CN116486603A - 一种基于智能交通***的实时性强的路况信息提供方法 - Google Patents

一种基于智能交通***的实时性强的路况信息提供方法 Download PDF

Info

Publication number
CN116486603A
CN116486603A CN202310119221.XA CN202310119221A CN116486603A CN 116486603 A CN116486603 A CN 116486603A CN 202310119221 A CN202310119221 A CN 202310119221A CN 116486603 A CN116486603 A CN 116486603A
Authority
CN
China
Prior art keywords
road condition
condition information
data
information
local
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310119221.XA
Other languages
English (en)
Inventor
钟翔
李光鑫
伍涵荣
周寒彻
刘正
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University
Original Assignee
Hunan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan University filed Critical Hunan University
Priority to CN202310119221.XA priority Critical patent/CN116486603A/zh
Publication of CN116486603A publication Critical patent/CN116486603A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Chemical & Material Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明属于智能交通领域，公开了一基于智能交通***的实时性强的路况信息提供方法，该方法包括：采集模块对泛路况信息进行实时采集，并将通过数据传输模块发送到数据转换模块；数据传输模块将采集的局部路况信息发送到数据转换模块；数据处理模块对来自数据转换模块的局部路况信息画面进行滤波处理，并发送至汇总平台；汇总平台对路况信息进行检索，根据局部路况信息，生成全局路况信息，并通过移动通信公网向目标车辆发送全局路况信息，由目标车辆根据全局路况信息信息选取目标路况信息。本发明可以更加全面地了解当前道路整体的状况，检索速度快，更新效率高，具有较好的实时性。

Description

一种基于智能交通***的实时性强的路况信息提供方法
技术领域
本发明属于智能交通领域，尤其涉及区域内多维交通信息的实时采集处理方法。
背景技术
随着经济增长和城市规模的扩大，私家车拥有量逐年加大，然而，各城市的城市交通基础设施及公共交通工具的发展却明显缓慢，已不能满***通流量较大时的交通需求，交通拥堵现象常有发生。交通拥堵造成能源浪费，污染环境空气，遇到急救等紧急状态难以应变，极大降低了工作效率和生活品质。
因而使得各家厂商无不致力于研发用于提升行车安全的相关信息***。然而，这些***多半只能针对车辆周围的环境进行检测并提供相关的信息，无法针对较远处的路况进行检测。因此，当某个地点发生事故时，附近的驾驶们可能无法及时进行改道等应变措施。在此情况下，轻则导致交通拥塞，重则可能进一步衍生其他的事故。另外，现有基于智能交通***的实时性强的路况信息提供方法检索效率低。
通过上述分析，现有技术存在的问题及缺陷为：
(1)监测区域有限，只能针对车辆周围的环境进行检测并提供相关的信息，无法针对较远处的路况进行检测。当某个地点发生事故时，附近的车辆的驾驶员可能无法及时采取应变措施。
(2)基于智能交通***的实时性路况信息提供方法检索效率低。
发明内容
针对现有技术存在的问题，本发明提供了一种基于智能交通***的实时性强的路况信息提供方法，该方法具体包括：
