CN118097978A - 一种交通信息智慧采集***及方法 - Google Patents
一种交通信息智慧采集***及方法 Download PDFInfo
- Publication number
- CN118097978A CN118097978A CN202410517177.2A CN202410517177A CN118097978A CN 118097978 A CN118097978 A CN 118097978A CN 202410517177 A CN202410517177 A CN 202410517177A CN 118097978 A CN118097978 A CN 118097978A
- Authority
- CN
- China
- Prior art keywords
- parking space
- instruction
- section
- parking spaces
- road section
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims abstract description 61
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 37
- 238000012937 correction Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 206010039203 Road traffic accident Diseases 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000010365 information processing Effects 0.000 abstract description 3
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交通信息智慧采集***及方法,属于交通信息处理技术领域,该***包括信息采集判定模块、分段汇总提示模块、数据获取评估模块以及决策导航修正模块。本发明通过对停车位进行的监测和分析,可准确识别哪些车位有空余,可快速引导驾驶员找到空余车位;结合信号灯的使用还能在一定程度上优化交通管理,通过在预设时间周期内获取车流数据,并根据车流数据中的多类别数据影响因素,结合时间周期内每个信号灯发出频闪信号的次数和作为修正因素,计算出该类别双向城市路段的行驶安全评估指标,这使得驾驶员在行驶过程中可以得知当前路段的安全状况,通过实时的行驶安全评估和导航决策,能够提高行驶的安全性。
Description
技术领域
本发明属于交通信息处理技术领域,具体为一种交通信息智慧采集***及方法。
背景技术
交通信息处理是指对与交通相关的各种数据和信息进行采集、存储、处理、分析和应用的过程,包括数据采集、数据存储、数据处理、数据分析以及应用服务。数据采集:通过传感器、摄像头、雷达等设备获取交通相关的数据,如车流量、车速、道路状况、交通信号灯状态等;数据存储:将采集到的数据进行存储,可以采用数据库或者分布式存储***等技术,以便后续的查询和分析;数据处理:对采集到的原始数据进行清洗、预处理、转换和计算,以获取更有用的信息,这可能涉及数据清洗、数据归一化、特征提取、数据融合等技术;数据分析:利用统计分析、机器学习、深度学习等方法对处理后的数据进行分析和挖掘,以发现交通状况的规律、趋势和异常,为交通管理和决策提供支持;应用服务:根据数据分析的结果,提供各种交通信息服务,如实时交通状况查询、交通导航、交通事故预警、交通管制决策等。
然而,针对一些双车道的城市道路,在该类型的道路两侧还会添加停车位,从而导致行程的安全性大大降低,对于该部分交通道路而言,若是驾驶员需要寻找车位就需要放缓车速,同时停车位上的车辆进出时若不及时打开双闪,没有任何提醒设施,很容易就会导致追尾或是碰撞情况,存在极大的安全隐患;另外,现有的交通路线导航,通常需要考虑实时道路的拥堵情况而给出导航路线,并未考虑到上述双车道城市路段中停车进出时对交通的影响因素,从而导致目前导航路线的提供在一定程度上欠缺对实际行驶时安全性的考虑。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种交通信息智慧采集***及方法,通过对停车位进行的监测和分析,可准确识别哪些车位有空余,可快速引导驾驶员找到空余车位,同时能发现非机动车占用机动车车位,并及时疏导,提高车位的使用效率;结合信号灯的使用还能在一定程度上优化交通管理。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种交通信息智慧采集***,包括:
