CN102013159A - 基于高清视频检测数据的区域动态od矩阵获取方法 - Google Patents
基于高清视频检测数据的区域动态od矩阵获取方法 Download PDFInfo
- Publication number
- CN102013159A CN102013159A CN2010105186460A CN201010518646A CN102013159A CN 102013159 A CN102013159 A CN 102013159A CN 2010105186460 A CN2010105186460 A CN 2010105186460A CN 201010518646 A CN201010518646 A CN 201010518646A CN 102013159 A CN102013159 A CN 102013159A
- Authority
- CN
- China
- Prior art keywords
- data
- dynamic
- point
- crossing
- video
- 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
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种基于车牌识别数据的区域动态OD数据获取方法，属于道路交通信号控制领域、高清视频检测领域；其中，动态OD数据即动态起讫点数据，O表示起点，D表示讫点；方法具体包括如下步骤：1.以5分钟为最小时间单位，根据需要划分OD区域；2.每15分钟由交通控制中心对区域内各路口数据进行统一处理，检测车牌数据，将车牌识别数据进行打包上传至交通控制中心；比对车牌号和通过路口ID编号，获取车辆通过各个路口的时间；以车牌号为线索，获取每个车辆由O点到D点所通过路径中各个路口的编号，并按时间顺序进行路口排序；根据节点之间通过车辆的数量，计算形成动态OD数据矩阵。
Description
技术领域
本发明涉及道路交通信号控制领域、高清视频检测领域。
背景技术
随着我国经济社会的不断发展，城市道路交通基本处于饱和状态，道路拥堵以及由此而引发的环境污染、城市运转效率低下、交通事故等已成为制约城市经济发展和社会发展的瓶颈。动态OD矩阵是实时交通信号控制和交通诱导的重要依据。
传统的OD矩阵获得方法是进行大规模的居民出行调查，需耗费大量的人力、物力和时间，而且抽样样本有限，且只能获得所研究区域内平均意义上的静态OD矩阵，不能把握OD信息的动态变化特征。以路段流量为基础的OD矩阵解算方法，以感应线圈、微波等车辆检测器测量的交通流数据为基础，通过增加一定约束条件进行反推来实现，这种方法效率较低且解算复杂，难以满足动态信号控制的要求。而以交通卡口为代表的OD矩阵获取方法则往往通过在车道上安装高分辨率照相机或摄像机拍摄车辆牌照图片，根据牌照号码比对得到前一时间段特定地点的OD车辆，不能在城市交通控制中进行应用。
发明内容
本发明采用高清视频摄像机采集动态OD信息，相比较采用传统交通流检测器而言，通过高清视频检测技术大大拓展了实时动态交通数据的获取能力，为交叉口交通信号控制能力的提升提供了条件。
基于高清视频流的交通检测设备由监测主机、专用摄像机及镜头、补光灯、红灯信号采集模块、GPS模块、防雷模块、电源控制模块、开关量I/O模块、网络传输设备组成。监测主机利用I/O模块采集信号灯数据并利用高性能的视频检测技术和车牌识别算法检测车的运动状态，然后根据车辆的运行方向、角度、面积和车牌信息综合检测车辆的通行记录。然后将检测到的车辆通行信息上传至中心服务器。利用高清视频流进行交通数据检测，除能够获取流量、占有率和平均速度外，还可实时获取准确的车牌信息，通过车牌信息可计算出区域动态OD数据(即动态起讫点数据，O表示起点，D表示讫点)。
本发明所述的基于高清视频检测数据的区域动态OD数据获取方法，具体包括如下步骤：
1、由于交通信号控制系统的运算时间、控制时间以5分钟为最小时间单元，因此，以5分钟为最小时间单位；OD区域的划分则根据交通信号控制系统控制区域的大小进行划分，不同的交通信号控制系统可以有所不同；
2、每5分钟由交通控制中心对OD区域内各路口数据进行统一处理，获得动态OD数据矩阵，具体方法如下：
1)利用高清视频检测器检测车牌数据，将车牌识别数据进行打包上传至交通控制中心，打包数据中至少包含车牌号、通过路口ID编号、通过时间等关键数据；
2)比对车牌号和通过路口ID编号，获取车辆通过各个路口的时间；
3)以车辆号为线索，获取每个车辆由O点到D点所通过路径中各个路口的编号，并按时间顺序进行路口排序；
4)根据第i节点和第j节点之间通过车辆的数量，计算qij形成动态OD数据矩阵，满足
其中，qij为以i点为起点以j点为终点的出行量，
Dj表示区域内以j点为终点的出行量，Oi表示区域内以i点为起点的出行量，T表示区域内发生的出行总量。
其中，在上述的基于高清视频流数据的区域动态OD数据获取方法中，利用高清视频检测器检测车牌数据；