S1：采集模块对泛路况信息进行实时采集，并将通过数据传输模块发送到数据转换模块；
S2：数据传输模块将采集的局部路况信息发送到数据转换模块；
S3：数据转换模块将采集的局部路况信息画面利用数据转换模块转换成4-20mA的电流信号，将转换完成的信号输入数据处理模块；
S4：数据处理模块对来自数据转换模块的局部路况信息画面进行滤波处理，并发送至汇总平台；
S5：汇总平台对路况信息进行检索，根据局部路况信息，生成全局路况信息，并通过移动通信公网向目标车辆发送全局路况信息，由目标车辆根据全局路况信息信息选取目标路况信息；
所述对路况信息进行检索方法：
a：在汇总平台中输入目标路况检索信息；
b：若在汇总平台中输入目标路况检索信息中各关键词之间以空格隔开则为多关键词路况信息检索，执行步骤d；否则为地名信息检索，执行步骤c；
c：采用智能垂直地名信息模糊检索方法进行地名信息的检索，若目标路况检索信息中包含路名，则用该路名信息针对不同查询内容返回不同路况信息；否则将目标路况检索信息拆分为多个关键词后执行步骤d；
d：采用智能垂直信息关键词组合检索方法，通过目标路况检索信息的每个关键词具有最大匹配率的路况信息特征，得到查询结果并进行路况信息的展示；
所述采用智能垂直地名信息模糊检索方法进行地名信息的检索的方法包括以下步骤：
获取目标路况检索信息；
使用分词***对目标路况检索信息进行分词和词性标注，并且提取名词及名词短语作为候选词；
将提取的候选词与标准路名词库进行模糊匹配，选取各候选词最优的匹配率；
利用设定的语法规则库中的语法规则，对分词结果进行拆分或者合并，生成新的候选词，并将新的候选词与标准路名词库进行模糊匹配，选取各候选词最优的匹配率；
对得到的各匹配率进行排序，对不同拆分状态下的所有候选词进行加权平均处理，得到各拆分状态的匹配率，并选取匹配率最高的拆分状态对应的匹配结果；
若所选取的最高的匹配率大于设定阈值，则判断为目标路况检索信息中包含路名，该匹配率下的拆分状态对应的匹配结果作为准确的路名匹配结果；否则判断为目标路况检索信息中不包含路名；
所述采用智能垂直信息关键词组合检索的方法包括如下的步骤：
获取以空格隔开的关键词作为候选词；
确定输入的每个关键词具有最大匹配率的路况信息特征；所述路况信息特征分为信息来源、信息类型、创建时间、分区方向；
通过加权平均方法得到该条查询的查询结果；
将超过设定阈值的查询结果展示给查询用户。
进一步，所述局部路况信息具体为：局部采集模块对应道路的道路流量、障碍物移动轨迹、交通管理设施数据、道路平均车速、交通信号数据等。
进一步，所述数据转换模块的转换方法包括：
将局部采集模块获取的数据信号转化为需要发送的串行数据包；
将获取的所述串行数据包进行串/并转换，并发送对应的节点；
各个节点对接收到的相关数据进行PSK映射和跳频处理；
通过自适应滤波器输出经过PSK映射和跳频处理后得到的相关数据的目标信号，并对所述目标信号进行信号增强处理；其中，所述信号增强处理包括：
利用Hurst指数的时间函数建立离散时间序列的非规则指标；
将所述自适应滤波器的参数利用代价函数迭代计算，计算公式如下：
其中，Jw为代价函数，Cw为收敛指标，λ为拉格朗日乘子，Hw为不规则性指标，n为时间序数，w(n)为所述自适应滤波器的参数矩阵，μ为迭代步长，e(n)为误差信号，h(n)为所述延时模块的输出信号矩阵，g(n)为所述自适应滤波器输出信号，i1、i2为间隔序数；
自适应滤波器在调整后的参数下，输出去噪后的目标信号；
将经过信号增强处理后得到的信号数据进行叠加，得到电流信号，并将所述电流信号经过耦合后，输入至数据处理模块。
进一步，所述数据处理模块对来自数据转换模块的局部路况信息画面进行滤波处理的方法具体包括：
(1)数据处理模块获取外部的采样数据并存储到第一缓存单元；
(2)第一处理单元对所述第一缓存单元中的数据进行去除杂波中的一级高次谐波的处理，得到欲取基波信号的大小，并将得到的除杂波后的数据存储到第二缓存单元；
(3)变化趋势判断单元从第二缓存单元中获取去除杂波后的数据，并对该获取的去除杂波后的数据进行数据变化趋势的判断，依据判断结果取得当前信号的变化趋势；
(4)第二处理单元从变化趋势判断单元获取当前信号的变化趋势标志，并从第二缓存单元中获取去除杂波后的数据；按照从变化趋势判断单元获取的当前信号的变化趋势标志，对从第二缓存单元中获得的去除杂波后的数据进行分类和加权处理，取得分类和加权处理后的计算结果数据并输出；
