燕剑 段红秀
摘 要：我国城市机动化水平飞速发展，城市交通压力与日俱增，交通拥堵、事故频发已成为许多城市的通病。高分辨率遥感影像技术越来越成熟，利用高空间分辨率遥感影像中道路的物理和几何特征的信息提取，不仅能获得全局性、实时交通信息，也可以实时航空遥感结合地面监视手段，实现交通管理系统高效运行。
关键词：遥感技术 影像 交通管理
中图分类号：TP751 文献标识码：A 文章编号：1674-098X（2020）01（b）-0127-02
我国城市机动化水平飞速发展，城市交通压力与日俱增，交通拥堵、事故频发已成为我国许多城市的通病。利用高分辨率遥感影像不但能够在空间上直观明了地显示各种来源的交通信息，并能为深层次挖掘交通数据中的有用规则提供技术支持。运用其对空间数据的获取、管理、可视化、信息查询、空间分析能力，通过与交通专业的结合，可以科学地为各种交通组织管理方案的制定实施起技术支持作用。
1 基于高分辨率遥感影像的道路信息提取
基于高分辨率遥感数据进行道路信息提取可以进行四个层次的划分，数据层、分析层、决策层以及结果层（见图1）。
根据特征知识库的分析可以为道路提取进行决策分析，特征知识库里的知识主要包括影像类型等基本属性，光谱特征、形状特征、纹理特征和语义特征等影像特征，以及用于表达知识的逻辑规则等内容。一方面这些特征知识可以通过人机交互输入行业专家已有的知识;另一方面针对信息提取中知识规则不完备的情况下，可以从己知影像数据中获取特征并挖掘其中的规则，除了直接从影像上获取的特征外，还有大量隐含的规则，因此需要结合对样本数据的信息挖掘实现。由于各种影像特征的复杂性和多样性，不同地物实体及其影像表现的复杂对应关系，影像特征的描述与组织，用于特征知识表达的模糊逻辑规则的抽象与设计，影像特征知识的表达与存储、特征知识的索引与动态组织以及知识库模糊逻辑推理机制等，构成了构建影像特征知识库的关键问题。
2 基于高分辨率遥感影像的交通信息提取
进行基于高分辨率遥感数据的交通流参数提取技术研究，分析高分遥感影像数据及其在交通应用的特点，结合交通流特性，从图像中检测出道路车辆，并对检测到的车辆进行计数以及分类，获取车流量、车型、车速等交通信息，为交通路网规划分析与优化、交通设施衔接、交通路网运维管理提供决策支持（见图2）。根据技术路线所涉及的内容，可按三部分进行：
（1）目标知识库构建。目标知识库是高分遥感影像目标识别和图像分析的主要依据。（2）图像分割与分类算法研究。对高分遥感影像进行图像分割及分类处理，以实现车辆目标及交通流信息的精准提取。图像分割算法包括多尺度影像快速分割、区域增长技术、面向对象的图像匹配技术等;图像分类算法包括基于像元和面向对象分类、监督分类和非监督分类、硬分类和软分类等方法。（3）构建交通流参数模型。基于高分遥感数据的图像增强、彩色图像变换及数据融合等图像预处理过程，利用融合后影像进行车辆的快速识别与自动定位，以及后续的移动距离、方向和前后车间距的测定进行机动车速度参数提取，同时，结合融合处理后图像上的路段长度计算，进行交通流密度参数提取。
3 基于高分遥感数据的城市交通要素信息提取技术
基于高分数据的城市交通要素精细提取技术是实现交通要素精细化快速提取，提升城市交通管理的科学性、快速性和高效性的关键。首先面向城市交通状态监测与辅助决策管理的重大需求，分析高分遥感影像数据特点和城市交通要素目标特性，在此基础上，构建交通要素解译知识库;然后结合多级识别策略和交通地理信息等多源信息，建立完备的算法组件，突破交通要素精细化提取和多期遥感影像交通要素变化检测的技术瓶颈，从而形成城市交通要素和变化信息的快速提取和持续观测能力。
对于信息提取技术来讲，因信息提取数据量大，要实现高效、精确提取，在信息提取系统中需要具有如下特点：（1）具有很高的自动化和智能化程度;（2）系统数据组织是针对实体对象的，其知识规则来自于对遥感图像信息含义的全面理解;（3）对于不同目标的识别，其识别规则具有分层性;（4）系统应具备自学习能力，以及时实现信息的更新。对此，建立基于高分辨率遥感的城市交通要素信息提取技术路线如图3所示。
4 海量時空数据高效组织和管理技术
交通应用领域业务应用中面临各种类项的数据，这其中还包括了其它应用系统的共享数据和现有运行系统的数据积累。这些海量时空数据存在着不同的存储方式，不同的数据类型，不同的数据来源等特点。
搭建大型城市交通遥感应用数据库架构，实现高分辨率遥感影像数据、专题产品数据、地面监测数据、决策模型、交通调查数据，政府管理数据等不同来源、不同格式的数据进行分级分类存储和管理，以建立大城市综合智慧交通服务遥感应用统一环境。
5 支持城市级物联网应用规模的实时数据库
实时数据库技术是专门设计用来处理具有时间序列特性的数据库管理系统，针对实时高频采集数据具有很高的存储速度、查询检索效率以及数据压缩比。实时数据库的数据处理服务器采用线程池结构，对用户所提交的数据存储和查询请求并行处理，包括并行压缩、并行存储、并行搜索、并行读取，消除了软件结构对系统吞吐量的限制，大大提高了系统整体性能。
6 结语
基于一段时间积累的高分辨率遥感影像数据，生成现实的城市交通状况数据，指挥员通过模拟确定的任意时刻车辆位置、入出场人员状态与实际情况对比分析，当出现不一致时，下达指挥命令，实时调整，保证各种VIP车辆、一般车辆、入出场人员准时、安全到达指定目的地。
基于高分遥感数据的图像增强、彩色图像变换及数据融合等图像预处理过程，利用融合后影像进行车辆的快速识别与自动定位，以及后续的移动距离、方向和前后车间距的测定进行机动车速度参数提取，同时，结合融合处理后图像上的路段长度计算，进行交通流密度参数提取。
参考文献
[1] 金静，党建武，王阳萍，等.面向对象的高分辨率遥感影像道路提取算法[J].兰州交通大学学报，2017，36（1）：57-61.
[2] 赖俊玮.基于高分辨率遥感影像的道路网及车辆信息提取技术研究[D].江西理工大学，2017.
[3] 王春波.基于面向对象的城市道路高分辨率遥感影像提取方法研究[J].科技论坛，2017（1）：131-132.