进一步的，在交叉口各方向距离停车线20-35米之间安置高清视频检测器，设置高清视频检测器所使用的虚拟线圈检测器的位置：
进一步的，在每条车道均设置一个虚拟线圈，且位于停车线后，将高清视频检测器ID号、交叉口ID号和虚拟线圈ID号进行对应。
通过高清视频检测器获得的车牌识别信息，可以获知同一车辆在通过干线上不同路口之间的具体时间，且精确到毫秒，即每辆车所经过的路径都能被准确跟踪。因此，当确定信号面控区域后能够准确的知道车辆通过该区域的具体行踪，一方面能获知受控交通信号子区的动态OD，另一方面同时能够计算出同一OD对在该受控子区内的路径选择概率。
附图说明
图1是基于高清视频检测的动态OD数据获取的设备设置示意图；
图2是本发明所述的基于车牌识别数据的区域动态OD数据获取方法实施方式中的路口平面设置图；
图3是通过本发明所述的区域动态OD数据获取方法得到的动态OD数据矩阵。
具体实施方式
为了使本领域的技术人员对本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
基于高清视频检测的动态OD数据获取的设备设置示意图如图1所示。本发明所述的基于车牌识别数据的区域动态OD数据获取方法的实施过程具体如下：
1、以5分钟为最小时间单位，选定OD区域，在数据库中确定高清摄像机ID号和交叉口ID号之间的对应关系。
2、安装高清视频检测设备并设置虚拟线圈：
(1)若采用CCD 16mm 2/3的镜头，高清摄像机应安装在25-30m的位置；若采用CCD 16mm1/2的镜头，高清摄像机应安装在30-35m的距离；
(2)通过区域划分定义虚拟线圈，虚拟线圈位于停车线后。具体在十字交叉口的设置如图2所示。将高清摄像机ID号、交叉口ID号和虚拟线圈ID号进行对应。
(3)车辆通过虚拟线圈时，利用虚拟线圈的检测下降沿和运动方向作为照片触发条件，记录通过车辆的类型、车牌号码及通过时间。
(4)图像分辨率为2592×1936，清晰记录车牌信息，并可准确识别车牌。车辆通行信息照片格式为两张照片合成，加印高清摄像机ID号、交叉口ID号和精确到毫秒的时间信息。车牌识别结果包括号牌号码、号牌颜色、车辆类型、车牌位置信息。车牌识别技术指标符合GA/T 833-2009《机动车号牌图像自动识别技术规范》，白天号牌识别准确率大于等于90％，夜间号牌识别准确率大于等于80％。
3、每5分钟由交通控制中心对区域内各路口数据进行统一处理，获得动态OD数据矩阵，具体方法如下：
(1)利用高清视频检测器检测车牌数据，将车牌识别数据进行打包上传至交通控制中心，打包数据中包含通过路口ID编号、摄像机ID号、车牌号、通过时间数据；
(2)在交通控制中心比对车牌号和通过路口ID编号，获取车辆通过各个路口的时间；
(3)以车辆编号为线索，获取每个车辆由O点到D点所通过路径中各个路口的编号，并按时间顺序进行路口排序；
(4)根据第i节点和第j节点之间通过车辆的数量，计算qij形成动态OD数据矩阵，如附图3所示，满足
其中，qij为以i点为起点以j点为终点的出行量，Dj表示区域内以j点为终点的出行量，Oi表示区域内以i点为起点的出行量，T表示区域内发生的出行总量。
通过高清视频流检测器获得的车牌识别信息，可以获知同一车辆在通过干线上不同路口之间的具体时间，且精确到毫秒，即每辆车所经过的路径都能被准确跟踪。因此，当确定信号面控区域后能够准确的知道车辆通过该区域的具体行踪，一方面能获知受控交通信号子区的动态OD，另一方面同时能够计算出同一OD对在该受控子区内的路径选择概率。
以上描述了本发明的基本原理和主要特征以及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种基于高清视频检测数据的区域动态OD矩阵获取方法，动态OD数据即动态起讫点数据，O表示起点，D表示讫点；方法具体包括如下步骤：
1.以5分钟为最小时间单位，根据交通信号控制系统控制区域的大小划分OD区域；
2.每5分钟由交通控制中心对区域内各路口数据进行统一处理，获得动态OD数据矩阵，具体方法如下：
1)检测车牌数据，将车牌识别数据进行打包上传至交通控制中心，打包数据中具有包含车牌号、通过路口ID编号、通过时间的关键数据；
2)比对车牌号和通过路口ID编号，获取车辆通过各个路口的时间；
3)以车牌号为线索，获取每个车辆由O点到D点所通过路径中各个路口的编号，并按时间顺序进行路口排序；
4)根据第i节点和第j节点之间通过车辆的数量，计算qij形成动态OD数据矩阵，满足
其中，qij为以i点为起点以j点为终点的出行量，Dj表示区域内以j点为终点的出行量，Oi表示区域内以i点为起点的出行量，T表示区域内发生的出行总量。
2.如权利要求1所述的基于高清视频检测数据的区域动态OD矩阵获取方法，其特征在于，利用高清视频流检测器检测车牌数据。
3.如权利要求2所述的基于高清视频检测数据的区域动态OD矩阵获取方法，其特征在于，在交叉口各方向距离停车线20-35米之间安置高清视频检测器。