其中，所述变化趋势判断单元将当前信号的变化趋势标志以及开始变化的索引点K传给所述第二处理单元，如果是变大或变小，则对M个数据中从确认开始变化到结束变化的M-K个点和其余的K个点分别进行计算，其中K小于M；
其中，参与运算的M-K个点的权重高于其余参与运算的K个点，权重的具体值依赖于具体的应用场合；如果数据保持不变，则缓存区内的M个数据采用统一的权值参与运算。
进一步，所述汇总平台根据局部路况信息，生成全局路况信息具体为：汇总平台根据所述局部路况信息对应的时间和/或地点，对各局部路况信息进行融合，得到全局路况信息。
本发明另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
本发明另一目的在于提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的方法的步骤。
本发明另一目的在于提供一种应用所述的基于智能交通***的实时性强的路况信息提供方法的基于智能交通***的实时性强的路况信息提供***，该***具体包括：
局部采集模块，用于对局部路况信息进行实时采集；
数据传输模块，与局部采集模块和数据转换模块连接，用于将采集的局部路况信息发送到数据转换模块；
数据转换模块，与数据传输模块、数据处理模块连接，用于将采集的局部路况信息画面利用数据转换模块转换成4-20mA的电流信号，将转换完成的信号输入数据处理模块；
数据处理模块，与数据转换模块、汇总模块连接、对来自数据转换模块的局部路况信息画面进行滤波处理，并发送至汇总平台；
汇总平台，与数据处理模块连接，对路况信息进行检索，根据局部路况信息，生成全局路况信息，并通过移动通信公网向目标车辆发送全局路况信息，由目标车辆根据全局路况信息信息选取目标路况信息。
进一步，所述局部采集模块与若干个太阳能供电模块一一对应；其中，每一太阳能供电模块与对应的局部采集模块电连接，用于给对应的局部采集模块进行太阳能供电。
结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：
本发明通过布设多个局部采集模块，使得局部采集模块进行局部路况信息的采集及上报，便于对路况信息进行实时监测，并且利用数据转换模块对数据进行转换和数据处理模块对局部路况信息进行滤波处理，使得得到的结果数据能非常准确的反映当前采集的局部路况信息，减少了数据波动，避免设备出现失真，减少了损失。
本发明可以将智能交通***所产生的路况信息通过移动通信公网向车辆发送，使车辆在不具有车载单元的情况下，可以通过移动通信公网接收到所述智能交通***生成的目标路况信息，同时，移动边缘计算平台基于智能交通路侧单元发送的局部路况信息生成全局路况信息后，在全局路况信息中选取目标路况信息发送给车辆，从而使车辆可以接收到比局部路况信息更加丰富的路况信息，以更加全面地了解当前道路整体的状况，且更新效率高，具有较好的实时性。
本发明通过对路况信息进行检索方法加快了运算速度，并且可以有效的提高路况信息检索质量和检索效率，且具有很强的可操作性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，下面所描述的附图仅仅是本发明的部分实施例。
图1是本发明实施例提供的基于智能交通***的实时性强的路况信息提供方法流程图。
图2是本发明实施例提供的数据处理模块对来自数据转换模块的局部路况信息画面进行滤波处理的方法流程图。
图3是本发明实施例提供的基于智能交通***的实时性强的路况信息提供***结构图。
图中：1、局部采集模块；2、数据传输模块；3、数据转换模块；4、数据处理模块；5、汇总平台；6、太阳能供电模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1所示，本发明实施例是这样实现的，一种基于智能交通***的实时性强的路况信息提供方法，其特征在于，该方法具体包括：
S1：采集模块对泛路况信息进行实时采集，并将通过数据传输模块发送到数据转换模块；
S2：数据传输模块将采集的局部路况信息发送到数据转换模块；
S3：数据转换模块将采集的局部路况信息画面利用数据转换模块转换成4-20mA的电流信号，将转换完成的信号输入数据处理模块；
