и даны рекомендации по использованию разработанных методик в решении задач мониторинга транспортных потоков, статистических исследований и организации движения автомобильного транспорта.

В качестве примера по экспериментально полученной зависимости площади оптического сигнала от скорости движения автомобиля построен тарировочный график, позволяющий определять скорость автомобиля ВАЗ 2121 "Нива". Для этого было рассчитано значение нормированного критерия т. Нормированный критерий представляет собой отношение площади оптического сигнала к максимальной амплитуде при заданной скорости и позволяет определять габаритные размеры и скорость АТС.

т = ~-=—-=-. (7)

•^шах ^шах

^а -^шах

ЕСЛИ П1\=ГП2, ТО

Лпах^

А I Лшах '

(8)

График, представленный на рис. 8, даёт возможность определять скорость АТС по площади оптического сигнала.

3'

I

о

га" 1 ¡3

Е

§ ■

л

я

3 о

-------- ------- -------

« 6Е-06х4 - 3,0021х3 + 0, ________] гэоэ*2 -19,113х + 590.13 .....]______

скорость, км/ч Рис. 8. Тарировочный график зависимости

Разработаны программы идентификации АТС по площади оптического сигнала, определения габаритных характеристик (высоты, длины), основных характеристик транспортного потока с использованием автомобиля-маркера.

В ходе экспериментов была выявлена линейная зависимость между высотой автомобиля и максимальной амплитудой сигналов (рис. 9). В таб-

лице представлены экспериментальные данные по высоте автомобиля и значению амплитудного максимума сигнала.

4

3.S 5 3

I-

о 2

В 2

ш

со

¡3 i.5

О

о • 2 .

0,5

0

I ■у »0 0022* +1.3464

> ° = 0.9935 ■

—^ ----- -----

-----

200 400 600 800 1000

Атах, максимальная амплитуда, мВ

1200

Рис. 9. Тарировочный график зависимости амплитуды сигнала от высоты АТС

Соответствие максимальной амплитуды сигнала габаритной высоте автомобиля

Транспортное средство • А шах> МВ • Н, м

3A3368A 12 1,4

ВАЗ 2106 21 1,44

ГАЗ 3102 43 1,476

Москвич 2140 48 1,48

ГАЗ 2402 72 1,54

ВАЗ 2121 213 1,64

РАФ 2203 389 1,97

УАЗ 469 Б 303 2,015

УАЗ 452В 345 2,09

ГЗСА 891 546- 2,5

КрАЗ 257 Б1 615 2,67

Икарус 250 851 3,19

БелАЗ 548А 1096 3,79

Приведенный на рис. 9 график даёт возможность определить высоту автомобиля по значению максимальной амплитуды в сигнале. При этом погрешность определения не превышает 1 - 2 %. Значение коэффициента нормирования по амплитуде может быть получено экспериментальным путём. Для этого измеряют амплитуду и высоту тарировочного автомобиля.

ОБЩИЕ ВЫВОДЫ

1. Разработана методика распознавания и идентификации автотранспортных средств по их оптическим образам с получением результата обработки сигналов в автоматическом режиме и реальном времени. Вероятностная точность идентификации составляет 87 - 92 %.

2. Создана библиотека усреднённых оптических образов для идентификации АТС, которая позволяет из множества автотранспортных средств выделить оптический образ автомобиля по следующим критериям: значению определяющего произведения, собственному сигналу, нормированному критерию, содержащему информацию о площади АТС (в продольном направлении), его размерах, скорости движения с вероятностью не ниже 87 %.

3. Проведено физическое моделирование процесса регистрации оптических образов автотранспортных средств различной формы, Показана адекватность математического аппарата обработки сигналов при идентификации моделей по их оптическим образам. По результатам экспериментов получены следующие значения нормированного критерия т: для категории М1 (легковые автомобили) т = 0,72 ±0,23, для категории N (грузовые) т = 0,86 ±0,14, для автобусов т = 1 ± 0,22.

4. Предложена классификация автотранспортных средств по таксономическим критериям оптических образов, позволяющая идентифицировать автомобили с вероятностной точностью не ниже 95 %.

5. Показана высокая эффективность применения оператора деконво-люции для выделения истинного оптического образа автотранспортного средства при различных условиях установки растрового детектора.

6. Разработана методика применения полученных сигналов для решения конкретных задач автомобильного транспорта: определения интенсивности транспортного потока, плотности потока, скорости автотранс-

портных средств, динамической длины автомобилей, идентификации автотранспортных средств, оценки качественного состава транспортного потока. При этом погрешность в определении параметров транспортного потока не превышает 3 - 5 %.

7. Показано, что параметры оптического образа однозначно связаны с габаритными и скоростными характеристиками автотранспортных средств, что даёт возможность определять скоростной режим автомобиля с погрешностью не более 2 - 4 %.

.8. Подтверждена работоспособность предложенных методик в реальных условиях на дорогах и автострадах с определением интенсивности, скорости, плотности и качественного состава автотранспортного потока, что открывает большие возможности по оптимизации управления транспортными потоками и повышению безопасности движения АТС.

9. Обоснована возможность внедрения результатов с незначительными финансовыми и материальными затратами. Стоимость одного комплекта растрового входного блока с персональным компьютерным обеспечением составляет 1 тыс. дол. По сравнению с имеющимися в настоящее время средствами идентификации АТС, при помощи которых решаются узкие задачи автомобильного транспорта, стоимость оптико-электронной системы идентификации АТС в потоке ниже минимум в 10 раз. В качестве примера для сравнения: стоимость российского комплекса идентификации номерных знаков "Поток" и "Паркинг" - 11 - 14 тыс. дол., в зависимости от комплектации.