信息采集判定模块,在具有若干路边停车位的双向城市路段中,将位于同一侧的若干车位划分为n段,每段中的车位数量至少有5个,获取每段车位中检测到的压力值;
在压力值处于无变化的前提条件下,若任一段车位中每个车位对应的压力值均超过预设值,则发送无空余车位指令;若任一段车位中至少有1个车位对应的压力值未超过预设值,但压力值并非为0时,则继续获取该段车位的车位图像,采用计算机视觉和图像处理技术来分析车位图像,以判断对应车位上停放的是否为机动车,在判定为非机动车时,发送提示信号,执行人员派遣策略,以将非机动车从对应的车位上移除,而后发送有空余车位指令;若任一段车位中至少有1个车位对应的压力值未超过预设值,且压力值为0时,则发送有空余车位指令;若任一段车位中至少有1个车位对应的压力值处于持续变化状态时,则发出车辆警示指令;
分段汇总提示模块,在每段车位中,根据获取到的指令类别生成对应的信号,以提示驾驶员做出响应动作;
数据获取评估模块,在预设时间周期T内,获取每个双向城市路段中的车流数据,并提取该时间周期T内每个信号灯发出频闪信号的次数和,依据经过预处理后的车流数据和次数和,计算生成双向城市路段对应的行驶安全评估指标Dai;
决策导航修正模块,在交通导航路线中,出发地和终点之间存在具有若干路边停车位的双向城市路段时,将当下双向城市路段对应的行驶安全评估指标Dai与预设的评估阈值Dol进行对比,根据对比结果执行相应策略。
进一步的,将位于同一侧的若干车位划分为n段,该处的n={1、2、…、s},且s为正整数,每个车位中均配备有压力传感器,以获取所需的压力值。
进一步的,采用计算机视觉和图像处理技术来分析车位图像的过程如下:
目标检测:使用目标检测算法来检测车位图像中的车辆;
车辆分类:在检测到车辆的条件下,采用CNN对车辆进行分类,以确定车辆是否为机动车,其中运用的CNN模型会在若干车辆图像数据上进行训练,以学习机动车的特征;
特征提取:若车位图像中检测到的对象并非是机动车,则继续采用特征提取技术来提取图像中的特征,包括颜色、形状以及纹理;
分类器训练:根据提取的特征,训练一个分类器以区分机动车和其他对象;
测试和验证:对模型进行测试和验证。
进一步的,若是某段车位中获取到的指令类别为:无空余车位指令,则通过信号灯发出红色信号;若是获取到的指令类别为:有空余车位指令,则通过信号灯发出绿色信号;若是获取到的指令类别为:车辆警示指令,则通过信号灯发出红色频闪信号或绿色频闪信号。
进一步的,信号灯发出红色频闪信号或绿色频闪信号是根据获取到指令之前的对应指令进行判断的,若是获取到指令之前的对应指令为:无空余车位指令,则此时信号灯发出红色频闪信号;若是获取到指令之前的对应指令为:有空余车位指令,则此时信号灯发出绿色频闪信号。
进一步的,车流数据包括车辆密度、事故发生率以及路段宽度;车辆密度表示在预设时间周期T内通过该路段的车辆数量与该路段长度的比值;事故发生率表示在该路段下过去一年内发生交通事故的次数(可以通过公众查询获取,或者通过向交警部门申请获取更为精确的数据)与一年天数的比值;路段宽度表示该路段的最小宽度值。
进一步的,对车流数据和次数和进行预处理的过程为:进行数据清洗,并对清洗后的数据进行无量纲化处理。
进一步的,对应双向城市路段的行驶安全评估指标Dai的计算方式如下:
;
式中,表示车辆密度,Sc表示车辆数量,Lc表示路段长度,/>表示事故发生率,Js表示一年内发生事故的次数,365表示一年的天数,Rkmin表示路段的最小宽度,F1、F2、F3分别为车辆密度、事故发生率以及路段的最小宽度的预设比例系数,且F1>F2>F3>0,e-lnk表示修正系数,e为自然常数,k表示在时间周期T内每个信号灯发出频闪信号的次数和,100为误差修正因子。
进一步的,根据对比结果执行相应策略的过程为:若是行驶安全评估指标Dai超过评估阈值Dol,则按照既定的交通导航路线行驶;若是行驶安全评估指标Dai未超过评估阈值Dol,则发出预警信号,并执行自动切换交通导航路线的策略。
一种交通信息智慧采集方法,包括如下步骤:
S1、在具有若干路边停车位的双向城市路段中,将位于同一侧的若干车位划分为n段,每段中的车位数量至少有5个,获取每段车位中检测到的压力值;
