随着科学技术的高速发展，越来越多的高新科技应用在交通领域，为智能交通的发展注入了新的生机和活力，交通信息采集、处理、传输、控制、管理和服务等相关技术的掌握成为研究智能交通的必备条件。
　　智能交通系统是信息技术在交通领域的应用，涉及通信技术、计算机技术、智能控制技术、管理技术等先进技术的综合运用，将信息技术与交通工程有机结合，需要多学科交叉的知识结构对交通问题进行处理。
　　从世界上首台计算机诞生到互联网日益普及的今天，计算机的发展速度突飞猛进，从而把人类文明带入信息时代。随着计算机网络的出现，使人们在获取和传递信息时又多了一种选择，而且是一种能够提供空前“自由化”的选择。它使信息的传播速度、质量与范围在时间和空间上有了质的飞跃。
　　随着计算机在社会各个领域中的广泛应用和快速发展，网络的普及速度超出了人们的想象，通过网络传输、存储和处理的信息呈几何级数增长，网络已经成为信息社会不可或缺的基础设施。但是网络安全以及网络应用安全一直以来都是人们密切关注的焦点，网络尤其是Internet网络的开放性加上系统的缺陷与漏洞、恶意攻击、计算机病毒、工作人员的误操作以及安全意识淡薄等安全威胁的存在，使得基于网络的各种应用，如电子商务、电子政务等安全受到了严重威胁。因此，加强网络安全管理、提高网络安全性和可用性已经成为关系国家安全、经济发展以及社会稳定的一个重大课题，具有重要的战略意义。