10. Для повышения точности идентификации автотранспортных средств в дальнейшем необходимо:

- расширить базу данных для идентификации автотранспортных средств зарубежного производства;

- исследовать амплитудные и фазочастотные характеристики фотоприёмника с целью расширения максимального интервала скоростного режима АТС, подлежащего определению.

Содержание диссертации отражено в работах:

1. Кунин В.Н., Плешивцев B.C., Маковецкая-Абрамова О.В. Оптико-электронная система идентификации АТС в транспортных потоках // Автомобил. пром-сть. - 2001. - № 4. - С. 37.

2. Assoc.Prof Pf.D PLESH1VTSEV V.A., Prof.Dr.Sc. KUNIN V.N, Ass.Prof. MAKOVETSKAYA-ABRAMOVA O.V. The Solution of Problem of Distance Identification of the Transport Stream Parametres by Applying the

Ruster Optical Electronic Means // PROCEEDING, MOTAUTO 01, Varna, Bulgaria, 2001.

3. Кунин В.Н., Плешивцев B.C., Маковецкая-Абрамова О.В: Использование оптико-электронных устройств на основе многомерного пластинчатого растра для сбора информации о параметрах транспортного потока // Проблемы проектирования, строительства и- эксплуатации автомобильных дорог: Сб. науч. тр. / МАДИ (ГТУ); УФ МАДИ (ГТУ).- М., 2001,

4. Плешивцев B.C., Кунин В.Н., Маковецкая-Абрамова О.В. Перег-движной измерительный комплекс для мониторинга транспортных потоков // Совершенствование мощностных, экономических и экологических показателей ДВС: Материалы Междунар. науч.-практ. конф. / Владим. гос. ун-т. - Владимир, 2001.

5. Кунин В.Н., Плешивцев B.C., Маковецкая-Абрамова О.В. Использование ИК-излучения ДВС для решения задачи идентификации транспортных средств // Совершенствование мощностных, экономических и экологических показателей ДВС: Материалы Междунар. науч.-практ. конф. / Владим. гос. ун-т. - Владимир, 2001.

6. Кунин В.Н., Плешивцев B.C., Маковецкая-Абрамова О.В. Снижение экологического ущерба от выбросов токсичных веществ в атмосферу за счет оптимального управления транспортными потоками // Совершенствование мощностных, экономических и экологических показателей ДВС: Материалы Междунар. науч.-практ. конф. / Владим. гос. ун-тк - Владимир, 2001.

7. Плешивцев B.C., Кунин В.Н., Маковецкая-Абрамова О.В. Передвижной измерительный комплекс для мониторинга транспортных потоков // Актуальные проблемы управления качеством производства и эксплуатации автотранспортных средств: Материалы Междунар. науч.-практ. конф. / Владим. гос. ун-т. - Владимир, 2002.

8. Кунин В.Н., Маковецкая-Абрамова О.В. Применение оператора деконволюции в решении задач идентификации транспортных средств // Актуальные проблемы управления качеством производства и эксплуатации автотранспортных средств: Материалы Междунар. науч.-практ. конф. / Владим. гос. ун-т. - Владимир, 2002.

9. Плешивцев B.C., Кунин В.Н., Маковецкая-Абрамова О.В. Мобильный комплекс мониторинга транспортных потоков // Организация и безопасность дорожного движения в крупных городах: Сб. докл. V Междунар. конф. - СПб.: СПГАСУ, 2002. - С. 224.

10. Кунин В.Н., Плешивцев B.C., Маковецкая-Абрамова О.В. Оператор деконволюции и задача идентификации автотранспортных средств // Автомобил. пром-сть. - 2002.- № 11. - С. 28.

11. Маковецкая-Абрамова О.В. Эксперименты с моделями транспортных средств // Материалы науч.-техн. конф. ФИПМ ВлГУ / Владим. гос. ун-т. - Владимир, 2003.

ЛР № 020275. Подписано в печать 24.03.04.

Формат 60x84/16. Бумага для множит, техники. Гарнитура Тайме. Печать на ризографе. Усл. печ. л. 1,16. Уч.-изд. л. 1,21. Тираж 100 экз.

Заказ 4OO-2O0J/!

Редакционно-издательский комплекс Владимирского государственного университета. 600000, Владимир, ул. Горького, 87.

»■ # 409

ВВЕДЕНИЕ

ГЛАВА 1. СОСТОЯНИЕ ВОПРОСА, ЦЕЛЬ И ЗАДАЧИ ИССЛЕДОВАНИЯ

Анализ современных детекторов автотранспорта с точки зрения возможности идентификации автомобилей

Математическое описание автотранспортного потока

Проблема распознавания образов применительно к автомобильному транспорту

Методы распознавания образов

Классификация автомобильного подвижного состава

Выводы по главе

ГЛАВА 2. МЕТОДИКА МАТЕМАТИЧЕСКОЙ ОБРАБОТКИ ЭЛЕКТРИЧЕСКИХ ПРОСТРАНСТВЕННО-ВРЕМЕННЫХ СИГНАЛОВ

Гомоморфная обработка временных сигналов пространственно

2.2. Применение метода произведений для классификации 50 автотранспортных средств

2.3. Методика кепстрального анализа оптических 55 образов автотранспортных средств

Применение оператора деконволюции в решении задач распознавания образов автомобилей

Выводы по главе

ГЛАВА 3. МЕТОДИКА ПРОВЕДЕНИЯ ЭКСПЕРИМЕНТОВ ПО 61 РЕГИСТРАЦИИ ОПТИЧЕСКИХ ОБРАЗОВ АВТОТРАНСПОРТНЫХ СРЕДСТВ

3.1. Эксперимент с моделями автотранспортных средств

3.2. Методика определения истинного значения ширины 67 диаграммы направленности растра

3.3. Информационные возможности свёртки собственного 71 сигнала модели с передаточной функцией растра в зависимости от расстояния между оптико-электронным устройством и объектом исследования

3.4. Результаты кепстрального анализа оптических образов 76 моделей автотранспортных средств

3.5. Результаты применения оператора деконволюции 82 в решении задачи распознавания оптических образов моделей автотранспортных средств

3.6. Методика регистрации оптических образов 82 автотранспортных средств в реальных условиях

3.7. Библиотека образов автотранспортных средств

3.8. Информационные возможности свёртки собственного 88 сигнала АТС с передаточной функцией растра, в зависимости от расстояния между оптико-электронным устройством и объектом исследования

3.9. Идентификация оптических образов АТС по методу 91 произведений

3.10.

