燕劍 段紅秀
摘? ?要:我國城市機動化水平飛速發(fā)展,城市交通壓力與日俱增,交通擁堵、事故頻發(fā)已成為許多城市的通病。高分辨率遙感影像技術(shù)越來越成熟,利用高空間分辨率遙感影像中道路的物理和幾何特征的信息提取,不僅能獲得全局性、實時交通信息,也可以實時航空遙感結(jié)合地面監(jiān)視手段,實現(xiàn)交通管理系統(tǒng)高效運行。
關(guān)鍵詞:遙感技術(shù)? 影像? 交通管理
中圖分類號:TP751? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼:A? ? ? ? ? ? ? ? ? ? ? ?文章編號:1674-098X(2020)01(b)-0127-02
我國城市機動化水平飛速發(fā)展,城市交通壓力與日俱增,交通擁堵、事故頻發(fā)已成為我國許多城市的通病。利用高分辨率遙感影像不但能夠在空間上直觀明了地顯示各種來源的交通信息,并能為深層次挖掘交通數(shù)據(jù)中的有用規(guī)則提供技術(shù)支持。運用其對空間數(shù)據(jù)的獲取、管理、可視化、信息查詢、空間分析能力,通過與交通專業(yè)的結(jié)合,可以科學(xué)地為各種交通組織管理方案的制定實施起技術(shù)支持作用。
1? 基于高分辨率遙感影像的道路信息提取
基于高分辨率遙感數(shù)據(jù)進行道路信息提取可以進行四個層次的劃分,數(shù)據(jù)層、分析層、決策層以及結(jié)果層(見圖1)。
根據(jù)特征知識庫的分析可以為道路提取進行決策分析,特征知識庫里的知識主要包括影像類型等基本屬性,光譜特征、形狀特征、紋理特征和語義特征等影像特征,以及用于表達知識的邏輯規(guī)則等內(nèi)容。一方面這些特征知識可以通過人機交互輸入行業(yè)專家已有的知識;另一方面針對信息提取中知識規(guī)則不完備的情況下,可以從己知影像數(shù)據(jù)中獲取特征并挖掘其中的規(guī)則,除了直接從影像上獲取的特征外,還有大量隱含的規(guī)則,因此需要結(jié)合對樣本數(shù)據(jù)的信息挖掘?qū)崿F(xiàn)。由于各種影像特征的復(fù)雜性和多樣性,不同地物實體及其影像表現(xiàn)的復(fù)雜對應(yīng)關(guān)系,影像特征的描述與組織,用于特征知識表達的模糊邏輯規(guī)則的抽象與設(shè)計,影像特征知識的表達與存儲、特征知識的索引與動態(tài)組織以及知識庫模糊邏輯推理機制等,構(gòu)成了構(gòu)建影像特征知識庫的關(guān)鍵問題。
2? 基于高分辨率遙感影像的交通信息提取
進行基于高分辨率遙感數(shù)據(jù)的交通流參數(shù)提取技術(shù)研究,分析高分遙感影像數(shù)據(jù)及其在交通應(yīng)用的特點,結(jié)合交通流特性,從圖像中檢測出道路車輛,并對檢測到的車輛進行計數(shù)以及分類,獲取車流量、車型、車速等交通信息,為交通路網(wǎng)規(guī)劃分析與優(yōu)化、交通設(shè)施銜接、交通路網(wǎng)運維管理提供決策支持(見圖2)。根據(jù)技術(shù)路線所涉及的內(nèi)容,可按三部分進行:
(1)目標知識庫構(gòu)建。目標知識庫是高分遙感影像目標識別和圖像分析的主要依據(jù)。(2)圖像分割與分類算法研究。對高分遙感影像進行圖像分割及分類處理,以實現(xiàn)車輛目標及交通流信息的精準提取。圖像分割算法包括多尺度影像快速分割、區(qū)域增長技術(shù)、面向?qū)ο蟮膱D像匹配技術(shù)等;圖像分類算法包括基于像元和面向?qū)ο蠓诸?、監(jiān)督分類和非監(jiān)督分類、硬分類和軟分類等方法。(3)構(gòu)建交通流參數(shù)模型?;诟叻诌b感數(shù)據(jù)的圖像增強、彩色圖像變換及數(shù)據(jù)融合等圖像預(yù)處理過程,利用融合后影像進行車輛的快速識別與自動定位,以及后續(xù)的移動距離、方向和前后車間距的測定進行機動車速度參數(shù)提取,同時,結(jié)合融合處理后圖像上的路段長度計算,進行交通流密度參數(shù)提取。
3? 基于高分遙感數(shù)據(jù)的城市交通要素信息提取技術(shù)