在压力值处于无变化的前提条件下,若任一段车位中每个车位对应的压力值均超过预设值,则发送无空余车位指令;若任一段车位中至少有1个车位对应的压力值未超过预设值,但压力值并非为0时,则继续获取该段车位的车位图像,采用计算机视觉和图像处理技术来分析车位图像,以判断对应车位上停放的是否为机动车,在判定为非机动车时,发送提示信号,执行人员派遣策略,以将非机动车从对应的车位上移除,而后发送有空余车位指令;若任一段车位中至少有1个车位对应的压力值未超过预设值,且压力值为0时,则发送有空余车位指令;若任一段车位中至少有1个车位对应的压力值处于持续变化状态时,则发出车辆警示指令;
S2、在每段车位中,根据获取到的指令类别生成对应的信号,以提示驾驶员做出响应动作;
S3、在预设时间周期T内,获取每个双向城市路段中的车流数据,并提取该时间周期T内每个信号灯发出频闪信号的次数和,依据经过预处理后的车流数据和次数和,计算生成双向城市路段对应的行驶安全评估指标Dai;
S4、在交通导航路线中,出发地和终点之间存在具有若干路边停车位的双向城市路段时,将当下双向城市路段对应的行驶安全评估指标Dai与预设的评估阈值Dol进行对比,若是行驶安全评估指标Dai超过评估阈值Dol,则按照既定的交通导航路线行驶;若是行驶安全评估指标Dai未超过评估阈值Dol,则发出预警信号,并执行自动切换交通导航路线的策略。
(三)有益效果
本发明具备以下有益效果:
1、 本发明通过对停车位进行监测和分析,可准确识别哪些车位有空余,可快速引导驾驶员找到空余车位,同时能发现非机动车占用机动车车位,并及时疏导,提高车位的使用效率;采用能够判断车位状态的信号灯,提前向驾驶员显示车位状态,避免因缓慢观察而导致的安全隐患,在检测到车辆进出时发出提示,增加了行车的安全性,结合信号灯的使用还能在一定程度上优化交通管理,引导驾驶员合理选择行驶路径,起到疏解路段交通压力的作用。
2、 本发明通过在预设时间周期内获取车流数据,并根据车流数据中的多类别数据影响因素,结合时间周期内每个信号灯发出频闪信号的次数和作为修正因素,计算出该类别双向城市路段的行驶安全评估指标,这使得驾驶员在行驶过程中可以得知当前路段的安全状况,通过实时的行驶安全评估和导航决策,能够帮助驾驶员选择相对安全的路线,从而降低在高风险路段发生事故的可能性,提高行驶的安全性,体现了该交通***的智能化设计。
附图说明
图1为本发明中一种交通信息智慧采集***的模块结构示意图;
图2为本发明中一种交通信息智慧采集方法的整体流程示意图;
图3为本发明中双车道的城市道路示意图。
具体实施方式
下面结合附图对本发明实施例中的技术方案进行清楚、完整的描述。
实施例1:请参阅图1,本实施例提供一种交通信息智慧采集***,该***包括信息采集判定模块、分段汇总提示模块、数据获取评估模块以及决策导航修正模块,整个***适用于城市内特定的场景下,该场景为拥有至多双车道的城市道路中,且导航路线中出发地和终点之间存在若干该类型的城市道路,相邻两条城市道路之间的实际距离需要保持在预定距离值内,此时该***才能为驾驶员提供更为安全的路径规划。
信息采集判定模块,在具有若干路边停车位的双向城市路段中,将位于同一侧的若干车位划分为n段,每段中的车位数量至少有5个,获取每段车位中检测到的压力值;
在压力值处于无变化的前提条件下,若任一段车位中每个车位对应的压力值均超过预设值,则表示该段车位中无空余车位,发送无空余车位指令;
在压力值处于无变化的前提条件下,若任一段车位中至少有1个车位对应的压力值未超过预设值,但压力值并非为0时,则继续获取该段车位的车位图像,采用计算机视觉和图像处理技术来分析车位图像,以判断对应车位上停放的是否为机动车;在判定为非机动车时,发送提示信号,执行人员派遣策略,以将非机动车从对应的车位上移除,而后发送有空余车位指令;
在压力值处于无变化的前提条件下,若任一段车位中至少有1个车位对应的压力值未超过预设值,且压力值为0时,则表示该段车位中存在空余车位,发送有空余车位指令;
若任一段车位中至少有1个车位对应的压力值处于持续变化状态时,则表示该段车位中有车在进入或驶出,发出车辆警示指令;
其中,具有若干路边停车位的双向城市路段可参照图3所示;
将位于同一侧的若干车位划分为n段,该处的n={1、2、…、s},且s为正整数,图3中给出的为两段,且每段中的车位数量为5个,在实际的城市路段中,位于同一侧的若干车位可以划分为若干段,每段中有若干个车位,可根据实际情况进行设定;
每个车位中均配备有压力传感器,以获取所需的压力值;
