Vai al contenuto| Home page|

   Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricerca
INIZIO_TESTO_DA_INDICIZZARE

PROGRAMMA DI RICERCA 2005

italiano - english
Unità di Ricerca
Programmi di ricerca simili:
Classificazione scientifico-disciplinare
Classificazione brevettuale
  • ELECTRICITY
    • ELECTRIC COMMUNICATION TECHNIQUE
      • PICTORIAL COMMUNICATION, e.g. TELEVISION (measuring, testing G01; systems for autographic writing, e.g. writing telegraphy, which involve following an outline G08 [N: G08C21/00]; information storage based on relative movement between record carrier and transducer G11B; coding, decoding or code conversion, in general H03M; broadcast distribution or the recording of use made thereof H04H)
      • SELECTING (switches, relays, selectors H01H; electronic switches H03K17/00)
  • PHYSICS
Classificazione geografica
Bibliografia
1. G.D. Jonesa, R.E. Allsop, J.H. Gilby: “Bayesian analysis for fusion of data from disparate imaging systems for surveillance”, Image and Vision Computing 21 843–849, 2003.
2. M.Y. Siyal, M. Fathi and M. Atiquzzaman: “A Parallel Pipeline Based Multiprocessor System for Real-Time Measurement of Road Traffic Parameters”, Real-Time Imaging 6, 241±249, 2000.
3. Klijnhout J.J., "Freeway control: an overview". Concise encyclopedia of traffic & transportation systems , M. Papageorgiou ed., Pergamon Press , 1991.
4. Papageorgiou M., "Traffic control modes". Concise encyclopedia of traffic & transportation systems , M. Papageorgiou ed., Pergamon Press, 1991/b.
5. Strobel H., "Computer controlled urban transportation". Wiley & Sons, 1982.
6. Shiping Chen; Ziping Sun; Bridge, B.: “Traffic monitoring using digital sound field mapping”, IEEE Trans. on Vehicular Technology, Volume 50, Issue 6, 2001, pp. 1582 – 1589.
7. Kamijo, S.; Matsushita, Y.; Ikeuchi, K.; Sakauchi, M.: “Traffic monitoring and accident detection at intersections”, IEEE Transactions on Intelligent Transportation Systems, Volume 1, Issue 2, 2000, pp. 108 – 118.
8. M.Y. Siyal and M. Fathy, “Image Processing Techniques For Real-Time Qualitative Road Traffic Data Analysis”, Real-Time Imaging 5, 271±278, 1999.
9. Chen, S.-C., Shyu, M.-L., and Zhang, C.C.: “An Intelligent Framework for Spatio-Temporal Vehicle Tracking”. In The 4th International IEEE Conference on Intelligent Transportation Systems, Oakland, CA, USA, pp. 213–218, 2001.
10. V. Kastrinaki, M. Zervakis, K. Kalaitzakis “A survey of video processing techniques for traffic applications”, Image and Vision Computing 21, 2003, pp.359–381.
11. M.Y. Siyal, M. Fathy: “A neural-vision based approach to measure traffic queue parameters in real-time” Pattern Recognition Letters 20 ,1999, pp.761±770.
12. Christopher Jaynes, Multi-view calibration from planar motion trajectories Image and Vision Computing 22 ,2004, 535–550
13. Shu-Ching Chen, Mei-Ling Shyu, Chengcui Zhang, Jeff Strickrott: “A Multimedia Data Mining Framework: Mining Information from Traffic Video Sequences”, Journal of Intelligent Information Systems, 19:1, 61–77, 2002