Оценка достоверности распознавания образов автомобилей

3.11. Результаты кепстрального анализа оптических 96 образов АТС

3.12. Результаты применения оператора деконволюции

3.13. Классификация автотранспортных средств по 103 таксономическим критериям оптических образов

Выводы по главе

ГЛАВА 4. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТОВ

4.1. Экспериментальное определение зависимости 112 площади оптического сигнала от скорости движения автомобиля

4.2. Методика определения параметров 114 автотранспортного потока

4.3. Определение габаритной высоты АТС по 116 тарировочному автомобилю

4.4. Методика идентификации автотранспортных средств по 118 габаритным размерам автомобиля

4.5. Область применения разработанных методик 125 идентификации автотранспортных средств

4.6. Регистрация оптических сигналов на разных 127 расстояниях от растрового датчика

4.7. Кепстр как индивидуальная характеристика 128 автотранспортного средства

4.8. Оператор деконволюции как способ выделения 128 собственного сигнала автомобиля

4.9. Метод произведений в решении задачи идентификации 129 АТС

-54.10. Таксономические критерии классификации АТС

Выводы по главе

Актуальность. Существенно уменьшить показатель аварийности позволят качественные преобразования в системе «Транспортное средство -водитель-дорога», т.е. переход на интенсивный путь совершенствования организации движения. К таким мероприятиям следует отнести широкое внедрение электронной техники в организацию движения и управления транспортными средствами. В настоящее время как в нашей стране, так и за рубежом проводятся широкие исследования по использованию различных радиоэлектронных, оптических и ультразвуковых систем для обеспечения безопасности движения наземного транспорта. Одним из важнейших факторов движения является состав потока, существенно влияющий на условия и режим движения транспортных средств. Сегодня существует необходимость пересмотра и уточнения методик определения состава потока. Значимость идентификации автомобилей в потоке вызвана широким кругом задач, решаемых на основе информации о качественном составе транспортного потока. Такими задачами являются: определение нагрузок на дорожное полотно; оперативное изменение скоростных режимов; прогнозирование особо аварийных участков дорог; выбор оптимальных мест установки регулировочных знаков; определение динамического габарита автотранспортных средств; поиск угнанных автомобилей; сопровождение автомобилей с опасным грузом; решение задач сортировки потоков; контроль движения пассажирского автотранспорта; оптимизация процессов перевозки пассажиров; оперативное управление движением; корректировка работы светофорной сигнализации; определение необходимости создания стоянок для индивидуальных легковых автомобилей; решение задач логистики; сбор информации об общем составе парка автомобилей в регионе и стране и т.д. Поэтому исследования в области разработки методов идентификации автотранспортных средств актуальны. Наиболее перспективны исследования с применением новых информационных технологий.

Цель исследований. Целью исследований является разработка методов идентификации автомобильного транспорта на основе распознавания их оптических образов для организации движения и снижения количества дорожно-транспортных происшествий.

Решение сформулированной задачи предполагает следующие этапы:

- сравнительная оценка эффективности различных методов и средств сбора информации о параметрах автотранспортного потока;

- экспериментальные исследования по регистрации оптических образов транспортных средств с учётом работы в реальном времени; разработка методики идентификации транспортных средств по признакам оптических образов на основе цифровой обработки сигналов;

- разработка методики классификации транспортных средств на основе использования таксономических критериев.

Методика и объект исследований. Используемый метод предусматривает применение аппаратуры автоматизированного способа сбора информации, телекоммуникации и математических способов выдачи информации для оперативного принятия решений на основе компьютерных технологий. В качестве объекта исследования выбраны автотранспортные средства.

Научная новизна. В работе впервые:

1. Произведена конструкторская модернизация созданного ранее оптико-электронного устройства для решения задач навигации применительно к регистрации транспортных средств на магистралях и городских улицах.

2. Разработана методика математической обработки электрических сигналов с целью выделения полезной информации для идентификации транспортных средств, теоретически и экспериментально осуществлён выбор таксономических критериев оптических образов автомобилей.

3. Разработана методика использования полученных результатов для решения задач организации движения и мониторинга транспортных потоков.

4. Экспериментально исследованы информационные возможности оператора деконволюции свёртки собственного сигнала транспортного средства с передаточной функцией приёмника в зависимости от расстояния между оптико-электронным устройством и автомобилем.

Практическая значимость:

- получена информация о составе транспортного потока по характерным признакам оптических образов транспортных средств;

- идентифицированы транспортные средства с высокой степенью надежности и малой вероятностью ошибки в условиях высокого уровня оптических, акустических и др. помех по репрезентативному набору образов;

- результаты обработки информации получены в реальном времени.