S4：数据处理模块对来自数据转换模块的局部路况信息画面进行滤波处理，并发送至汇总平台；
S5：汇总平台对路况信息进行检索，根据局部路况信息，生成全局路况信息，并通过移动通信公网向目标车辆发送全局路况信息，由目标车辆根据全局路况信息信息选取目标路况信息；
所述对路况信息进行检索方法：
a：在汇总平台中输入目标路况检索信息；
b：若在汇总平台中输入目标路况检索信息中各关键词之间以空格隔开则为多关键词路况信息检索，执行步骤d；否则为地名信息检索，执行步骤c；
c：采用智能垂直地名信息模糊检索方法进行地名信息的检索，若目标路况检索信息中包含路名，则用该路名信息针对不同查询内容返回不同路况信息；否则将目标路况检索信息拆分为多个关键词后执行步骤d；
d：采用智能垂直信息关键词组合检索方法，通过目标路况检索信息的每个关键词具有最大匹配率的路况信息特征，得到查询结果并进行路况信息的展示；
所述采用智能垂直地名信息模糊检索方法进行地名信息的检索的方法包括以下步骤：
获取目标路况检索信息；
使用分词***对目标路况检索信息进行分词和词性标注，并且提取名词及名词短语作为候选词；
将提取的候选词与标准路名词库进行模糊匹配，选取各候选词最优的匹配率；
利用设定的语法规则库中的语法规则，对分词结果进行拆分或者合并，生成新的候选词，并将新的候选词与标准路名词库进行模糊匹配，选取各候选词最优的匹配率；
对得到的各匹配率进行排序，对不同拆分状态下的所有候选词进行加权平均处理，得到各拆分状态的匹配率，并选取匹配率最高的拆分状态对应的匹配结果；
若所选取的最高的匹配率大于设定阈值，则判断为目标路况检索信息中包含路名，该匹配率下的拆分状态对应的匹配结果作为准确的路名匹配结果；否则判断为目标路况检索信息中不包含路名；
所述采用智能垂直信息关键词组合检索的方法包括如下的步骤：
获取以空格隔开的关键词作为候选词；
确定输入的每个关键词具有最大匹配率的路况信息特征；所述路况信息特征分为信息来源、信息类型、创建时间、分区方向；
通过加权平均方法得到该条查询的查询结果；
将超过设定阈值的查询结果展示给查询用户。
所述局部路况信息具体为：局部采集模块对应道路的道路流量、障碍物移动轨迹、交通管理设施数据、道路平均车速、交通信号数据等。
所述数据转换模块的转换方法包括：
将局部采集模块获取的数据信号转化为需要发送的串行数据包；
将获取的所述串行数据包进行串/并转换，并发送对应的节点；
各个节点对接收到的相关数据进行PSK映射和跳频处理；
通过自适应滤波器输出经过PSK映射和跳频处理后得到的相关数据的目标信号，并对所述目标信号进行信号增强处理；其中，所述信号增强处理包括：
利用Hurst指数的时间函数建立离散时间序列的非规则指标；
将所述自适应滤波器的参数利用代价函数迭代计算，计算公式如下：
Jw＝Cw+λHw；
其中，Jw为代价函数，Cw为收敛指标，λ为拉格朗日乘子，Hw为不规则性指标，n为时间序数，w(n)为所述自适应滤波器的参数矩阵，μ为迭代步长，e(n)为误差信号，h(n)为所述延时模块的输出信号矩阵，g(n)为所述自适应滤波器输出信号，i1、i2为间隔序数；
自适应滤波器在调整后的参数下，输出去噪后的目标信号；
将经过信号增强处理后得到的信号数据进行叠加，得到电流信号，并将所述电流信号经过耦合后，输入至数据处理模块。
如图2所示，本发明提供的数据处理模块对来自数据转换模块的局部路况信息画面进行滤波处理的方法具体包括：
S21：数据处理模块获取外部的采样数据并存储到第一缓存单元；
S22：第一处理单元对所述第一缓存单元中的数据进行去除杂波中的一级高次谐波的处理，得到欲取基波信号的大小，并将得到的除杂波后的数据存储到第二缓存单元；
S23：变化趋势判断单元从第二缓存单元中获取去除杂波后的数据，并对该获取的去除杂波后的数据进行数据变化趋势的判断，依据判断结果取得当前信号的变化趋势；
S24：第二处理单元从变化趋势判断单元获取当前信号的变化趋势标志，并从第二缓存单元中获取去除杂波后的数据；按照从变化趋势判断单元获取的当前信号的变化趋势标志，对从第二缓存单元中获得的去除杂波后的数据进行分类和加权处理，取得分类和加权处理后的计算结果数据并输出；
其中，所述变化趋势判断单元将当前信号的变化趋势标志以及开始变化的索引点K传给所述第二处理单元，如果是变大或变小，则对M个数据中从确认开始变化到结束变化的M-K个点和其余的K个点分别进行计算，其中K小于M；
