CN212847161U

CN212847161U - 基于边缘计算与大数据路况分析***的智能路况告示牌

Info

Publication number: CN212847161U
Application number: CN202022013831.6U
Authority: CN
Inventors: 陈征; 李泽洋; 刘董经典; 杨旭; 陈朋朋
Original assignee: China University of Mining and Technology CUMT
Current assignee: China University of Mining and Technology CUMT
Priority date: 2020-09-15
Filing date: 2020-09-15
Publication date: 2021-03-30
Anticipated expiration: 2030-09-15

Abstract

一种基于边缘计算与大数据路况分析***的智能路况告示牌，主杆(4)的底端与供电箱(2)连接，在主杆的上部固定有横梁(9)，主杆的顶端设有太阳能发电装置(8)，在横梁与主杆的连接处的端部设置平衡块(7)，横梁远离平衡块的一侧安装LED显示屏，在LED显示屏的顶部设有摄像头(13)、照明灯(14)，在LED显示屏的背面安装集成显卡端，实时路段拥堵状态信号灯、预测路段拥堵信号灯、摄像头、照明灯均通过连接线缆与集成显卡端连接；在主杆上设有视觉边缘计算设备(5)，视觉边缘计算设备通过无线通信模块(6)与大数据交通信息处理集群之间网络通讯；本实用新型结构简单，操作方便，可以为给司机提供实时和预测的路况信息。

Description

基于边缘计算与大数据路况分析***的智能路况告示牌

技术领域

本实用新型涉及一种路况告示牌，具体为一种基于边缘计算与大数据路况分析***的智能路况告示牌，属于城市交通路况指示技术领域。

背景技术

实时监控并预测路况，将实时和预测的结果呈现给司机，对于司机选择合适线路，避免城市交通堵塞，提升道路的通行能力具有十分重要的意义。

目前我国大多数城市并没有路况告示牌，路上的告示牌只能显示非常有限且固定的内容，司机在选择出行道路时往往带有盲目性，如果某个地方发生拥堵，而他人并不知晓，仍然选择了拥堵的道路，这样会造成拥堵进一步加剧，致使道路的通行能力进一步降低。

发明内容

针对上述现有技术存在的问题，本实用新型提供一种基于边缘计算与大数据路况分析***的智能路况告示牌，结构简单，操作方便，可以为给司机提供实时和预测的路况信息。

为了实现上述目的，本实用新型提供一种基于边缘计算与大数据路况分析***的智能路况告示牌，包括供电箱，主杆的底端与供电箱连接，且在主杆与供电箱的连接处设置固定块，在主杆的上部固定有横梁，主杆的顶端设有太阳能发电装置，在横梁与主杆的连接处的端部设置平衡块，横梁远离平衡块的一侧安装LED显示屏，在LED显示屏正面的左右两侧设有实时路段拥堵状态信号灯和预测路段拥堵信号灯，在LED显示屏的顶部设有摄像头、照明灯，在LED显示屏的背面安装集成显卡端，实时路段拥堵状态信号灯、预测路段拥堵信号灯、摄像头、照明灯均通过连接线缆与集成显卡端连接；在主杆上设有视觉边缘计算设备，视觉边缘计算设备通过无线通信模块与大数据交通信息处理集群之间网络通讯。

为了提供供电箱的稳定性，本实用新型的供电箱设置在地下并通过倒刺固定。

LED显示屏通过限位板以及限位螺钉固定在横梁上，限位板用来保持LED显示屏的平衡，并起到加固LED显示屏的作用。

太阳能发电装置由太阳能光伏板和太阳能控制器组成，太阳能光伏板的正极、负极对应太阳能控制器的正极、负极且电性相连，太阳能控制器的正极、负极连接到集成显卡端和供电箱，太阳能发电装置的实时电流优先供给集成显卡端，多余部分储存在底部供电箱供夜晚使用。

视觉边缘计算设备使用目标检测算法对目标路段实时车流量进行计算，视觉边缘计算设备用来统计车流信息通过无线传输模块上传至大数据处理集群。

大数据交通信息处理集群为spark-hadoop 集群，通过对数据进行预处理和特征提取，获取预处理后的车流量、区域以及时间端信息。

为了便于司机区分路况，本实用新型的实时路段拥堵状态信号灯为三个指示灯，分别为红色、黄色、绿色，绿色用于表示空旷，黄色表示通畅，红色表示拥堵；预测路段拥堵信号灯分别用于显示15分钟，10分钟，和5分钟后相应道路的拥挤状态，并在LED显示屏的中间位置的显示区域设置某个路段的具体车辆分布信息。