获取该段车位的车位图像时采用在对应车段起始段安装的高清摄像头,该高清摄像头拍摄的画面完全覆盖对应段车位中的所有车位,在实际运用时,该高清摄像头还可用作针对停车费的监控,在此不多作赘述。
采用计算机视觉和图像处理技术来分析车位图像的过程如下:
目标检测:使用目标检测算法,包括YOLO、SSD以及Faster R-CNN中的任一种来检测车位图像中的车辆,这些算法均能够在图像中定位并标识出可能的车辆位置;
车辆分类:在检测到车辆的条件下,需要对它们进行分类,以确定它们是否为机动车;通过采用深度学习技术,如卷积神经网络(CNN)来进行分类;这些CNN模型通常会在大量车辆图像数据上进行训练,以学习机动车的特征;
特征提取:若图像中检测到的对象并非是机动车,就需要进一步分析以确定它们是什么,可以使用特征提取技术来提取图像中的各种特征,包括颜色、形状以及纹理,这些特征可以用于区分机动车和其他对象,如行人、自行车或电动自行车;
分类器训练:根据提取的特征,训练一个分类器来区分机动车和其他对象,这需要涉及使用传统的机器学习算法,如支持向量机或随机森林,也可以使用深度学习模型;
测试和验证:对模型进行测试和验证,以确保其在不同条件下的准确性和鲁棒性。
举例而言,假设有一段车位的停车位图像,其中包含多个停车位,需要确定哪些停车位上停放的不是机动车;可以进行如下操作:使用目标检测算法检测图像中的所有车辆,对每辆车进行分类,判断它们是否为机动车;如果有车辆被分类为非机动车,可以进一步分析其特征,例如颜色、形状;基于这些特征,训练一个分类器来识别停车位上停放的非机动车对象;最后,通过模型进行测试和验证,确保其在实际场景中的准确性;这样,就可以分析图像以确定停车位上停放的是否为机动车,并识别出停车位上停放的其他对象。
分段汇总提示模块,在每段车位中,根据获取到的指令类别,生成对应的信号,以提示驾驶员做出响应动作;
其中,若是某段车位中,获取到的指令类别为:无空余车位指令,则通过信号灯发出红色信号;若是获取到的指令类别为:有空余车位指令,则通过信号灯发出绿色信号;若是获取到的指令类别为:车辆警示指令,则通过信号灯发出红色频闪信号或绿色频闪信号;
信号灯是提前配置在每段车位中的起始点位置处,与高清摄像头相邻,驾驶人员在经过对应段车位之前即可提前观察到信号灯的指示信号,从而进行加速或减速的操作;
信号灯发出红色频闪信号或绿色频闪信号是根据获取到指令之前的对应指令进行判断的,若是获取到指令之前的对应指令为:无空余车位指令,则此时信号灯发出红色频闪信号;若是获取到指令之前的对应指令为:有空余车位指令,则此时信号灯发出绿色频闪信号。
驾驶员行驶在对应双向城市路段中,若是观察到每个信号灯均为红色,则表示整个路段均无停车位,驾驶员无须通过缓慢行驶的方式来观察有无空的停车位,通过观察对应醒目的信号灯即可,在判定无停车位后,可按照正常的速度行驶,从而在一定程度上避免因缓慢行驶导致的事故;在判定有停车位后,可加速行驶至停车位,以减轻道路的交通压力,在判定有车辆在驶入或驶出对应停车位时,可主动远离靠近停车位方向的车道,从而减少事故发生率,提高了车辆行驶的安全性。
具体的,通过对停车位进行的监测和分析,可准确识别哪些车位有空余,可快速引导驾驶员找到空余车位,同时能发现非机动车占用机动车车位,并及时疏导,提高车位的使用效率;采用能够判断车位状态的信号灯,提前向驾驶员显示车位状态,避免因缓慢观察而导致的安全隐患,在检测到车辆进出时发出提示,增加了行车的安全性,结合信号灯的使用还能在一定程度上优化交通管理,引导驾驶员合理选择行驶路径,起到疏解路段交通压力的作用。
数据获取评估模块,在预设时间周期T内,获取每个双向城市路段中的车流数据,并提取该时间周期T内每个信号灯发出频闪信号的次数和,依据经过预处理后的车流数据和次数和,计算生成双向城市路段对应的行驶安全评估指标Dai;
其中,车流数据包括车辆密度、事故发生率以及路段宽度;
车辆密度:指在预设时间周期T内通过该路段的车辆数量与该路段长度的比值,这个数据可以反映路段的拥堵程度,即车辆之间的间距情况;
事故发生率:指在该路段下过去一年内发生交通事故的次数与一年天数的比值;
路段宽度:指该路段的最小宽度值,实际测量即可获取;
车流数据和次数和进行预处理的过程为:进行数据清洗,并对清洗后的数据进行无量纲化处理,以去除单位,方便后续的计算和处理;
对应双向城市路段的行驶安全评估指标Dai的计算方式如下:
;