4.如权利要求2所述的基于高清视频检测数据的区域动态OD矩阵获取方法，其特征在于，设置高清视频检测器所使用的虚拟线圈检测器的位置：在每条车道均设置一个虚拟线圈，且位于停车线后，将高清视频检测器ID号、交叉口ID号和虚拟线圈ID号进行对应。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010105186460A CN102013159A (zh) | 2010-10-26 | 2010-10-26 | 基于高清视频检测数据的区域动态od矩阵获取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010105186460A CN102013159A (zh) | 2010-10-26 | 2010-10-26 | 基于高清视频检测数据的区域动态od矩阵获取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102013159A true CN102013159A (zh) | 2011-04-13 |
Family
ID=43843318
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010105186460A Pending CN102013159A (zh) | 2010-10-26 | 2010-10-26 | 基于高清视频检测数据的区域动态od矩阵获取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102013159A (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521965A (zh) * | 2011-12-09 | 2012-06-27 | 同济大学 | 基于车牌识别数据的交通需求管理措施效果评价方法 |
| CN102542797A (zh) * | 2010-12-09 | 2012-07-04 | 财团法人工业技术研究院 | 图像式的交通参数检测系统与方法及计算机程序产品 |
| CN102708698A (zh) * | 2012-06-12 | 2012-10-03 | 北京理工大学 | 基于车联网的车辆最优路径导航方法 |
| CN103646187A (zh) * | 2013-12-27 | 2014-03-19 | 中国科学院自动化研究所 | 一种统计周期内车辆出行路线及od矩阵获取方法 |
| CN103903437A (zh) * | 2014-02-27 | 2014-07-02 | 中国科学院自动化研究所 | 基于视频交通检测数据的机动车出行od矩阵获取方法 |
| WO2015018445A1 (en) | 2013-08-08 | 2015-02-12 | Telecom Italia S.P.A. | Management of data collected for traffic analysis |
| CN105427602A (zh) * | 2015-12-16 | 2016-03-23 | 浙江宇视科技有限公司 | 一种车辆出行主题确定方法及装置 |
| WO2016107646A1 (en) | 2014-12-30 | 2016-07-07 | Telecom Italia S.P.A. | Method and system for real-time computing of origin-destination matrices relating to attendees at a public happening through analysis of mobile communication network data |
| WO2016107645A1 (en) | 2014-12-30 | 2016-07-07 | Telecom Italia S.P.A. | Method and system for a posteriori computation of origin-destination matrices relating to gathering of people through analysis of mobile communication network data |
| CN106251633A (zh) * | 2016-08-09 | 2016-12-21 | 成都联众智科技有限公司 | 车牌自动识别与跟踪系统 |
| WO2017025134A1 (en) | 2015-08-11 | 2017-02-16 | Telecom Italia S.P.A. | Method and system for computing an o-d matrix obtained through radio mobile network data |
| CN106709476A (zh) * | 2017-01-24 | 2017-05-24 | 福州市规划设计研究院 | 一种交叉路口od调查方法 |
| CN106909612A (zh) * | 2017-01-11 | 2017-06-30 | 浙江宇视科技有限公司 | 一种跟随行为数据的处理方法和装置 |