14. S. Gupte, O. Masoud, R. F. K. Martin, N. P. Papanikolopoulos, Detection and Classification of Vehicles. IEEE Transactions on Intelligent Transportation Systems. Vol. 3 - 1, pp. 37 - 47. 2002.
15. J. B. Kim, C. W. Lee, K. M. Lee, T. S. Yun, H. J. Kim, Wavelet-based Vehicle Tracking for Automatic Traffic Surveillance. Proceedings of IEEE Region 10 International Conference on Electrical and Electronic Technology, TENCON. Vol. 1, pp. 313 - 316. 2001.
16. P. Kumar, K. Sengupta, A. Lee, S. Ranganath, A Comparative Study of Different Color Spaces for Foreground and Shadow Detection for Traffic Monitoring System. The IEEE 5th International Conference on International Conference on Intelligent Transportation Systems, pp. 100 - 105. 2002.
17. C. Stauffer, W.E.L. Grimson. “Learning patterns of activity using real-time tracking”. IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 22 – 8, pp. 747 – 757. 2000.
18. K. Toyama, J. Krumm, B. Brumitt, B. Meyers, Wallflower: Principles and Practice of Background Maintenance. The Proceedings of the Seventh IEEE International Conference on Computer Vision. Vol. 1, pp. 255 - 261. 1999.
19. R. Cucchiara, C. Grana, M. Piccardi, A. Prati, Detecting Moving Objects, Ghosts, and Shadows in Video Streams. IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 25 - 10, pp. 1337 - 1342. 2003.
20. Fausti, A.; Lelli, R.; Mesini, G.; Remote powered data transmission system, Eleventh International Telecommunications Energy Conference, 15-18 Oct. 1989, Page(s):16.3/1 - 16.3/5.
21. Van Woert, M.L.; The AEOLIS program: prospects for future low-cost, space-borne vector wind sensors, International Geoscience and Remote Sensing Symposium, 27-31 May 1996, Volume 2, Page(s):1117 – 1119.
22. Sekelsky, S.M.; Multi-frequency radar observations of liquid clouds, IEEE International Geoscience and Remote Sensing Symposium, 24-28 July 2000 , Volume 5, Page(s):1807 – 1809.
23. Vivekanandan, J.; Zhang, G.; Politovich, M.K.; Estimation of cloud droplet size and liquid water content using dual-wavelength radar measurements, IEEE International Geoscience and Remote Sensing Symposium, 24-28 July 2000, Volume 5, Page(s):1813 – 1816.
24. Reinking, R.F.; Orr, B.W.; Bissonnette, L.R.; Roy, G.; Frisch, A.S.; Matrosov, S.Y.; Ryerson, C.C.; Remote sensing of cloud droplets during MWISP, IEEE International Geoscience and Remote Sensing Symposium, 24-28 July 2000, Volume 1, Page(s):187 – 189.
25. Jose, K.A.; Sunil, G.; Varadan, V.K.; Varadan, V.V.; Wireless IDT ice sensor, IEEE MTT-S International Microwave Symposium Digest, 2-7 June 2002 , Volume 2, Page(s):655 – 658.
26. Storvold, R.; Malnes, E.; Snow covered area retrieval using Envisat ASAR wideswath in mountainous areas, IEEE International Geoscience and Remote Sensing Symposium, 20-24 Sept. 2004, Vol.3, Pages: 1845- 1848.
27. Henderson, T.C.; Grant, E.; Luthy, K.; Cintron, J.; Snow monitoring with sensor networks, 29th Annual IEEE International Conference on Local Computer Networks, 16-18 Nov. 2004, Pages: 558- 559.