与现有技术相比，本实用新型的摄像头用于实时获取视频监控图像，并将采集的路况数据发送给视觉边缘计算设备，视觉边缘计算设备使用目标检测算法对目标路段实时车流量进行计算，统计车流信息通过无线传输模块上传至大数据处理集群，大数据交通信息处理集群为spark-hadoop 集群，通过对数据进行预处理和特征提取，获取预处理后的车流量、区域以及时间端信息，利用数据建立并更新流量预测***，数据通过LSTM神经网络进行预测后，会返回该区域的拥堵指数，拥堵时段占比以及路况的智能预测，LED显示屏会通过网络通信模块获取返回的结果，实时将信息在LED显示屏的特定位置上进行更新，本实用新型可以本地离线进行车流量视觉信息处理以减少信息传输量与网络传输延迟；利用LSTM神经网络对路况进行智能学习全局交通路况信息，具有更高的精度，LED显示屏可以直观展示交通路段信息，指导驾驶人员的路径规划，缓解交通压力。

附图说明

图1为本实用新型的结构示意图；

图2为LED显示屏背面安装结构示意图。

图中：1、倒刺，2、供电箱，3、固定块，4、主杆，5、视觉边缘计算设备，6、无线通信模块，7、平衡块，8、太阳能发电装置，9、横梁，10、实时路段拥堵状态信号灯，11、预测路段拥堵信号灯，12、LED显示屏，13、摄像头，14、照明灯，15、大数据交通信息处理集群，16、限位螺钉，17、限位板，18、集成显卡端。

具体实施方式

下面结合附图对本发明作进一步说明。

如图1-图2所示，一种基于边缘计算与大数据路况分析***的智能路况告示牌，包括供电箱2，主杆4的底端与供电箱2连接，且在主杆4与供电箱2的连接处设置用来防止主杆倾倒的固定块3，在主杆4的上部固定有横梁9，主杆4的顶端设有太阳能发电装置8，在横梁9与主杆4的连接处的端部设置用于平衡配重的平衡块7，横梁9远离平衡块7的一侧安装LED显示屏12，在LED显示屏12正面的左右两侧设有实时路段拥堵状态信号灯10和预测路段拥堵信号灯11，在LED显示屏12的顶部设有摄像头13、照明灯14，在LED显示屏12的背面安装集成显卡端18，实时路段拥堵状态信号灯10、预测路段拥堵信号灯11、摄像头13、照明灯14均通过连接线缆与集成显卡端18连接；在主杆4上设有视觉边缘计算设备5，视觉边缘计算设备5通过无线通信模块6与大数据交通信息处理集群15之间网络通讯。

供电箱2设置在地下并通过倒刺1固定。

LED显示屏12通过限位板17以及限位螺钉16固定在横梁9上。

太阳能发电装置8由太阳能光伏板和太阳能控制器组成，太阳能光伏板的正极、负极对应太阳能控制器的正极、负极且电性相连，太阳能控制器的正极、负极连接到集成显卡端18和供电箱2，实时电流优先供给集成显卡端，多余部分储存在底部供电箱供夜晚使用。

视觉边缘计算设备5使用目标检测算法对目标路段实时车流量进行计算。

大数据交通信息处理集群15为spark-hadoop 集群。

摄像头13采集视频路况数据传输至视觉边缘计算设备5，由视觉边缘计算设备5计算车辆经过的数量、区域经度纬度及其它车辆的具体信息；无线通信模块6负责将摄像头13的监控数据传输给大数据交通信息处理集群15，接收大数据交通信息处理集群15返回的实时和预测信息；实时路段拥堵状态信号灯10为三个指示灯，分别为红色、黄色、绿色，绿色用于表示空旷，黄色表示通畅，红色表示拥堵；预测路段拥堵信号灯11分别用于显示15分钟，10分钟，和5分钟后相应道路的拥挤状态。

本实用新型在阳光充足的情况下通过顶部太阳能发电装置8获取电量能源存储到底部供电箱2中，顶部太阳能发电装置8中置有太阳能控制器，所述太阳能光伏板的正负极和太阳能控制器的正负极电性相连，太阳能控制器的正负极连接到集成显卡端18和底部供电箱2，太阳能发电装置8的实时电流优先供给集成显卡端18，多余部分储存在底部供电箱2中供夜晚使用。

本实用新型实例的流量预测方法是一种基于信息采集模块，网络通信模块，信息提取模块，数据处理模块和实时显示模块来实现的，该方法包括以下步骤：

A. 摄像头将采集的数据发送给视觉边缘计算设备5，具体的，每个车道对应的摄像机获取的信息通过集成显卡端18进行汇总收集，传输到视觉边缘计算设备5，如遇到光线不足的情况，照明灯14会开启为摄像头13进行补光；

B. 视觉边缘计算设备5使用目标检测算法对目标路段实时车流量进行计算，统计车流信息通过无线通信模块6上传至大数据交通信息处理集群15，具体的，视觉边缘计算设备5对摄像头将采集的单帧视频数据使用基于YOLO的车辆目标检测算法，实时统计车辆数量与车辆信息，并将信息汇总后通过无线通信模块6上传与大数据交通信息处理集群15建立的MQTT通讯链接，将相关信息上传；

