1、近十年來，我國城市化進(jìn)程加快，以交通路網(wǎng)建設(shè)為主要形式的超大城市和城市群取得了長足發(fā)展。然而交通擁堵已成城市“頑疾”，并呈愈演愈烈之勢。加強城市群路網(wǎng)交通狀態(tài)監(jiān)測，判研以交通頻繁擁堵隊列為表征的交通瓶頸，為交通管理部門規(guī)劃、疏導(dǎo)和優(yōu)化路網(wǎng)提供可靠數(shù)據(jù)，成為解決上述問題的基礎(chǔ)性工作。
　　城市群交通路網(wǎng)具有點多、線長、面廣的特點，僅僅依靠傳統(tǒng)的交通監(jiān)測手段，短期內(nèi)難以實現(xiàn)統(tǒng)一管理；同時，長期的行政條塊化管理，毗鄰城市間、城鄉(xiāng)結(jié)合部路

2、網(wǎng)往往成為監(jiān)管盲區(qū)。隨著我國高分遙感技術(shù)的發(fā)展，從高分辨率遙感影像中提取交通信息，應(yīng)用于大區(qū)域的城市群交通路網(wǎng)管理之中，成為當(dāng)前的研究熱點。對此，本課題在2012年交通運輸部重點項目支持下，開展了城市群路網(wǎng)瓶頸路段識別技術(shù)研究，主要研究內(nèi)容如下：
　　（1）研究了當(dāng)前國內(nèi)外遙感技術(shù)交通行業(yè)應(yīng)用現(xiàn)狀，明確了本課題研究的目的、意義，擬定了研究內(nèi)容和技術(shù)路線。
　?。?）研究了城市群以交通頻繁擁堵隊列為表征的交通瓶頸判別常用的指標(biāo)

3、，從宏觀、大區(qū)域交通管理需求出發(fā)，依據(jù)高分影像中交通信息特點，建立了車輛排隊長度比為指標(biāo)的交通瓶頸路段判別技術(shù)。
　　（3）為實現(xiàn)高分遙感影像車輛目標(biāo)信息提取基礎(chǔ)上的車輛隊列識別，分別研究了航空和航天兩種高分影像車輛提取技術(shù)。基于航天影像車輛亮度特征明暗差異，提出了全自動雙閾值提取算法；利用航空影像車輛信息豐富特征，分別構(gòu)建了正、負(fù)樣本各400個，提取樣本SURF(Speed-up robust feature)特征后，經(jīng)SVM(

4、Support vector machine)分類器訓(xùn)練后，建立高維映射模型，并以此對路網(wǎng)掩膜后的感興趣區(qū)域完成車輛目標(biāo)遍歷搜索提取，形成了基于SURF與SVM結(jié)合的航空高分影像車輛提取方法。與目視解譯對比，兩種車輛目標(biāo)提取方法的誤檢率分別為10.2％、16%，漏檢率分別為5.1%、15%。
　?。?）車輛信息提取后，將道路進(jìn)行打斷分割，建立了車輛隊列搜索塊，以車輛隊列搜索塊中的車輛占有率0.3為閾值，遍歷搜索出大區(qū)域影像中車輛隊