其中，参与运算的M-K个点的权重高于其余参与运算的K个点，权重的具体值依赖于具体的应用场合；如果数据保持不变，则缓存区内的M个数据采用统一的权值参与运算。
所述汇总平台根据局部路况信息，生成全局路况信息具体为：汇总平台根据所述局部路况信息对应的时间和/或地点，对各局部路况信息进行融合，得到全局路况信息。
为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用的应用实施例。
本发明将一种基于智能交通***的实时性强的路况信息提供方法应用于一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述的基于智能交通***的实时性强的路况信息提供方法的步骤。
本发明将一种基于智能交通***的实时性强的路况信息提供方法应用于一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于智能交通***的实时性强的路况信息提供方法的步骤。
如图3所示，本发明将一种基于智能交通***的实时性强的路况信息提供***应用所述的基于智能交通***的实时性强的路况信息提供方法，该***具体包括：
局部采集模块1，用于对局部路况信息进行实时采集；
数据传输模块2，与局部采集模块1和数据转换模块3连接，用于将采集的局部路况信息发送到数据转换模块；
数据转换模块3，与数据传输模块2、数据处理模块4连接，用于将采集的局部路况信息画面利用数据转换模块转换成4-20mA的电流信号，将转换完成的信号输入数据处理模块；
数据处理模块4，与数据转换模块3、汇总模块5连接、对来自数据转换模块的局部路况信息画面进行滤波处理，并发送至汇总平台；
汇总平台5，与数据处理模块4连接，对路况信息进行检索，根据局部路况信息，生成全局路况信息，并通过移动通信公网向目标车辆发送全局路况信息，由目标车辆根据全局路况信息信息选取目标路况信息。
进一步，所述局部采集模块1与若干个太阳能供电模块6一一对应；其中，每一太阳能供电模块与对应的局部采集模块电连接，用于给对应的局部采集模块进行太阳能供电。
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
本发明工作时，首先，通过局部采集模块1对局部路况信息进行实时采集；通过数据传输模块2将采集的局部路况信息发送到数据转换模块；其次，通过数据转换模块3将采集的局部路况信息画面利用数据转换模块转换成4-20mA的电流信号，将转换完成的信号输入数据处理模块；然后，通过数据处理模块4对来自数据转换模块的局部路况信息画面进行滤波处理，并发送至汇总平台；最后，通过汇总平台5对路况信息进行检索，根据局部路况信息，生成全局路况信息，并通过移动通信公网向目标车辆发送全局路况信息，由目标车辆根据全局路况信息信息选取目标路况信息；通过局部采集模块1与若干个太阳能供电模块6一一对应；其中，每一太阳能供电模块与对应的局部采集模块电连接，用于给对应的局部采集模块进行太阳能供电。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行***，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
三、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
本发明通过布设多个局部采集模块，使得局部采集模块进行局部路况信息的采集及上报，便于对路况信息进行实时监测，并且利用数据转换模块对数据进行转换和数据处理模块对局部路况信息进行滤波处理，使得得到的结果数据能非常准确的反映当前采集的局部路况信息，减少了数据波动，避免设备出现失真，减少了损失。
本发明可以将智能交通***所产生的路况信息通过移动通信公网向车辆发送，使车辆在不具有车载单元的情况下，可以通过移动通信公网接收到所述智能交通***生成的目标路况信息，同时，移动边缘计算平台基于智能交通路侧单元发送的局部路况信息生成全局路况信息后，在全局路况信息中选取目标路况信息发送给车辆，从而使车辆可以接收到比局部路况信息更加丰富的路况信息，以更加全面地了解当前道路整体的状况，且更新效率高，具有较好的实时性。