C. 大数据交通信息处理集群15为spark-hadoop 集群，通过对数据进行预处理和特征提取，获取预处理后的车流量，区域，时间端信息，具体的，将目标区域划分为M个区域，划分144个时间段，时间段长度为10分钟，读取轨迹数据，在去重后，根据所在区域的编号和时间段进行排序，计算相同区域编号和时间段的数据条数，作为流量值；

根据选取模型结构，设置滑动窗口值lag为12，特征矩阵 X 为数据集输入，矩阵维度shape为[len(f)-12+1,12]，特征矩阵Y 为数据集标签，矩阵纬度shape [len(f)-lag+1，1]；

D. 利用数据建立并更新流量预测***，数据通过LSTM神经网络进行预测后，会返回该区域的拥堵指数，拥堵时段占比以及路况的智能预测；具体的，LSTM算法是一种特殊的RNN算法，LSTM算法相比于传统的RNN算法，它的反向传导公式能向更远的过去传递信息，因此拥有更强的长时记忆能力，可以学习长期依赖信息，提高模型精度。

算法的实现方式如下：

LSTM 通过设计遗忘门、输入门、输出门保护和控制信息分态，LSTM 模块通过三个门限控制，将输入信息按照权重分为长态信息和短态信息，并将各类信息汇总输出，输入门保持关闭，记忆单元的信息不会被覆盖，该特性使得 LSTM 存储块可以存取长期信息，在现有 LSTM 模型基础上，采用堆叠架构，由多个 LSTM 层组成的 LSTM 模型，具体地说，每个输入时间步长一个输出，而不是所有输入时间步长的一个输出时间步长，多层 LSTM 神经网络回归模型，包括一个输入层，两个LSTM网络层，一个全连接层，激活函数采用sigmod，模型输入为 12x1 的连续时序流量值向量，输出为一个1维的预测值，通过反归一化获得真实流量值。

大数据处理集群收集全局路段路况信息，一方面将实时路况信息存储，并按一定频次对流量预测模型进行更新训练，一方面基于实时路况信息通过流量预测模型对未来路况信息进行预测。

LED显示屏12会通过无线通信模块6获取返回的结果，将信息在LED显示屏12的特定位置上进行更新，同时通过集成显卡端18控制对应交通灯信息。

Claims

1.一种基于边缘计算与大数据路况分析***的智能路况告示牌，其特征在于，包括供电箱（2），主杆（4）的底端与供电箱（2）连接，且在主杆（4）与供电箱（2）的连接处设置固定块（3），在主杆（4）的上部固定有横梁（9），主杆（4）的顶端设有太阳能发电装置（8），在横梁（9）与主杆（4）的连接处的端部设置平衡块（7），横梁（9）远离平衡块（7）的一侧安装LED显示屏（12），在LED显示屏（12）正面的左右两侧设有实时路段拥堵状态信号灯（10）和预测路段拥堵信号灯（11），在LED显示屏（12）的顶部设有摄像头（13）、照明灯（14），在LED显示屏（12）的背面安装集成显卡端（18），实时路段拥堵状态信号灯（10）、预测路段拥堵信号灯（11）、摄像头（13）、照明灯（14）均通过连接线缆与集成显卡端（18）连接；在主杆（4）上设有视觉边缘计算设备（5），视觉边缘计算设备（5）通过无线通信模块（6）与大数据交通信息处理集群（15）之间网络通讯。

2.根据权利要求1所述的基于边缘计算与大数据路况分析***的智能路况告示牌，其特征在于，供电箱（2）设置在地下并通过倒刺（1）固定。

3.根据权利要求1或2所述的基于边缘计算与大数据路况分析***的智能路况告示牌，其特征在于，LED显示屏（12）通过限位板（17）以及限位螺钉（16）固定在横梁（9）上。

4.根据权利要求3所述的基于边缘计算与大数据路况分析***的智能路况告示牌，其特征在于，太阳能发电装置（8）由太阳能光伏板和太阳能控制器组成，太阳能光伏板的正极、负极对应太阳能控制器的正极、负极且电性相连，太阳能控制器的正极、负极连接到集成显卡端（18）和供电箱（2）。

5.根据权利要求3所述的基于边缘计算与大数据路况分析***的智能路况告示牌，其特征在于，视觉边缘计算设备（5）使用目标检测算法对目标路段实时车流量进行计算。

6.根据权利要求3所述的基于边缘计算与大数据路况分析***的智能路况告示牌，其特征在于，大数据交通信息处理集群（15）为spark-hadoop 集群。

7.根据权利要求3所述的基于边缘计算与大数据路况分析***的智能路况告示牌，其特征在于，实时路段拥堵状态信号灯（10）为三个指示灯，分别为红色、黄色、绿色，绿色用于表示空旷，黄色表示通畅，红色表示拥堵；预测路段拥堵信号灯（11）分别用于显示15分钟，10分钟，和5分钟后相应道路的拥挤状态。