| CN108109383A (zh) * | 2016-11-25 | 2018-06-01 | 杭州海康威视数字技术股份有限公司 | 一种信息确定方法及装置 |
| CN108122069A (zh) * | 2017-12-08 | 2018-06-05 | 杭州电子科技大学 | 基于海量交通数据居民出行起点终点矩阵提取方法 |
| CN108596381A (zh) * | 2018-04-18 | 2018-09-28 | 北京交通大学 | 基于od数据的城市停车需求预测方法 |
| CN110779539A (zh) * | 2019-10-23 | 2020-02-11 | 招商华软信息有限公司 | 行车路径修正方法、装置、设备和存储介质 |
| CN110910647A (zh) * | 2019-12-17 | 2020-03-24 | 江苏智城慧宁交通科技有限公司 | 基于电子警察的交通出行od矩阵估计系统 |
| IT202000012748A1 (it) | 2020-05-28 | 2021-11-28 | Telecom Italia Spa | Metodo e sistema per calcolare matrici origine-destinazione sfruttando dati di una rete di comunicazioni mobili |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101110160A (zh) * | 2007-08-31 | 2008-01-23 | 天津大学 | 融合rfid与机器视觉的车辆交通信息监测方法与系统 |
| CN101295326A (zh) * | 2008-05-30 | 2008-10-29 | 同济大学 | 基于gps数据生成od矩阵的方法及其交通仿真的方法 |
| CN101325008A (zh) * | 2008-07-25 | 2008-12-17 | 浙江大学 | 一种城市交通干线动态双向绿波带智能协调控制方法 |
-
2010
- 2010-10-26 CN CN2010105186460A patent/CN102013159A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101110160A (zh) * | 2007-08-31 | 2008-01-23 | 天津大学 | 融合rfid与机器视觉的车辆交通信息监测方法与系统 |
| CN101295326A (zh) * | 2008-05-30 | 2008-10-29 | 同济大学 | 基于gps数据生成od矩阵的方法及其交通仿真的方法 |
| CN101325008A (zh) * | 2008-07-25 | 2008-12-17 | 浙江大学 | 一种城市交通干线动态双向绿波带智能协调控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 巢国平等: "基于车牌识别的快速路OD信息采集技术", 《中国交通信息产业》, no. 9, 30 September 2009 (2009-09-30) * |
| 魏静: "基于视频牌照检测的动态OD矩阵获取方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 8, 31 August 2008 (2008-08-31), pages 14 - 30 * |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542797A (zh) * | 2010-12-09 | 2012-07-04 | 财团法人工业技术研究院 | 图像式的交通参数检测系统与方法及计算机程序产品 |
| US9058744B2 (en) | 2010-12-09 | 2015-06-16 | Industrial Technology Research Institute | Image based detecting system and method for traffic parameters and computer program product thereof |
| CN102542797B (zh) * | 2010-12-09 | 2014-07-09 | 财团法人工业技术研究院 | 图像式的交通参数检测系统与方法 |
| CN102521965B (zh) * | 2011-12-09 | 2013-08-14 | 同济大学 | 基于车牌识别数据的交通需求管理措施效果评价方法 |
| CN102521965A (zh) * | 2011-12-09 | 2012-06-27 | 同济大学 | 基于车牌识别数据的交通需求管理措施效果评价方法 |
| CN102708698A (zh) * | 2012-06-12 | 2012-10-03 | 北京理工大学 | 基于车联网的车辆最优路径导航方法 |