Реализация результатов работы. Результаты диссертационной работы внедрены: кафедрой "Автомобильный транспорт" Владимирского государственного университета в учебный процесс специальностей № 230100 "Сервис транспортных и технологических машин и оборудования" ДС.04. "Основы автоматизации и компьютеризации производственных процессов", № 150200 "Автомобили и автомобильное хозяйство" ДС.02. "Основы автоматизации и роботизации производственных процессов"; кафедрой "Приборостроение и информационно-измерительная техника" Владимирского государственного университета в учебный процесс специальности №1901 "Приборостроение"; Владимирским производственно-технологическим центром ДП ГП "РосдорНИИ" при диагностике дороги "Волга М7", внедрены результаты мониторинга транспортных потоков, с применением оптико-электронных растровых датчиков и методика оперативного определения параметров транспортного потока (интенсивности, плотности, скорости, типов транспортных средств); пассажирским автотранспортным предприятием г. Ковров внедрены оптико-электронный детектор транспорта на основе многомерных пластинчатых растров и методика цифровой обработки регистрируемых сигналов.

Основные положения диссертационной работы, выносимые на защиту

1. Методика идентификации транспортных средств по экспериментально полученным оптическим образам, и алгоритмы определения параметров автомобилей, в реальном времени, в автоматическом режиме с применением цифровых методов обработки информации.

2. Классификация автотранспортных средств по таксономическим критериям оптических образов.

3. Методика выбора алгоритма математической обработки оптических сигналов в зависимости от места установки растрового датчика, определяемого реальными условиями.

Апробация работы. Результаты работы докладывались и обсуждались на следующих конференциях: VIII Международной научно-технической конференции двигателей внутреннего сгорания, автомобильной техники и транспорта "MOTAUTO'Ol", Varna , Bulgaria 2001; научно-технической конференции "Проблемы проектирования, строительства и эксплуатации автомобильных дорог" УФ МАДИ (ГТУ), Челябинск 2001; IX Международной научно-практической конференции "Актуальные проблемы управления качеством производства и эксплуатации автотранспортных средств", Владимир 2002; VIII Международной научно-практической конференции "Совершенствование мощностных, экономических и экологических показателей ДВС" Владимир 2001; V Международной конференции "Организация и безопасность дорожного движения в крупных городах", Санкт-Петербург 2002.

Публикации. Основные положения диссертации изложены в 11 печатных работах.

Структура и объем работы. Диссертация состоит из введения, четырёх глав, выводов, библиографического списка и приложений. Объём диссертации составляет 165 страниц машинописного текста, 12 таблиц, 48 иллюстраций, 7 приложений. Приложения содержат материалы, подтверждающие внедрение результатов. Библиографический список состоит из 157 наименований, включающих 148 отечественных и 9 иностранных источников.

ОБЩИЕ ВЫВОДЫ

1. Разработана методика распознавания и идентификации автотранспортных средств по их оптическим образам с получением результата обработки сигналов в автоматическом режиме и реальном времени. Вероятностная точность идентификации составляет 87 - 92 %.

2. Создана библиотека усреднённых оптических образов для идентификации АТС, которая позволяет из множества автотранспортных средств выделить оптический образ автомобиля по следующим критериям: значению определяющего произведения, собственному сигналу, нормированному критерию, содержащему информацию о площади АТС (в продольном направлении), его размерах, скорости движения, с вероятностью не ниже 87 %.

3. Проведено физическое моделирование процесса регистрации оптических образов автотранспортных средств различной формы. Показана адекватность математического аппарата обработки сигналов при идентификации моделей по их оптическим образам. По результатам экспериментов получены следующие значения нормированного критерия т\ для категории Mj (легковые автомобили) - т= 0,72±0,23; для категории N (грузовые) - т= 0,86±0,14, для автобусов -т= 1 ±0,22 .

4. Предложена классификация автотранспортных средств по таксономическим критериям оптических образов, позволяющая идентифицировать автомобили с вероятностной точностью не ниже 95 %.

5. Показана высокая эффективность применения оператора деконволюции для выделения истинного оптического образа автотранспортного средства при различных условиях установки растрового детектора.

6. Разработана методика применения полученных сигналов для решения конкретных задач автомобильного транспорта: определения интенсивности транспортного потока, плотности потока, скорости автотранспортных средств, динамической длины автомобилей, идентификации автотранспортных средств, для оценки качественного состава транспортного потока. При этом погрешность в определении параметров транспортного потока не превышает 3 - 5 %.

7. Показано, что параметры оптического образа однозначно связаны с габаритными и скоростными характеристиками автотранспортных средств, что даёт возможность определять скоростной режим автомобиля с погрешностью не более 2-4%.

8. Подтверждена работоспособность предложенных методик в реальных условиях на дорогах и автострадах с определением интенсивности, скорости, плотности и качественного состава автотранспортного потока, что открывает большие возможности по оптимизации управления транспортными потоками и повышению безопасности движения АТС.

9. Обоснована возможность внедрения результатов исследования с незначительными финансовыми и материальными затратами. Стоимость одного комплекта растрового входного блока с персональным компьютерным обеспечением составляет 1 тыс. дол. По сравнению с имеющимися в настоящее время средствами идентификации АТС, при помощи которых решаются узкие задачи автомобильного транспорта, стоимость оптико-электронной системы идентификации АТС в потоке ниже минимум в 10 раз. В качестве примера приведём стоимость российского комплекса идентификации номерных знаков "Поток" и "Паркинг" - 11 - 14 тыс. дол., в зависимости от комплектации.

10. Для повышения точности идентификации автотранспортных средств в дальнейшем необходимо: расширить базу данных для идентификации автотранспортных средств зарубежного производства;

- исследовать амплитудные и фазочастотные характеристики фотоприёмника с целью расширения максимального интервала скоростного режима АТС, подлежащего определению.

1. Автоматизированные системы обработки информации и управления автотранспортного комплекса / МАДИ. М., 1989.

2. Автоматизированные системы обработки информации и управления на автомобильном транспорте: Учеб. для сред. проф. образования/ Под ред. А.Б. Николаева. М.: Академия, 2003. - 223 с.