28. Hallikainen, M.T.; Halme, P.; Takala, M.; Pulliainen, J.; Combined active and passive microwave remote sensing of snow in Finland, IEEE International Geoscience and Remote Sensing Symposium, 21-25 July 2003, Vol.2, Pages: 830- 832.
29. Ferrigno, L.; Pietrosanto, A.; Paciello, V.; A bluetooth-based proposal of instrument wireless interface” IEEE Transaction on Instrumentation and Measurement Volume 54,Issue 1,Feb. 2005 Page(s):163 - 170
30. Ferrigno, L.; Pietrosanto, A.; “A Low Cost Visual Sensor Node for BlueTooth Based Measurement Networks” Proceedings of the 20th IEEE Instrumentation and Measurement Technology Conference, 18-20 May 2004, Como (I),Vol:2, Page(s):895 - 900
31. Dunbar, M.; Plug-and-play sensors in wireless networks, IEEE Instrumentation & Measurement Magazine March 2001, Vol: 4, N:1, page(s):19 23.
32. Akyildiz, I.; Su, W.; Sankarasubramanian, Y.; Cayirci, E.; A Survey on Sensor Network, IEEE Communications Magazines, August, 2002, page(s). 102-114.
33. Raghunathan, V.; Schurgers, C.; Sung Park, P.; Srivastava, M.B.; Energy-Aware Wireless Microsensor Networks”, IEEE Signal Processing Magazine, 2002, Vol:19, N:2, page(s):40 - 50
34. Berman, P; Calinescu, C.; Shah, C.; Zelikovsky, A. Power Efficient Monitoring Management in Sensor Networks, IEEE Communications Society WCNC 2004, page(s):2329-2334.
35. Gharavi, H.; Alamouti, S. M.; Multi priority Video Transmission for Third Generation Wireless Communication Systems, Proceedings of the IEEE, Vol:87, N:10, Oct. 1999, page(s):1751-1763.
36. Gharavi, H. Ban, K.; Video-based multihop ad-hoc sensor network design, World Wireless Congress, May 2002, page(s):469–474.
37. P.Arpaia, A.Baccigalupi, F.Cennamo, P.Daponte, "A measurement laboratory on geographic network for remote test experiments”, IEEE Trans. on Instr. and Meas., vol.49, No.5, Ott.‘00, pp.992-997.
38. H.Bengtsson, E.Uhlemann, P.Wiberg, "Protocol for wireless real-time systems", Proc. of the 11th Euromicro Conference on Real-Time Systems, Giugno ‘99 pp.168-174.
39. L.Angrisani, A.Baccigalupi, M.D’Apuzzo, "Accurate self-synchronising technique for measuring transmitter phase and frequency errors in TDMA digitally encoded cellular systems", IEEE Trans. on Instr. and Meas., vol.51, No.3, Giugno ‘02, pp.460-468.
40. L.Angrisani, M.D’Apuzzo, M.D’Arco, "A new method for power measurements in digital wireless communication systems", IEEE Trans. on Instr. and Meas., vol.52, No.4, Giugno ‘03, pp.1097-1106.
41. "Electromagnetic compatibility and Radio spectrum Matters (ERM), ETSI European Standard EN 300 113-1 V1.5.1, Sett.‘03.
42. A.N.Akansu, M.V.Tazebay, M.J.Medley, P.K.Das, “Wavelet and subband transforms: fundamentals and communication applications”, IEEE Communication Magazine, Dec. 1997, pp.104-115.
Parole Chiave
MISURE ELETTRICHE ED ELETTRONICHE; SISTEMI DI MISURA; MISURE BASATE SU IMMAGINI; SENSORI; RETI DI SENSORI WIRELESS; MISURAZIONE DI POTENZA A RADIOFREQUENZA; MISURAZIONI SUI TRASMETTITORI; MISURAZIONI SUI RICEVITORI; CARATTERIZZAZIONE DEL CANALE DI COMUNICAZIONE