| CN102708698B (zh) * | 2012-06-12 | 2014-07-02 | 北京理工大学 | 基于车联网的车辆最优路径导航方法 |
| WO2015018445A1 (en) | 2013-08-08 | 2015-02-12 | Telecom Italia S.P.A. | Management of data collected for traffic analysis |
| CN103646187B (zh) * | 2013-12-27 | 2017-02-08 | 中国科学院自动化研究所 | 一种统计周期内车辆出行路线及od矩阵获取方法 |
| CN103646187A (zh) * | 2013-12-27 | 2014-03-19 | 中国科学院自动化研究所 | 一种统计周期内车辆出行路线及od矩阵获取方法 |
| CN103903437A (zh) * | 2014-02-27 | 2014-07-02 | 中国科学院自动化研究所 | 基于视频交通检测数据的机动车出行od矩阵获取方法 |
| WO2016107646A1 (en) | 2014-12-30 | 2016-07-07 | Telecom Italia S.P.A. | Method and system for real-time computing of origin-destination matrices relating to attendees at a public happening through analysis of mobile communication network data |
| WO2016107645A1 (en) | 2014-12-30 | 2016-07-07 | Telecom Italia S.P.A. | Method and system for a posteriori computation of origin-destination matrices relating to gathering of people through analysis of mobile communication network data |
| WO2017025134A1 (en) | 2015-08-11 | 2017-02-16 | Telecom Italia S.P.A. | Method and system for computing an o-d matrix obtained through radio mobile network data |
| CN105427602A (zh) * | 2015-12-16 | 2016-03-23 | 浙江宇视科技有限公司 | 一种车辆出行主题确定方法及装置 |
| CN106251633A (zh) * | 2016-08-09 | 2016-12-21 | 成都联众智科技有限公司 | 车牌自动识别与跟踪系统 |
| CN108109383B (zh) * | 2016-11-25 | 2021-04-16 | 杭州海康威视数字技术股份有限公司 | 一种信息确定方法及装置 |
| CN108109383A (zh) * | 2016-11-25 | 2018-06-01 | 杭州海康威视数字技术股份有限公司 | 一种信息确定方法及装置 |
| CN106909612A (zh) * | 2017-01-11 | 2017-06-30 | 浙江宇视科技有限公司 | 一种跟随行为数据的处理方法和装置 |
| CN106909612B (zh) * | 2017-01-11 | 2020-12-29 | 浙江宇视科技有限公司 | 一种跟随行为数据的处理方法和装置 |
| CN106709476A (zh) * | 2017-01-24 | 2017-05-24 | 福州市规划设计研究院 | 一种交叉路口od调查方法 |
| CN108122069A (zh) * | 2017-12-08 | 2018-06-05 | 杭州电子科技大学 | 基于海量交通数据居民出行起点终点矩阵提取方法 |
| CN108122069B (zh) * | 2017-12-08 | 2021-10-15 | 杭州电子科技大学 | 基于海量交通数据居民出行起点终点矩阵提取方法 |
| CN108596381A (zh) * | 2018-04-18 | 2018-09-28 | 北京交通大学 | 基于od数据的城市停车需求预测方法 |
| CN110779539A (zh) * | 2019-10-23 | 2020-02-11 | 招商华软信息有限公司 | 行车路径修正方法、装置、设备和存储介质 |
| CN110779539B (zh) * | 2019-10-23 | 2021-07-06 | 招商华软信息有限公司 | 行车路径修正方法、装置、设备和存储介质 |