3. Автомобили ВАЗ. Ремонт после аварий: Справ. / Р.Д. Кислюк, А.А. Звягин, Б.В. Прохоров и др.; Под. ред. А.А. Звягина. М.: Машиностроение, 1982.- 320 с.

4. Автомобильные перевозки и организация дорожного движения: Справ.: Пер. с англ. / В.У. Рэнкин, П. Клафи, С. Халберт и др. М.: Транспорт, 1981. - 592 с.

5. Автомобильные электронные системы: Сб. статей: Пер. с англ./ Под. ред. Ю.М. Галкина. М.: Машиностроение, 1982. - 144 с.

6. Агеев А.И. Автоматизированные системы управления автомобильным транспортом: Учеб. пособие для специальности 150200 «Автомобили и автомобильное хозяйство»/ ЛИСИ. Л., 1976.-211 с.

7. Артемов С.Н. Повышение пропускной способности и безопасности движения вводов в крупнейшие города: Автореф. дисс. . канд. техн. наук / МАДИ. М., 1986. - 22 с.

8. Ахо А., Ульман Дж. Теория синтаксического анализа, перевода и компиляции/ Пер. с англ. В.Н. Агафонова; Под ред. В.М. Курочкина. -М.: Мир, 1978.-612 с.

9. Бабков В.Ю., Сивере М.А. Передача информации в системах подвижной связи/ СПбГУТ. СПб., 1999. - 210 с.

10. Басс М.Г., Хорович Б.Г. Телеавтоматические системы регулирования уличного движения в городах Японии. Проблемы больших городов. М.: ГОСНИТИТ, 1971. - 25 с.

11. Безопасность дорожного движения: Учеб. пособие / В.В. Амбарцумян, В.Н. Бабанин, О.П. Гуджоян, А.В. Петридис; Под. ред. чл.-кор. РАН проф. В.Н. Луканина. М.: Машиностроение, 1998. -304 с.

12. Белый О.В. и др. Архитектура и методология транспортных систем: Моногр. / О.В. Белый, О.Г. Кокаев, С.А.Попов. СПб.: Элмор, 2002. -249 с.

13. Белый О.В., Сазонов А.Е. Информационные системы технических средств транспорта: Учеб. пособие / Под ред. Ю.А. Лукомского. -СПб.: Элмор, 2001.- 186 с.

14. Бернюков А.К. Дискретная и цифровая обработка информации: Учеб. пособие / Владим. гос. техн. ун-т. Владимир, 2002. - 158 с.

15. Бирюков А.Л. Глобальная система мобильной связи, контроля и управления транспортом // Системы безопасности, связи и телекоммуникаций. 1996. - № 5. - С. 20 - 23.

16. Бриджмен П.В. Анализ размерностей: Пер. с англ. М.; Л.: 1934.

17. Брюханов А.Б., Хомич В.И. Электроника на автомобильном транспорте. М.: Транспорт, 1984. - 126 с.

18. Валюс Н.А. Растровые оптические приборы. М.: Машиностроение, 1966.-208 с.

19. Вапник В.Н., Червоненкис А .Я. Теория распознавания образов. -М.: Наука, 1974.-415 с.

20. Васильев В.И. Распознающие системы: Справ. — 2-е изд.- Киев: Наукова думка, 1983. 422 с.

21. Ветлинский В.Н., Осипов А.В. Автоматические системы управления движением автотранспорта. Л.: Машиностроение. Ленингр. отд-ние, 1986. - 216 с.

22. Виды пассажирского транспорта и сферы их применения. http://autodelo.narod.ru/content/4 3/4 3 2.html .

23. Власенко В.А. Методы синтеза быстрых алгоритмов свертки и спектрального анализа сигналов. М.: Наука, 1990.

24. Волчков С. Технологии решают всё // Автомобильный трансп. -2001.-№ 11.-С. 27-29.

25. Вопросы и ответы по дорожным радарам. http://www.simicon.com/rus/faq/.

26. Габарда, Душан. Новые транспортные системы в городском транспорте. М.: Транспорт, 1990.

27. Гетманец Г.В., Лиханов В.А. Социально-экологические проблемы автомобильного транспорта: Справ, пособие. М.: FCGJK, 1993. -330 с.

28. Гольденберг Л.М. Цифровая обработка сигналов. М.: Радио и связь, 1990.-312 с.

29. Горелик А.Л., Скрипкин В.А. Некоторые вопросы построения систем распознавания. М.: Совет, радио, 1974. - 224 с.

30. Госавтоинспекции 60 / Упр. ГАИ УВД Владим. обл. - Владимир, 1996.-32 с.

31. Губарев В.В. Алгоритмы статистических измерений. М.: Энергоатомиздат, 1985. - 272 с.

32. Гуд мен Д.М. О производных оператора гомоморфного преобразования и их применении к некоторым задачам обработки сигнала // ТИИЭР. 1990. - Т.78. - № 4.

33. Гусев С.А. Организация управления автомобильным транспортом на региональном уровне/ Ин-т упр. на транспорте ГУУ. М., 2001. -22 с.

34. Дистанционный контроль скорости движения транспортных средств / Ю.М. Егоров, В.А. Изотов, JI.A. Кочетов и др. М.: Транспорт, 1987.-270 с.

35. Дрю, Дональд Р. Теория транспортных потоков и управление ими / Пер. с англ. Е.Г. Коваленко, Г.Д. Шермана; Под. ред. чл.-кор. АН СССР Н.П. Бусленко. М.: Транспорт, 1972. - 424 с.

36. Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер. с англ. М.: Мир, 1976.-512 с.

37. Дьяков А.Б. Экологическая безопасность транспортных потоков. -М.: Транспорт, 1989. 128 с.