式中,表示车辆密度,Sc表示车辆数量,Lc表示路段长度,/>表示事故发生率,Js表示一年内发生事故的次数,365表示一年的天数,Rkmin表示路段的最小宽度,F1、F2、F3分别为车辆密度、事故发生率以及路段的最小宽度的预设比例系数,且F1>F2>F3>0,F1、F2、F3的取值范围均为0~1,e-lnk表示修正系数,e为自然常数,k表示在时间周期T内每个信号灯发出频闪信号的次数和,100为误差修正因子。
车辆密度和事故发生率越大,则对应路段的行驶安全性越低,故行驶安全评估指标Dai越低,车辆密度和事故发生率均与行驶安全评估指标Dai成反比,路段的最小宽度越大,则对应路段的行驶安全性越高,故行驶安全评估指标Dai越高,路段的最小宽度与行驶安全评估指标Dai成正比;
在实际运用时,预设时间周期T为3min,若是车辆密度为3,事故发生率为0.028,路段的最小宽度为3.5,在时间周期T内每个信号灯发出频闪信号的次数和为20,且车辆密度、事故发生率以及路段的最小宽度的预设比例系数分别为0.5、0.3以及0.2,则最终对应双向城市路段的行驶安全评估指标数值为6.81。
决策导航修正模块,在交通导航路线中,出发地和终点之间存在具有若干路边停车位的双向城市路段时,将当下双向城市路段对应的行驶安全评估指标Dai与预设的评估阈值Dol进行对比;
若是行驶安全评估指标Dai超过评估阈值Dol,表示此时在该路段行驶的安全性较高,则按照既定的交通导航路线行驶;若是行驶安全评估指标Dai未超过评估阈值Dol,表示此时在该路段行驶的安全性较低,发出预警信号,并执行自动切换交通导航路线的策略;
其中,若无其他可选路线,则继续按照当前交通导航路线行驶,但需要提醒驾驶员在该路段下需要谨慎驾驶,集中注意力。
具体的,通过在预设时间周期内获取车流数据,并根据车流数据中的多类别数据影响因素,结合时间周期内每个信号灯发出频闪信号的次数和作为修正因素,计算出该类别双向城市路段的行驶安全评估指标,这使得驾驶员在行驶过程中可以得知当前路段的安全状况,通过实时的行驶安全评估和导航决策,能够帮助驾驶员选择相对安全的路线,从而降低在高风险路段发生事故的可能性,提高行驶的安全性,体现了该交通***的智能化设计。
实施例2:请参阅图2,以实施例1为基础,本实施例还提供一种交通信息智慧采集方法,包括如下具体步骤:
S1、在具有若干路边停车位的双向城市路段中,将位于同一侧的若干车位划分为n段,每段中的车位数量至少有5个,获取每段车位中检测到的压力值;
在压力值处于无变化的前提条件下,若任一段车位中每个车位对应的压力值均超过预设值,则发送无空余车位指令;若任一段车位中至少有1个车位对应的压力值未超过预设值,但压力值并非为0时,则继续获取该段车位的车位图像,采用计算机视觉和图像处理技术来分析车位图像,以判断对应车位上停放的是否为机动车,在判定为非机动车时,发送提示信号,执行人员派遣策略,以将非机动车从对应的车位上移除,而后发送有空余车位指令;若任一段车位中至少有1个车位对应的压力值未超过预设值,且压力值为0时,则发送有空余车位指令;若任一段车位中至少有1个车位对应的压力值处于持续变化状态时,则发出车辆警示指令;
S2、在每段车位中,根据获取到的指令类别生成对应的信号,以提示驾驶员做出响应动作;
S3、在预设时间周期T内,获取每个双向城市路段中的车流数据,并提取该时间周期T内每个信号灯发出频闪信号的次数和,依据经过预处理后的车流数据和次数和,计算生成双向城市路段对应的行驶安全评估指标Dai;
S4、在交通导航路线中,出发地和终点之间存在具有若干路边停车位的双向城市路段时,将当下双向城市路段对应的行驶安全评估指标Dai与预设的评估阈值Dol进行对比,若是行驶安全评估指标Dai超过评估阈值Dol,则按照既定的交通导航路线行驶;若是行驶安全评估指标Dai未超过评估阈值Dol,则发出预警信号,并执行自动切换交通导航路线的策略。
本发明中涉及到的分析计算可以通过电子设备执行,电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,通过处理器执行程序实现上述的算法。
Claims (10)
1.一种交通信息智慧采集***,其特征在于,包括:
信息采集判定模块,在具有若干路边停车位的双向城市路段中,将位于同一侧的若干车位划分为n段,每段中的车位数量至少有5个,获取每段车位中检测到的压力值;