| CN110910647A (zh) * | 2019-12-17 | 2020-03-24 | 江苏智城慧宁交通科技有限公司 | 基于电子警察的交通出行od矩阵估计系统 |
| IT202000012748A1 (it) | 2020-05-28 | 2021-11-28 | Telecom Italia Spa | Metodo e sistema per calcolare matrici origine-destinazione sfruttando dati di una rete di comunicazioni mobili |
| WO2021239521A1 (en) | 2020-05-28 | 2021-12-02 | Telecom Italia S.P.A. | Method and system for calculating origin-destination matrices exploiting mobile communication network data |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102013159A (zh) | 基于高清视频检测数据的区域动态od矩阵获取方法 | |
| Koukoumidis et al. | Signalguru: leveraging mobile phones for collaborative traffic signal schedule advisory | |
| Moers et al. | The exid dataset: A real-world trajectory dataset of highly interactive highway scenarios in germany | |
| CN109272756B (zh) | 一种信控交叉口排队长度估计方法 | |
| CN106530794B (zh) | 行车道路的自动识别和校准方法及系统 | |
| Koukoumidis et al. | Leveraging smartphone cameras for collaborative road advisories | |
| CN104296756B (zh) | 运行机动车的方法和机动车 | |
| CN106297330B (zh) | 减少行人过街对平面感知信号控制效率影响的方法及系统 | |
| Ma et al. | Lane-based saturation degree estimation for signalized intersections using travel time data | |
| GB2596940A (en) | Systems and methods for vehicle navigation | |
| CN109191830B (zh) | 一种基于视频图像处理的道路拥堵检测方法 | |
| WO2017035663A1 (en) | System and method for detecting and tracking objects | |
| Song et al. | Vehicle behavior analysis using target motion trajectories | |
| CN115719481A (zh) | 用于涉及交通灯和交通标志的交通工具导航的系统和方法 | |
| CN103177585B (zh) | 基于浮动车数据计算路段各转向平均行程车速方法 | |
| CN111898491B (zh) | 一种车辆逆向行驶的识别方法、装置及电子设备 | |
| CN113570864B (zh) | 一种电动自行车行驶路径匹配方法、设备及存储介质 | |
| CN103810854B (zh) | 一种基于人工标定的智能交通参数检测方法 | |
| CN106372619A (zh) | 一种车辆鲁棒检测及分车道到达累计曲线估计方法 | |
| CN101976508A (zh) | 基于车牌识别数据的交通信号干线相位差优化方法 | |
| Yao et al. | Developing operating mode distribution inputs for MOVES with a computer vision–based vehicle data collector | |
| CN110610118A (zh) | 交通参数采集方法及装置 | |
| CN106448191A (zh) | 一种能兼顾行人的平面感知路口交通信号控制方法及系统 | |
| Zheng et al. | Detecting cycle failures at signalized intersections using video image processing | |
| CN114730492A (zh) | 断言交通工具检测模型生成和实现 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110413 |