38. Еланская Ю. Эволюция существующих технологий сотовой связи к системам третьего поколения // Сб. тр. симпозиума "Мобильная связь на рубеже веков"/ СПбГАСУ. СПб., 2000.

39. Здор С.Е., Широков В.Б. Оптический поиск и распознавание. М.: Наука, 1973.-239 с.

40. Зенцов В.Н. Совершенствование методологии эколого-системного подхода к проектированию городской транспортной инфраструктуры: Автореф. дис. . канд. техн. наук / С.-Петерб. гос. техн. ун-т. -СПб.: 1999.-21 с.

41. Итоги науки и техники. Автомобильный и городской транспорт. Т 5. -М.: ВИНИТИ АН СССР, 1974. 204 с.

42. Канал Л. Обзор систем для анализа структуры образов и алгоритмов классификации в режиме диалога // ТИИЭР. 1972. -Т.60. - № 10.-С. 122- 141.

43. Карбанович И.И. Краткий справочник по импортным автомобилям. М.: Транспорт, 1980 - 192 с.

44. Катыс Г.П. Автоматическое сканирование. М.: Машиностроение, 1969.-520 с.

45. Клинковштейн Г.И. Организация дорожного движения. М.: Транспорт, 1982. - 240 с.

46. Клинковштейн Г.И., Афанасьев М.Б. Организация дорожного движения. М.: Транспорт, 1992. - 207 с.

47. Коноплянко В.И. Системы информации в дорожном движении / МАДИ. -М., 1991.

48. Коноплянко В.И. Организация и безопасность дорожного движения: Учеб. для вузов. — М.: Транспорт, 1991. 183 с.

49. Котиков Ю.Г. Основы транспортных систем / СПбГАСУ. СПб., 2000. - 216 с.

50. Красников А.Н. Закономерности движения на многополосных автомобильных дорогах. М.: Транспорт, 1988. — 111 с.

51. Краткий справочник автомобилиста / А.Н. Понизовкин и др. М.: Транспорт, 1985. - 223 с.

52. Кременец Ю.А. Технические средства организации дорожного движения. М.: Транспорт, 1990. - 225 с.

53. Криксунов Л.З., Усольцев И.Ф. Инфракрасные системы. М.: Совет, радио, 1968. - 320 с.

54. Кудрявцев O.K., Федутинов Ю.А., Чуверин И.И. Транспорт городских центров. М.: Транспорт, 1978. - 109 с.

55. Кузнецов Е.С. Управление техническими системами: Учеб. пособие по спец. 150200 "Автомобили и автомобильное хозяйство"/ МАДИ (ТУ). 2-е изд., доп. - М., 1998. - 202 с.

56. Кунин В.Н., Плешивцев B.C. Исследование элементарной ячейки пластинчатого растра // Оптико-мех. пром-сть. 1986. - № 9. - С. 13 - 15.

57. Кунин В.Н., Плешивцев B.C., Маковецкая-Абрамова О.В.

58. Кунин В.Н., Плешивцев B.C., Маковецкая-Абрамова О.В.

59. Перспективы применения оператора деконволюции в решении задач идентификации транспортных средств // Автомобильная пром-сть. -2002. -№ 11.-С. 28.

60. Кунин В.Н., Плешивцев B.C., Маковецкая-Абрамова О.В.

61. Кунина Л.А., Кунин В.Н. О возможности формирования единиц измерения биологических величин методом произведения. Рук. деп. в ВИНИТИ, 14 авг. 1979. № 3061-79 деп.

62. Куперман А.И., Миронов Ю.В. Безопасность дорожного движения: Справ, пособие. 2-е изд., испр. и доп. - М.: Высш. шк.; Академия, 1999.-320 с.

63. Кустов О.В., Писарев С.Б. Передача координатно-временной информации по системам сотовой связи // Радиотехника. 1999. -№ 11.

64. Лукинский B.C., Бережной В.И., Цвиринько И.А. Логистика автомобильного транспорта: Концепция, методы, модели. — М.: Финансы и статистика, 2002. 278 с.

65. Маковецкая-Абрамова О.В. Эксперименты с моделями транспортных средств/ Материалы науч.-техн. конф. ФИПМ / Владим. гос. ун-т. Владимир, 2003 - С.37.

66. Макс Ж. Методы и техника обработки сигналов при физических измерениях: В 2 т.: Пер. с фр. / Под ред. Н.Г. Волкова. М.: Мир, 1983. - Т.1. - 311 е.; Т.2. - 256 с.

67. Методические указания к практическим занятиям по курсу "Теоретическая метрология "/ Сост.: А.Г. Сергеев и др.; Под. ред. А.Г. Сергеева; Владим. гос. ун-т. Владимир, 1997. - 64 с.

68. МИ 2247-93. Рекомендация. ГСИ. Метрология. Основные термины и определния. СПб.: Изд-во ВНИИМ им. Д.И. Менделеева, 1994.

69. Михайлов С. Справочник автолюбителя: 300 практических советов. М.: Риполклассик, 2002. — 447 с.

70. Многомерный растровый оптико-электронный датчик в устройстве траекторных измерений/ Т.П. Банько, В.Н. Кунин, B.C. Плешивцев и др. // Вопросы радиоэлектроники. 1982. -Вып. 14. — С. 112.

71. Молебный В.В. Оптико-локационные системы. М.: Машиностроение, 1981. - 180 с.

72. Надь. Распознавание образов: Обзор // ТИИЭР. 1968. - Т.56. -№ 5. - С. 57 - 86.

73. Нильсон Н. Обучающие машины: Пер. с англ. М.: Мир, 1967. -180 с.

74. Новицкий П.А., Зограф И.А. Оценка погрешностей результатов измерений. 2-е изд., перераб. и доп. - JL: Энергоатомиздат. Ленингр. отд-ние, 1991. — 301 с.