在压力值处于无变化的前提条件下,若任一段车位中每个车位对应的压力值均超过预设值,则发送无空余车位指令;若任一段车位中至少有1个车位对应的压力值未超过预设值,但压力值并非为0时,则继续获取该段车位的车位图像,采用计算机视觉和图像处理技术来分析车位图像,以判断对应车位上停放的是否为机动车,在判定为非机动车时,发送提示信号,执行人员派遣策略,以将非机动车从对应的车位上移除,而后发送有空余车位指令;若任一段车位中至少有1个车位对应的压力值未超过预设值,且压力值为0时,则发送有空余车位指令;若任一段车位中至少有1个车位对应的压力值处于持续变化状态时,则发出车辆警示指令;
分段汇总提示模块,在每段车位中,根据获取到的指令类别生成对应的信号,以提示驾驶员做出响应动作;
数据获取评估模块,在预设时间周期T内,获取每个双向城市路段中的车流数据,并提取该时间周期T内每个信号灯发出频闪信号的次数和,依据经过预处理后的车流数据和次数和,计算生成双向城市路段对应的行驶安全评估指标Dai;
决策导航修正模块,在交通导航路线中,出发地和终点之间存在具有若干路边停车位的双向城市路段时,将当下双向城市路段对应的行驶安全评估指标Dai与预设的评估阈值Dol进行对比,根据对比结果执行相应策略。
2.根据权利要求1所述的一种交通信息智慧采集***,其特征在于:将位于同一侧的若干车位划分为n段,该处的n={1、2、…、s},且s为正整数,每个车位中均配备有压力传感器,以获取所需的压力值。
3.根据权利要求2所述的一种交通信息智慧采集***,其特征在于:采用计算机视觉和图像处理技术来分析车位图像的过程如下:
目标检测:使用目标检测算法来检测车位图像中的车辆;
车辆分类:在检测到车辆的条件下,采用CNN对车辆进行分类,以确定车辆是否为机动车,其中运用的CNN模型会在若干车辆图像数据上进行训练,以学习机动车的特征;
特征提取:若车位图像中检测到的对象并非是机动车,则继续采用特征提取技术来提取图像中的特征,包括颜色、形状以及纹理;
分类器训练:根据提取的特征,训练一个分类器以区分机动车和其他对象;
测试和验证:对模型进行测试和验证。
4.根据权利要求3所述的一种交通信息智慧采集***,其特征在于:若是某段车位中获取到的指令类别为:无空余车位指令,则通过信号灯发出红色信号;若是获取到的指令类别为:有空余车位指令,则通过信号灯发出绿色信号;若是获取到的指令类别为:车辆警示指令,则通过信号灯发出红色频闪信号或绿色频闪信号。
5.根据权利要求4所述的一种交通信息智慧采集***,其特征在于:信号灯发出红色频闪信号或绿色频闪信号是根据获取到指令之前的对应指令进行判断的,若是获取到指令之前的对应指令为:无空余车位指令,则此时信号灯发出红色频闪信号;若是获取到指令之前的对应指令为:有空余车位指令,则此时信号灯发出绿色频闪信号。
6.根据权利要求5所述的一种交通信息智慧采集***,其特征在于:车流数据包括车辆密度、事故发生率以及路段宽度;车辆密度表示在预设时间周期T内通过该路段的车辆数量与该路段长度的比值;事故发生率表示在该路段下过去一年内发生交通事故的次数与一年天数的比值;路段宽度表示该路段的最小宽度值。
7.根据权利要求6所述的一种交通信息智慧采集***,其特征在于:对车流数据和次数和进行预处理的过程为:进行数据清洗,并对清洗后的数据进行无量纲化处理。
8.根据权利要求7所述的一种交通信息智慧采集***,其特征在于:对应双向城市路段的行驶安全评估指标Dai的计算方式如下:
;
式中,表示车辆密度,Sc表示车辆数量,Lc表示路段长度,/>表示事故发生率,Js表示一年内发生事故的次数,365表示一年的天数,Rkmin表示路段的最小宽度,F1、F2、F3分别为车辆密度、事故发生率以及路段的最小宽度的预设比例系数,且F1>F2>F3>0,e-lnk表示修正系数,e为自然常数,k表示在时间周期T内每个信号灯发出频闪信号的次数和,100为误差修正因子。
9.根据权利要求8所述的一种交通信息智慧采集***,其特征在于:根据对比结果执行相应策略的过程为:若是行驶安全评估指标Dai超过评估阈值Dol,则按照既定的交通导航路线行驶;若是行驶安全评估指标Dai未超过评估阈值Dol,则发出预警信号,并执行自动切换交通导航路线的策略。
10.一种交通信息智慧采集方法,使用权利要求1至9中的任一种所述***,其特征在于,包括如下步骤:
S1、在具有若干路边停车位的双向城市路段中,将位于同一侧的若干车位划分为n段,每段中的车位数量至少有5个,获取每段车位中检测到的压力值;