本发明通过对路况信息进行的全新检索方法加快了运算速度，有效的提高路况信息检索质量和检索效率，具有很强的可操作性。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种基于智能交通***的实时性强的路况信息提供方法，其特征在于，该方法具体包括：
S1：局部采集模块对局部路况信息进行实时采集，并将通过数据传输模块发送到数据转换模块；
S2：数据传输模块将采集的局部路况信息发送到数据转换模块；
S3：数据转换模块将采集的局部路况信息画面利用数据转换模块转换成4-20mA的电流信号，将转换完成的信号输入数据处理模块；
S4：数据处理模块对来自数据转换模块的局部路况信息画面进行滤波处理，并发送至汇总平台；
S5：汇总平台对路况信息进行检索，根据局部路况信息，生成全局路况信息，并通过移动通信公网向目标车辆发送全局路况信息，由目标车辆根据全局路况信息信息选取目标路况信息；
所述对路况信息进行检索方法：
a：在汇总平台中输入目标路况检索信息；
b：若在汇总平台中输入目标路况检索信息中各关键词之间以空格隔开则为多关键词路况信息检索，执行步骤d；否则为地名信息检索，执行步骤c；
c：采用智能垂直地名信息模糊检索方法进行地名信息的检索，若目标路况检索信息中包含路名，则用该路名信息针对不同查询内容返回不同路况信息；否则将目标路况检索信息拆分为多个关键词后执行步骤d；
d：采用智能垂直信息关键词组合检索方法，通过目标路况检索信息的每个关键词具有最大匹配率的路况信息特征，得到查询结果并进行路况信息的展示；
所述采用智能垂直地名信息模糊检索方法进行地名信息的检索的方法包括以下步骤：
获取目标路况检索信息；
使用分词***对目标路况检索信息进行分词和词性标注，并且提取名词及名词短语作为候选词；
将提取的候选词与标准路名词库进行模糊匹配，选取各候选词最优的匹配率；
利用设定的语法规则库中的语法规则，对分词结果进行拆分或者合并，生成新的候选词，并将新的候选词与标准路名词库进行模糊匹配，选取各候选词最优的匹配率；
对得到的各匹配率进行排序，对不同拆分状态下的所有候选词进行加权平均处理，得到各拆分状态的匹配率，并选取匹配率最高的拆分状态对应的匹配结果；
若所选取的最高的匹配率大于设定阈值，则判断为目标路况检索信息中包含路名，该匹配率下的拆分状态对应的匹配结果作为准确的路名匹配结果；否则判断为目标路况检索信息中不包含路名；
所述采用智能垂直信息关键词组合检索的方法包括如下的步骤：
获取以空格隔开的关键词作为候选词；
确定输入的每个关键词具有最大匹配率的路况信息特征；所述路况信息特征分为信息来源、信息类型、创建时间、分区方向；
通过加权平均方法得到该条查询的查询结果；
将超过设定阈值的查询结果展示给查询用户。
2.根据权利要求1所述的基于智能交通***的实时性强的路况信息提供方法，其特征在于，所述局部路况信息具体为：局部采集模块对应道路的道路流量、障碍物移动轨迹、交通管理设施数据、道路平均车速、交通信号数据等。
3.根据权利要求1所述的基于智能交通***的实时性强的路况信息提供方法，其特征在于，所述数据转换模块的转换方法包括：
将局部采集模块获取的数据信号转化为需要发送的串行数据包；
将获取的所述串行数据包进行串/并转换，并发送对应的节点；
各个节点对接收到的相关数据进行PSK映射和跳频处理；
通过自适应滤波器输出经过PSK映射和跳频处理后得到的相关数据的目标信号，并对所述目标信号进行信号增强处理；其中，所述信号增强处理包括：
利用Hurst指数的时间函数建立离散时间序列的非规则指标；
将所述自适应滤波器的参数利用代价函数迭代计算，计算公式如下：
Jw＝Cw+λHw；
其中，Jw为代价函数，Cw为收敛指标，λ为拉格朗日乘子，Hw为不规则性指标，n为时间序数，w(n)为所述自适应滤波器的参数矩阵，μ为迭代步长，e(n)为误差信号，h(n)为所述延时模块的输出信号矩阵，g(n)为所述自适应滤波器输出信号，i1、i2为间隔序数；
自适应滤波器在调整后的参数下，输出去噪后的目标信号；
将经过信号增强处理后得到的信号数据进行叠加，得到电流信号，并将所述电流信号经过耦合后，输入至数据处理模块。
4.根据权利要求1所述的基于智能交通***的实时性强的路况信息提供方法，其特征在于，所述数据处理模块对来自数据转换模块的局部路况信息画面进行滤波处理的方法具体包括：