　　《交通信息与网络安全研究》：
　　（二）视频采集检测算法
　　在视频采集检测技术中，图像处理技术是关键。要使图像处理技术达到实用的目的，如何实施准确的图像分析，并得到分析结果是关键。在视频采集检测过程中，图像处理的数据量是非常庞大的，而同时要进行的还有其他统计、计算和控制操作。因此，在视频采集检测系统中，如何设计交通流检测算法和以何种算法提高系统的实时性和检测精度是需要解决的主要问题。
　　视频采集检测算法是整个视频车辆检测系统的核心，其好坏将直接影响系统的检测精准度和检测效率。其可分为如下四类：知识型、运动型、立体视觉型和像素强度型。
　　1.基于知识的方法
　　利用车辆的形状、颜色、对称性等信息，以及道路和阴影等常识信息进行相关检测。该方法简单、直观，更易于编程实现，但需要估计多个经验阈值，如车辆长宽的经验比值、车辆边缘的最小长度、车辆阴影与道路的灰度差异阈值等。经验阈值准确与否，直接关系系统性能的好坏。
　　2.基于运动的方法
　　利用序列图像之间存在的大量相关信息进行车辆的预检测，主要有光流法和运动能量法两种。光流法能检测出独立运动的对象，无须预先知道场景的任何信息，且适用于摄像机移动的情况。其缺点是费时，对过于复杂、过快或过慢的运动检测效果不好，不适合实时系统。运动能量法能消除背景中的振动像素，使按某一方向运动的对象突出显示，但只能估计出运动对象的大概位置，而不能精确提取出对象。
　　3.建立在视差或频差理论基础上的机器立体视觉
　　运用两台或多台摄像机对同一景物从不同位置成像获得立体图像时，通过各种算法匹配出相应像点，从而恢复深度（距离）信息。该方法能在车速很小时直接检测其位置，但它要求正确标定摄像机，而受车辆运动或天气等因素影响，这是很难做到的。在基于立体视觉的车辆检测中，常用IPM（Inverse Perspective Mapping，逆透视变换）法估计图像中车辆及障碍物的位置。
　　4.基于像素强度的方法直接检测帧间变化
　　主要有时间差分法和背景差分法。时间差分法是在一较短的时间内检查相邻各帧之间像素强度的变化，非零像素被认为是运动对象所造成的。该方法适合于动态变化的环境，但不适合摄像机运动的情况，也不能完整提取运动对象。背景差分法，现有的背景模型基本是建立在统计模型基础或其变种之上的。该方法快捷简单，实时性较好，适合运动快且形变较大的运动目标，但不适合有全局运动的场景，如不平坦或弯路较多的道路等。
　　虽然视频车辆检测算法发展至今已有几十年，但解决下列问题仍是一项长期的任务：
　　第一，车辆在尺度、位置、方向上的变化。例如进入视野的车辆具有不同的速度，在形状、大小、颜色等方面都会产生变化。
　　第二，车辆的外观受车辆的观察角度和邻近物体的影响。同时，车辆之间的遮挡、光照条件的改变也会对车辆的外观造成一定影响。
　　第三，道路两边的场景在持续变化，环境光照随时间和天气改变。
　　第四，巨大的图像处理任务与系统的实时性要求。
　　因此，视频车辆检测算法在识别速度和准确度上与人们的预想还有很大差距，今后的发展方向应该体现在提高算法的速度、准确度、自适应性等方面。
　　（三）视频采集检测器原理
　　通常视频采集检测技术分为两大类：基于虚拟传感器（虚拟点、虚拟线、虚拟线圈）的非模型交通信息检测技术，适合采集道路交通的基本信息；基于目标提取和模型跟踪的交通信息检测技术，除能完成道路交通基本信息的检测外，主要用于提取运动目标属性及分析目标行为，可作为深层次信息的检测手段。
　　1.基于非模型的交通信息检测
　　1982年，以虚拟点为处理单元的交通参数提取方法被提出，这是早期的非模型交通信息检测思想，为交通参数的视频检测奠定了基础。非模型交通信息检测技术仅能检测指定区域内移动的像素群，不需要理解像素群的具体含义。该技术无法识别检测目标的属性，没有目标物体看起来“像什么”的概念。此类技术通常是在车道上设置一些虚拟传感器（虚拟点、虚拟线或虚拟线圈），当有车辆经过这些传感器时，引起图像中局部区域内容的变化，处理这部分变化的信号，可以提取所需信息。
　　为提高检测的可靠性和稳定性，人们又提出用虚拟线等替代虚拟点来测量交通参数，该方法通过检测虚拟线上的像素强度变化来检测过往车辆；同时通过在道路垂直方向设置多条平行的检测线，还可以检测车辆的通过速度。在此基础上，利用虚拟检测线组，可实现多车道车流量和车速等参数的提取。之后学者们又提出了基于虚拟线圈的检测技术，该技术可以根据实际情况自动调整虚拟线圈大小，进一步提高了可靠性。另一方面，为了利用图像中更多的信息提高检测可靠性，充分利用车道间的水平检测线像素在HIS彩色空间的颜色信息，研究了基于彩色虚拟检测线的交通参数提取方法。
　　2.基于模型的交通信息检测技术
　　同非模型交通信息检测技术相比，基于模型的交通信息检测技术具有如下优势：不仅具有非模型检测系统的大部分功能，还可以提取诸如车辆形状、属性等信息，提高检测精度；同时还可以实现车辆的运动轨迹跟踪，分析车辆以及驾驶员的行为。
　　该技术是通过视频分割提取运动目标，跟踪该目标，以提取交通参数。因为基于模型的交通信息检测技术是以大范围区域作为处理对象，克服了非模型技术中的小范围处理易受噪声干扰的不足；不受车道的影响，参数提取时不需考虑车道分布；处理范围更大，获取的交通信息量更多、更全面。但是，由于计算机视觉技术的研究还不够成熟，有大量需要解决的问题。目前的研究主要集中于以下几个方面：①高效的背景更新技术；②多运动目标的检测技术；③高效的目标跟踪技术；④稳定的目标特征检测及匹配技术；⑤运动行为分析技术等方面。
　　总体看来，该技术多是在基于背景差分的视频分割的基础上，提取运动目标，并在设定区域内对其进行跟踪，提取并分析相关信息。
　　……

第一章 交通信息概述
第一节 信息与交通信息
第二节 交通信息技术

第二章 交通信息的采集
第一节 道路交通信息采集系统结构
第二节 基于传感器的交通信息采集
第三节 视频交通动态信息检测系统
第四节 射频识别技术
第五节 基于空间定位技术的交通信息采集
第六节 各种交通采集技术的比较

第三章 交通信息的传输通信
第一节 交通信息的通信系统需求分析
第二节 数据通信系统的构成
第三节 模拟信息传输
第四节 数字信息传输
第五节 无线信息传输

第四章 交通信息的传输网络
第一节 传输网络中的信息交换技术
第二节 数据传输网络
第三节 光数字传输网络与无线移动通信网络
第四节 无线传感器网络
第五节 物联网与智能交通
第六节 NTCIP协议

第五章 交通信息网络安全管理
第一节 交通行业计算机信息安全管理措施
第二节 交通信息化中的网络安全问题与对策
第三节 新时期公安交通管理部门信息网络安全综合防控体系建设研究

第六章 交通信息与网络安全
第一节 网络信息安全策略在交通运输中的应用
第二节 交通运输网络安全技术创新
第三节 基于5G的智慧交通信息安全体系

参考文献