在压力值处于无变化的前提条件下,若任一段车位中每个车位对应的压力值均超过预设值,则发送无空余车位指令;若任一段车位中至少有1个车位对应的压力值未超过预设值,但压力值并非为0时,则继续获取该段车位的车位图像,采用计算机视觉和图像处理技术来分析车位图像,以判断对应车位上停放的是否为机动车,在判定为非机动车时,发送提示信号,执行人员派遣策略,以将非机动车从对应的车位上移除,而后发送有空余车位指令;若任一段车位中至少有1个车位对应的压力值未超过预设值,且压力值为0时,则发送有空余车位指令;若任一段车位中至少有1个车位对应的压力值处于持续变化状态时,则发出车辆警示指令;
S2、在每段车位中,根据获取到的指令类别生成对应的信号,以提示驾驶员做出响应动作;
S3、在预设时间周期T内,获取每个双向城市路段中的车流数据,并提取该时间周期T内每个信号灯发出频闪信号的次数和,依据经过预处理后的车流数据和次数和,计算生成双向城市路段对应的行驶安全评估指标Dai;
S4、在交通导航路线中,出发地和终点之间存在具有若干路边停车位的双向城市路段时,将当下双向城市路段对应的行驶安全评估指标Dai与预设的评估阈值Dol进行对比,若是行驶安全评估指标Dai超过评估阈值Dol,则按照既定的交通导航路线行驶;若是行驶安全评估指标Dai未超过评估阈值Dol,则发出预警信号,并执行自动切换交通导航路线的策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410517177.2A CN118097978B (zh) | 2024-04-28 | 2024-04-28 | 一种交通信息智慧采集***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410517177.2A CN118097978B (zh) | 2024-04-28 | 2024-04-28 | 一种交通信息智慧采集***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118097978A true CN118097978A (zh) | 2024-05-28 |
CN118097978B CN118097978B (zh) | 2024-07-23 |
Family
ID=91153483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410517177.2A Active CN118097978B (zh) | 2024-04-28 | 2024-04-28 | 一种交通信息智慧采集***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118097978B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258438A (zh) * | 2013-04-25 | 2013-08-21 | 山东省科学院自动化研究所 | 智能出行与最佳车位导航***及其导航方法 |
CN210039129U (zh) * | 2019-08-01 | 2020-02-07 | 吉林大学 | 一种城市道路路侧停车管控装置 |
CN113516851A (zh) * | 2021-03-26 | 2021-10-19 | 湖南亿马智能科技有限公司 | 一种基于大数据的停车位监控*** |
WO2022213523A1 (zh) * | 2021-04-09 | 2022-10-13 | 超级视线科技有限公司 | 一种基于多维度的路侧停车入场事件判断方法及*** |
CN115691159A (zh) * | 2021-07-29 | 2023-02-03 | 北京万集科技股份有限公司 | 一种路口通行控制方法、装置、智慧基站及存储介质 |
CN116416792A (zh) * | 2023-03-13 | 2023-07-11 | 上海淼泊科技有限公司 | 一种城市停车管理*** |
-
2024
- 2024-04-28 CN CN202410517177.2A patent/CN118097978B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258438A (zh) * | 2013-04-25 | 2013-08-21 | 山东省科学院自动化研究所 | 智能出行与最佳车位导航***及其导航方法 |
CN210039129U (zh) * | 2019-08-01 | 2020-02-07 | 吉林大学 | 一种城市道路路侧停车管控装置 |