(1)数据处理模块获取外部的采样数据并存储到第一缓存单元；
(2)第一处理单元对所述第一缓存单元中的数据进行去除杂波中的一级高次谐波的处理，得到欲取基波信号的大小，并将得到的除杂波后的数据存储到第二缓存单元；
(3)变化趋势判断单元从第二缓存单元中获取去除杂波后的数据，并对该获取的去除杂波后的数据进行数据变化趋势的判断，依据判断结果取得当前信号的变化趋势；
(4)第二处理单元从变化趋势判断单元获取当前信号的变化趋势标志，并从第二缓存单元中获取去除杂波后的数据；按照从变化趋势判断单元获取的当前信号的变化趋势标志，对从第二缓存单元中获得的去除杂波后的数据进行分类和加权处理，取得分类和加权处理后的计算结果数据并输出；
其中，所述变化趋势判断单元将当前信号的变化趋势标志以及开始变化的索引点K传给所述第二处理单元，如果是变大或变小，则对M个数据中从确认开始变化到结束变化的M-K个点和其余的K个点分别进行计算，其中K小于M；
其中，参与运算的M-K个点的权重高于其余参与运算的K个点，权重的具体值依赖于具体的应用场合；如果数据保持不变，则缓存区内的M个数据采用统一的权值参与运算。
5.根据权利要求1所述的基于智能交通***的实时性强的路况信息提供方法，其特征在于，所述汇总平台根据局部路况信息，生成全局路况信息具体为：汇总平台根据所述局部路况信息对应的时间和/或地点，对各局部路况信息进行融合，得到全局路况信息。
6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
8.一种应用如权利要求1～5任意一项所述的基于智能交通***的实时性强的路况信息提供方法的基于智能交通***的实时性强的路况信息提供***，其特征在于，该***具体包括：
局部采集模块，用于对局部路况信息进行实时采集；
数据传输模块，与局部采集模块和数据转换模块连接，用于将采集的局部路况信息发送到数据转换模块；
数据转换模块，与数据传输模块、数据处理模块连接，用于将采集的局部路况信息画面利用数据转换模块转换成4-20mA的电流信号，将转换完成的信号输入数据处理模块；
数据处理模块，与数据转换模块、汇总模块连接、对来自数据转换模块的局部路况信息画面进行滤波处理，并发送至汇总平台；
汇总平台，与数据处理模块连接，对路况信息进行检索，根据局部路况信息，生成全局路况信息，并通过移动通信公网向目标车辆发送全局路况信息，由目标车辆根据全局路况信息信息选取目标路况信息。
9.根据权利要求8所述的基于智能交通***的实时性强的路况信息提供方法，其特征在于，所述局部采集模块与若干个太阳能供电模块一一对应；其中，每一太阳能供电模块与对应的局部采集模块电连接，用于给对应的局部采集模块进行太阳能供电。
CN202310119221.XA 2023-02-15 2023-02-15 一种基于智能交通***的实时性强的路况信息提供方法 Pending CN116486603A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310119221.XA CN116486603A (zh) 2023-02-15 2023-02-15 一种基于智能交通***的实时性强的路况信息提供方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310119221.XA CN116486603A (zh) 2023-02-15 2023-02-15 一种基于智能交通***的实时性强的路况信息提供方法

Publications (1)

Publication Number Publication Date
CN116486603A true CN116486603A (zh) 2023-07-25

Family

ID=87223890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310119221.XA Pending CN116486603A (zh) 2023-02-15 2023-02-15 一种基于智能交通***的实时性强的路况信息提供方法

Country Status (1)

Country Link