METODI, DISPOSITIVI E SISTEMI DI MISURA INNOVATIVI PER IL MONITORAGGIO DI RETI STRADALI URBANE ED EXTRA URBANE

Università degli Studi di Salerno
Abstract
Il programma di ricerca proposto si pone come obiettivo principale l'individuazione e lo sviluppo in forma prototipale di soluzioni innovative nel campo del monitoraggio di reti stradali a fini sia di controllo del traffico, sia di verifica continua delle condizioni di sicurezza.
Il monitoraggio di tratti stradali è solitamente condotto o per produrre dati utili ad una pianificazione dello sviluppo della rete stradale, oppure per consentire il controllo in tempo reale del traffico. La misura di parametri caratteristici del traffico veicolare quali ad esempio densità, flusso, percentuale di occupazione, velocità media può servire, a seconda dei modelli di cui si dispone, sia a progettare gli sviluppi futuri della rete, sia a gestire la rete stradale in funzione delle previsioni effettuate a partire dalle condizioni di traffico rilevate. Le tecniche di monitoraggio tradizionali (spire annegate, sensori pneumatici, radar) sono abbastanza consolidate ed affidabili anche se consentono di misurare un numero non molto elevato di parametri fondamentali. Negli ultimi dieci anni l'elaborazione di immagini da traffico si è andata sempre più affermando e diffondendo in virtù sia del minore impatto verso le strutture e verso l'utenza, sia delle potenzialità ulteriori che la disponibilità di immagini offre. Basti pensare che alle tradizionali funzioni di risconoscimento e misura si possono aggiungere il controllo degli accessi, la sorveglianza, la gestione adattativa delle >>>

Coordinatore Scientifico del Programma di Ricerca
Antonio PIETROSANTO Università degli Studi di SALERNO
Obiettivo del Programma di Ricerca
Il monitoraggio di tratti stradali è solitamente condotto o per produrre dati utili ad una pianificazione dello sviluppo della rete stradale, oppure per consentire il controllo in tempo reale del traffico. La misura di parametri caratteristici del traffico veicolare quali ad esempio densità, flusso, percentuale di occupazione, velocità media può servire, a seconda dei modelli di cui si dispone, sia a progettare gli sviluppi futuri della rete, sia a gestire la rete stradale in funzione delle previsioni effettuate a partire dalle condizioni di traffico rilevate. Le tecniche di monitoraggio tradizionali (spire annegate, sensori pneumatici, radar) sono abbastanza consolidate ed affidabili anche se consentono di misurare un numero non molto elevato di parametri fondamentali. Negli ultimi dieci anni l'elaborazione di immagini da traffico si è andata sempre più affermando e diffondendo in virtù sia del minore impatto verso le strutture e verso l'utenza, sia delle potenzialità ulteriori che la disponibilità di immagini offre. Basti pensare che alle tradizionali funzioni di risconoscimento e misura si possono aggiungere il controllo degli accessi, la sorveglianza, la gestione adattativa delle segnalazioni, stima di condizioni di scarsa sicurezza. La tecnica è però ancora giovane e suscettibile di notevoli miglioramenti. I dispositivi oggi sul mercato, provenienti per lo più da aziende nord europee o statunitensi, mostrano ancora limiti di applicazione, minore precisione ed >>>

Durata
24 mesi
Base di partenza scientifica nazionale o internazionale
L'aumento dei fenomeni di congestione nei vari centri urbani e sulle arterie extra-urbane, unitamente alla limitata possibilità d'intervento sulle infrastrutture viarie per aumentarne la capacità, hanno evidenziato quanto sia importante lo studio della gestione dei sistemi di trasporto per il miglioramento delle condizioni di circolazione dei veicoli attraverso un utilizzo ottimale delle risorse infrastrutturali esistenti.
Il controllo del traffico veicolare rappresenta un metodo di gestione delle risorse infrastrutturali che mira a conseguire, infatti, obiettivi quali: la riduzione del tempo di viaggio dell'utente, la riduzione dell'emissione di inquinanti atmosferici derivanti dalla circolazione dei veicoli, la riduzione del numero di incidenti stradali, ecc… (Strobel, 1982; Papageorgiou, 1991). Il processo di controllo si sviluppa attraverso le seguenti fasi cicliche (Strobel, 1982):
• fase a: acquisizione di informazioni sul sistema (tecniche di monitoraggio);
• fase b: elaborazione delle informazioni e definizione delle strategie ottimali di controllo (strategie di controllo);
• fase c: applicazione delle strategie tramite comunicazione di informazioni agli utenti (comunicazione delle informazioni) e variazione dello stato del sistema come conseguenza dell'applicazione delle strategie; quindi ritorno alla fase a.
Esso può agire su tre elementi differenti del sistema : il percorso, il flusso, il singolo veicolo (Papageorgiou, 1991) >>>