CN113516851A (zh) * | 2021-03-26 | 2021-10-19 | 湖南亿马智能科技有限公司 | 一种基于大数据的停车位监控*** |
WO2022213523A1 (zh) * | 2021-04-09 | 2022-10-13 | 超级视线科技有限公司 | 一种基于多维度的路侧停车入场事件判断方法及*** |
CN115691159A (zh) * | 2021-07-29 | 2023-02-03 | 北京万集科技股份有限公司 | 一种路口通行控制方法、装置、智慧基站及存储介质 |
CN116416792A (zh) * | 2023-03-13 | 2023-07-11 | 上海淼泊科技有限公司 | 一种城市停车管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN118097978B (zh) | 2024-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10885777B2 (en) | Multiple exposure event determination | |
CN110675656B (zh) | 一种基于瞬时风险识别的智能车辆换道预警方法 | |
CN109191830B (zh) | 一种基于视频图像处理的道路拥堵检测方法 | |
CN110400478A (zh) | 一种路况通知方法及装置 | |
CN111325978B (zh) | 一种高速公路车辆异常行为的全程监测警示***和方法 | |
CN113487874B (zh) | 一种跟驰行为场景数据采集、识别、分类提取***及方法 | |
CN106652468A (zh) | 车辆道路前车违规检测和自车违规预警提醒装置及方法 | |
CN111723854B (zh) | 一种高速公路交通拥堵检测方法、设备及可读存储介质 | |
CN113055649A (zh) | 一种隧道智能视频监控方法、装置、智能终端及存储介质 | |
CN111401414B (zh) | 一种基于自然驾驶数据的危险场景提取及分类方法 | |
CN106355884A (zh) | 一种基于车型分类的高速公路车辆引导***及方法 | |
US20240046787A1 (en) | Method And System For Traffic Clearance At Signalized Intersections Based On Lidar And Trajectory Prediction | |
CN115279643A (zh) | 用于训练自动驾驶车辆的感知网络的车载主动学习方法和设备 | |
KR102297801B1 (ko) | 사업용 차량을 이용하여 도로 위험정보를 탐지하는 방법 및 장치 | |
CN114692713A (zh) | 一种自动驾驶车辆的驾驶行为评价方法及装置 | |
CN117953693B (zh) | 一种基于视频ai的高速公路交通智能监测*** | |
US20220319323A1 (en) | Method for identifying road risk based on networked vehicle-mounted adas | |
CN113722566A (zh) | 一种自动驾驶车辆功能稳定性评定的方法 | |
CN116631187B (zh) | 一种案件现场勘查信息智能采集分析*** | |
CN118097978B (zh) | 一种交通信息智慧采集***及方法 | |
CN116311913B (zh) | 一种基于ai视频智能分析的高速路段拥堵分析方法及*** | |
CN114822044B (zh) | 一种基于隧道的行车安全预警方法及设备 | |
CN113192340B (zh) | 高速公路施工车辆的识别方法、装置、设备及存储介质 | |
CN114093160A (zh) | 危险驾驶检测装置、***、方法及存储介质 | |
US20240020964A1 (en) | Method and device for improving object recognition rate of self-driving car |
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 | ||
GR01 | Patent grant |