基于高分數(shù)據(jù)的城市交通要素精細提取技術(shù)是實現(xiàn)交通要素精細化快速提取,提升城市交通管理的科學(xué)性、快速性和高效性的關(guān)鍵。首先面向城市交通狀態(tài)監(jiān)測與輔助決策管理的重大需求,分析高分遙感影像數(shù)據(jù)特點和城市交通要素目標特性,在此基礎(chǔ)上,構(gòu)建交通要素解譯知識庫;然后結(jié)合多級識別策略和交通地理信息等多源信息,建立完備的算法組件,突破交通要素精細化提取和多期遙感影像交通要素變化檢測的技術(shù)瓶頸,從而形成城市交通要素和變化信息的快速提取和持續(xù)觀測能力。
對于信息提取技術(shù)來講,因信息提取數(shù)據(jù)量大,要實現(xiàn)高效、精確提取,在信息提取系統(tǒng)中需要具有如下特點:(1)具有很高的自動化和智能化程度;(2)系統(tǒng)數(shù)據(jù)組織是針對實體對象的,其知識規(guī)則來自于對遙感圖像信息含義的全面理解;(3)對于不同目標的識別,其識別規(guī)則具有分層性;(4)系統(tǒng)應(yīng)具備自學(xué)習(xí)能力,以及時實現(xiàn)信息的更新。對此,建立基于高分辨率遙感的城市交通要素信息提取技術(shù)路線如圖3所示。
4? 海量時空數(shù)據(jù)高效組織和管理技術(shù)
交通應(yīng)用領(lǐng)域業(yè)務(wù)應(yīng)用中面臨各種類項的數(shù)據(jù),這其中還包括了其它應(yīng)用系統(tǒng)的共享數(shù)據(jù)和現(xiàn)有運行系統(tǒng)的數(shù)據(jù)積累。這些海量時空數(shù)據(jù)存在著不同的存儲方式,不同的數(shù)據(jù)類型,不同的數(shù)據(jù)來源等特點。
搭建大型城市交通遙感應(yīng)用數(shù)據(jù)庫架構(gòu),實現(xiàn)高分辨率遙感影像數(shù)據(jù)、專題產(chǎn)品數(shù)據(jù)、地面監(jiān)測數(shù)據(jù)、決策模型、交通調(diào)查數(shù)據(jù),政府管理數(shù)據(jù)等不同來源、不同格式的數(shù)據(jù)進行分級分類存儲和管理,以建立大城市綜合智慧交通服務(wù)遙感應(yīng)用統(tǒng)一環(huán)境。
5? 支持城市級物聯(lián)網(wǎng)應(yīng)用規(guī)模的實時數(shù)據(jù)庫
實時數(shù)據(jù)庫技術(shù)是專門設(shè)計用來處理具有時間序列特性的數(shù)據(jù)庫管理系統(tǒng),針對實時高頻采集數(shù)據(jù)具有很高的存儲速度、查詢檢索效率以及數(shù)據(jù)壓縮比。實時數(shù)據(jù)庫的數(shù)據(jù)處理服務(wù)器采用線程池結(jié)構(gòu),對用戶所提交的數(shù)據(jù)存儲和查詢請求并行處理,包括并行壓縮、并行存儲、并行搜索、并行讀取,消除了軟件結(jié)構(gòu)對系統(tǒng)吞吐量的限制,大大提高了系統(tǒng)整體性能。
6? 結(jié)語
基于一段時間積累的高分辨率遙感影像數(shù)據(jù),生成現(xiàn)實的城市交通狀況數(shù)據(jù),指揮員通過模擬確定的任意時刻車輛位置、入出場人員狀態(tài)與實際情況對比分析,當(dāng)出現(xiàn)不一致時,下達指揮命令,實時調(diào)整,保證各種VIP車輛、一般車輛、入出場人員準時、安全到達指定目的地。
基于高分遙感數(shù)據(jù)的圖像增強、彩色圖像變換及數(shù)據(jù)融合等圖像預(yù)處理過程,利用融合后影像進行車輛的快速識別與自動定位,以及后續(xù)的移動距離、方向和前后車間距的測定進行機動車速度參數(shù)提取,同時,結(jié)合融合處理后圖像上的路段長度計算,進行交通流密度參數(shù)提取。
參考文獻
[1] 金靜,黨建武,王陽萍,等.面向?qū)ο蟮母叻直媛蔬b感影像道路提取算法[J].蘭州交通大學(xué)學(xué)報,2017,36(1):57-61.
[2] 賴俊瑋.基于高分辨率遙感影像的道路網(wǎng)及車輛信息提取技術(shù)研究[D].江西理工大學(xué),2017.
[3] 王春波.基于面向?qū)ο蟮某鞘械缆犯叻直媛蔬b感影像提取方法研究[J].科技論壇,2017(1):131-132.