75. Новые подходы к повышению безопасности дорожного движения. -М.: Медицина, 1991.

76. Нуссбаумер, Генри. Быстрое преобразование Фурье и алгоритмы вычисления сверток/ Пер. с англ.Ю.Ф. Касимова, И.П. Пчелинцева; Под ред.В.М. Амеребаева, Т.Э. Кренкеля. М.: Радио и связь, 1985. - 248 с.

77. Ожегов С.И. Словарь русского языка: 70 ООО слов / Под. ред. чл.-кор. АН СССР Н.Ю. Шведовой. 21-е изд., перераб. и доп. - М.: Рус. яз., 1989.-924 с.

78. Оленев Е.А. Современные методы и средства контроля диспетчерского управления движением городского и пассажирского транспорта / КГТА. Ковров, 1998.

79. Оппенгейм А.В., Шафер Р.В. Цифровая обработка сигналов. М.: Связь, 1979.

80. Оптико-электронная система идентификации АТС в транспортных потоках // Автомобильная пром-сть. 2001. - № 4. - С. 39.

81. Оптимизация планирования и управления транспортными системами/ В.Н. Лившиц, Е.М. Васильева, Г.А. Бородянский и др.; Под ред. В.Н. Лившица. М.: Транспорт, 1987. - 207 с.

82. Организация дорожного движения в городах / Под ред. Ю.Д. Шелкова. М.: Транспорт, 1995.

83. Основы теории распознавания образов: Пер.с англ. -М.: Совет, радио, 1972.

84. Оценка скорости движения транспортных потоков / Сост.: В.В. Сильянов и др. М.: Союздорнии, 1987.- 13 с.

85. Пат. 1096789 Англия, МКИ GO 1S 99/44.

86. Пат. 2102433 Франция, МКИ G 08 g 1/100.

87. Пат. 4293859 США, НКИ-343-714.

88. Патрик Э.А. Основы теории распознавания образов: Пер. с англ.-М.: Совет, радио, 1980. 408 с.

89. Печерский М.П., Хорович Б.Г. Автоматизированные системы управления дорожным движением в городах. М.: Транспорт, 1979. -176 с.

90. Плешивцев B.C. Некоторые проблемы организации управления транспортными потоками: Моногр./ Владим. гос. ун-т. Владимир, 2001 -79 с.

91. Плешивцев B.C. Оптические образы автомобилей как информационная база регулирования транспортных потоков // VIII Столетовские чтения: Тез. и материалы Всерос. науч.-метод, конф. по физике / Владим. гос. пед. ун-т. Владимир, 2000. - 110 с.

92. Плешивцев B.C., Кунин В.Н., Кондаков В.П. и др. Датчик вертикали. А.с. СССР № 1345769, 1985.

93. Плешивцев B.C., Кунин В.Н., Кулиш А.А. А.с. СССР № 1388715// Бюл. изобр. 1988.-№ 14.-С. 183.

94. Плешивцев B.C., Кунин В.Н., Маковецкая-Абрамова О.В. Мобильный комплекс мониторинга транспортных потоков. Организация и безопасность дорожного движения в крупных городах // Сб. докл. V Междунар. конф. / СПбГАСУ. СПб., 2000. -С. 224 - 226.

95. Плешивцев B.C., Кунин В.Н., Маковецкая-Абрамова О.В.

96. Оптико-электронная система идентификации АТС в транспортных потоках// Автомобильная пром-сть. 2001. - № 4. - С. 37.

97. Плешивцев B.C., Кунин В.Н., Маковецкая-Абрамова О.В.

98. Плешивцев B.C., Кунин В.Н., Половец JI.H., Герасимов Ю.Ф.

99. Оптико-электронное устройство. А.с. СССР. № 1788499, 1992.

100. Плешивцев B.C., Кунин В.Н., Родионов В.А. Устройство для траекторных измерений. А.с. СССР № 811674, 1980.

101. Повышение безопасности движения на автомобильных дорогах: Сб. науч. тр. / Отв. ред. А .Я. Эрастов; ГИПРОДОРНИИ. М., 1988. - 143 с.

102. Пространственно-временные преобразования электромагнитных сигналов. М.: МЗИ, 1997.

103. Ш.Прэтт У.К. Цифровая обработка изображений. М.: Мир, 1982.

104. Рабинер Л.Р., Шафер Р.В. Цифровая обработка речевых сигналов: Пер. с англ. М.: Радио и связь, 1981. - 495 с.

105. Развитие систем информатики на автомобильном транспорте: Сб.науч. тр./ Под. общ. ред. И.М. Грязнова, В.А. Ефименко; Гос. НИИ автомоб. трансп. М., 1990. - 146 с.

106. Распознавание образов: состояние и перспективы / К. Верхаген, Р. Дейн, Ф. Грун и др. М.: Радио и связь, 1985. - 103 с.

107. Распознавание, классификация, прогноз. Вып. 3. М.: Наука, 1992. -319 с.

108. СБИС для распознавания образов и обработки изображений / Под. ред. К. Фу. М.: Мир, 1988. - 248 с.

109. Сергеев А.Г. Метрологическое обеспечение эксплуатации технических систем. М.: Изд-во МГОУ; А/О "Росвузнаука", 1994. -487 с.

110. Сильянов В.В. Актуальные вопросы повышения безопасности дорожного движения// Сб. науч. тр./ МАДИ. М., 1988.

111. Система мониторинга транспортных потоков основных магистралей центра Москвы / К.В. Фролов, В.В. Лебедев, А.Ю. Воробьев и др. // Проблемы машиностроения и надежности машин. 2000. - № 5.

112. Системы и средства автоматизированного управления дорожным движением в городах / B.C. Соколовский, Е.Б. Хилажев, ЯМ. Зайденберг и др. М.: Транспорт, 1984. - 183 с.

113. Системы предупреждения столкновений наземных транспортных средств // Зарубежная радиоэлектроника. 1980. -№ 9. - С. 64-78.

114. Слепян Э.И. Организационные мероприятия, обеспечивающие минимизацию экологической опасности автотранспортных дорог как системы // Санкт-Петербург Окно в Европу: Материалы Круглого стола. Тез. №17. Петерб. эконом, форум. - СПб., 2000. -С. 1 -4.

115. Современные проблемы кибернетики. М.: Знание, серия "Математика и кибернетика". - № 12. - 1980.

116. Справочник по безопасности дорожного движения: Обзор мероприятий по безопасности дорожного движения: Пер. с норв./ Ред. В.В. Сильянов; Ин-т экономики транспорта Норвегии; МАДИ (ГТУ); СМ северных стран.- Осло; М.; Хельсенки, 2001 753 с.

117. Стенбринк П. Оптимизация транспортных сетей. М.: Транспорт, 1981.

118. Степанов А.Ю., Бабушкин Н.Ю. Создание центра мониторинга для обеспечения управления транспортными потоками. /http://trm.vov. ru/stat/report/r21 /tit.html/.

119. Структурные методы распознавания образов. М.: Мир, 1977.

120. Сханова С.Э. Логистика в организации и безопасности дорожного движения// Организация и безопасность дорожного движения в крупных городах: Сб. докл. IV Междунар. конф. / СПбГАСУ. -СПб., 2000.- С. 126- 128.

121. Сытник В.Н. Планирование и контроль эффективности мероприятий по обеспечению безопасности дорожного движения в городах / МАДИ. М., 1989.

122. Талицкий И.И., Чугуев В.Л., Щербинин Ю.Ф. Безопасность движения на автомобильном транспорте: Справ. М.: Транспорт, 1988,- 158 с.

123. Технические системы обеспечения безопасности дорожного движения / В.М. Комаров, Л.А. Кочетов, М.П. Печерский, Т.М. Андреева. М.: Транспорт, 1990. - 351с.

124. Техническое зрение роботов. / Под ред. А. Пью. М.: Машиностроение, 1987.- 320 с.

125. Транспорт в городе: Бюл. логист, информ. 1999. - № 7 - 8.

126. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978.

127. Федоров В.А. Разработка методики совершенствования контроля исполнения норм безопасности дорожного движения: Дис. . канд. техн. наук/ СПбГАСУ. СПб., 1998. - 49 с.

128. Фон Чжань Линь. Разработка и исследование алгоритмов обратного цифрового преобразования для задач управления: Дис. . канд. техн. наук. М., 1996.-147 с.- 146139. Фор Ален. Восприятие и распознавание образов: Пер. с фр. -М.: Машиностроение, 1989.-271 с.

129. Фу К. Последовательные методы в распознавании образов и обучении машин. М.: Наука, 1971.

130. Фукунага К. Введение в статистическую теорию распознавания образов: Пер. с англ. М.: Наука, 1979. — 368 с.

131. Хейт Ф. Математическая теория транспортных потоков: Пер. с англ. М.: Мир, 1966. - 187 с.

132. Чайлуерс Д.Д., Скиннер Д.П., Кемерейт Р.Ч. Кепстр и его применение в обработке данных // ТИИЭР. 1977. - Т.65. - № 10. — С.5 - 23.

133. Чуриловский В.Н. Теория оптических приборов. М.: Машиностроение, 1966. - 564 с.

134. Шайкин В. Модернизации транспортной системы России // Логистика. 2001. - № 3. - С. 2.

135. Шене Ханс Петер. Повышение эффективности и качества управления автотранспортными потоками: Дис. . канд. техн. наук / Владим. гос. ун-т. Владимир, 2000. - 152 с.

136. Эндрюс Г. Применение вычислительных машин для обработки изображений: Пер. с англ. М.: Энергия, 1977. - 161 с.

137. Яблонский Ф.М. Новые типы электронных индикаторов для средств отображения информации // Зарубежная радиоэлектроника. -1978. -№ 11. -С. 75 101.

138. Васкег Е. 1978 Cluster Analysis by optimal decomposition of induced fuzzy sets. Thesis, Delft (Delft: Delft University Press).

139. Bock H. H. Automatische Klassifikation ( Gottingen: Vandenhoeck and Ruprecht). 1974.

140. Gartner N.H. Optimal traffic assignment with elastic demands. Transportation Sciense, 1982, 14p.

141. Kulkarni A. V. and Kanal L. N. 1978 Proc. 4th int. Joint Conf. on Patter Recognition, Kyoto (New York: IEEE) pp 238-45.

142. Larsen G. Bedeutung und Noturnigkeit integrierter Verkehrsmanagement systeme aus der Sicht eines europaischen Automobilherstellers. NAT, GmbH, Hannover, 73, 1994.

143. Pleshivtsev V.S., Kunin V.N., Makovetskaya-Abramova O.V. The Solution of Problem of Distance Identification of the Transport Stream Parametres by Applying the Ruster Optical Electronic Means. // Motauto '01, Varna.

144. Wadrop J.G. Some theoretical aspects of road traffic research. Proseedings of Institute of Civil Engineering, 1952, 1.

145. Walter Hieber, Reinhard Weip. Der neue Schleifendetektor SDA // Siemens AG, Miinchen, 2000, 4 pp.

146. Zaden L.A. 1965 Information and Control 8 338-53.

147. Утверждаю и.о. директора Владимирского1. O^gi ВЕН Н'щШШрсдорНИИ'2003г1. Акт внедрения

148. Методика оперативного определения параметров транспортного потока с помощью мобильного комплекса, оснащённого оптико-электорнным растровым детектором транспорта.