CN (1) CN116486603A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115762132A (zh) * 2022-10-18 2023-03-07 浙江省机电设计研究院有限公司 一种道路交通状态信息智能采集装置
CN116821437A (zh) * 2023-08-30 2023-09-29 英诺达(成都)电子科技有限公司 数据处理方法、装置、电子设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115762132A (zh) * 2022-10-18 2023-03-07 浙江省机电设计研究院有限公司 一种道路交通状态信息智能采集装置
CN116821437A (zh) * 2023-08-30 2023-09-29 英诺达(成都)电子科技有限公司 数据处理方法、装置、电子设备及存储介质
CN116821437B (zh) * 2023-08-30 2023-11-07 英诺达(成都)电子科技有限公司 数据处理方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN116486603A (zh) 一种基于智能交通***的实时性强的路况信息提供方法
CN111800289B (zh) 通信网络故障分析方法和装置
EP4020425A2 (en) Method and apparatus for determining green wave speed, electronic device and storage medium
CN115862319A (zh) 一种面向时空图自编码器的交通流量预测方法
CN115913710A (zh) 异常检测方法、装置、设备及存储介质
CN115129594A (zh) 测试场景处理方法、装置、电子设备和存储介质
CN114693963A (zh) 基于电力数据特征提取的识别模型训练、识别方法及装置
CN117407507A (zh) 基于大语言模型的事件处理方法、装置、设备及介质
CN112182193A (zh) 一种交通行业中日志获取方法、设备及介质
CN116861262A (zh) 一种感知模型训练方法、装置及电子设备和存储介质
CN117253334A (zh) 电动汽车充电站烟雾火灾预警方法、装置和设备
CN114312930B (zh) 基于日志数据的列车运行异常诊断方法和装置
CN110221951A (zh) 一种基于多路数据处理器的运维多模态决策***
CN115527187A (zh) 一种障碍物的分类方法以及装置
EP3296931B1 (en) Computer system and method for determining system state changes
CN115203354A (zh) 一种车码轨迹预关联方法、装置、计算机设备及存储介质
Ding et al. A novel deep learning framework for detecting seafarer’s unsafe behavior
CN112906538A (zh) 一种基于无人值守平台的舰船目标图像识别***及方法
Wu et al. Safety: A spatial and feature mixed outlier detection method for big trajectory data
Alevizos et al. Online Integration of Spatial Reasoning in Complex Event Recognition.
CN117496571B (zh) 一种基于人脸识别的人员数据存储方法、设备及介质
CN116050465B (zh) 文本理解模型的训练方法和文本理解方法、装置
Wang Application of Speech Recognition Interaction and Internet of Things in Data Mining.
CN113918718B (zh) 基于人工智能的车险用户分类方法、装置、设备及介质
CN117932119A (zh) 日志数据处理方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination