发明内容
针对现有方法中存在的上述不足之处,本发明提供了一种利用公交车的视频图像采集手段进行交通拥堵检测的方法。由于公交车的行车范围涵盖了城市大多数公共交通路段,特别是交通流量高容易发生拥堵的路段,利用安装在公交车上的摄像头所提供的路况信息,并结合公交车的速度等信息进行交通拥堵的识别检测,可以弥补现有的交通拥堵检测方法的不足,进一步提高检测精度。
为解决上述技术问题,本发明采用的一个技术方案是:
提供一种基于公交车数据采集的交通拥堵检测系统,包括数据中心以及与数据中心通信连接的至少一个车载信息终端,所述数据中心包括生成模块、第一筛选模块、第二筛选模块、确认模块;所述车载信息终端用于定期采集行车数据并上传至数据中心,所述行车数据包括车辆位置信息、时间、速度、车辆标志信息;所述生成模块用于将所述车辆位置信息与GIS系统中的路段信息集合R中路段信息进行匹配以获得车辆所处的路段信息,并以滑动时间窗口采样的方法将行车数据和车辆标志信息一并存储到当前行车数据集合X中;所述第一筛选模块用于定期从当前行车数据集合X提取行车数据,计算各车辆的速度平均值,然后根据各车辆的速度平均值和车辆所处的路段信息确定车辆行驶状态,获得非顺畅行车车辆集合C;所述第二筛选模块用于判断每个路段上所有车辆是否都属于非顺畅行车车辆集合C,若是则将该路段加入准拥堵行车路段集合S中;所述确认模块用于获取位于准拥堵行车路段集合S中的路段上车辆的视频图像,接收通过人工判断确认的路段拥堵情况,将确认为拥堵路段的路段加入拥堵路段集合B。
其中,所述生成模块进一步包括行车数据集合生成子模块、匹配子模块以及无效数据清空子模块;所述车载信息终端用于以时间间隔τ、滑动时间窗口长度T1,定期采集当前行车数据并上传到数据中心,当前行车数据包括车辆位置信息l、速度v、时间t、以及车辆标志信息b;所述行车数据集合生成子模块用于通过滑动时间窗口采样方法得到m辆车辆的当前行车数据集合X(m,n):X(m,n)={xi,j|i∈[1,m],j∈[1,n]},其中,n=T1/τ;所述匹配子模块用于将车辆位置信息与GIS系统中路段信息集合R中的路段信息匹配,获得车辆所处的路段:当车辆位置信息X(m,n).l∈areas时,车辆所处的路段X(m,n).r=s,其中,R={R1,R2,…Rs,…Rn},Rs=<areas,s>,s为路段编号,areas为相应路段编号s的路段信息;所述无效数据清空子模块用于清空当前行车数据集合X(m,n)中无效的行车数据:其中,υ是最小限定时速,E是车辆始发站集合。
其中,所述第一筛选模块进一步包括速度平均值运算子模块以及非顺畅行车车辆集合生成子模块;所述速度平均值运算子模块用于根据车辆所处的路段计算其在ΔT内的速度平均值;所述非顺畅行车车辆集合生成子模块用于当车辆在ΔT内的速度平均值小于最小限定时速,则将其放入非顺畅行车车辆集合C中:
其中,CS为十字路口路段的集合,BS为车站路段的集合,NS为一般道路路段的集合,v
2是对位于十字路口路段内的车辆设定的第二最小限定时速,v
3是对位于车站路段内的车辆设定的第三最小限定时速,v
4是对位于普通路段内的车辆设定的第四最小限定时速。
其中,所述第二筛选模块进一步包括路段车辆集合生成子模块以及拥堵路段集合生成子模块;所述路段车辆集合生成子模块用于根据当前行车数据集合X和非顺畅行车车辆集合C,得到行驶在路段k上的拥堵车辆集合[C1
k]以及行驶在路段k上的所有车辆集合[C2
k]:
所述拥堵路段集合生成子模块用于判断路段k上的拥堵车辆集合[C1
k]是否等于所有车辆集合[C2
k],并当判定[C1
k]=[C2
k]时将路段k放入准拥堵路段集合S中,其中
其中,所述确认模块进一步包括视频提取子模块、拥堵情况获取子模块、第一拥堵路段集合生成子模块、待确认路段管理子模块、第二拥堵路段集合生成子模块;所述视频提取子模块用于提取当前ΔT
2时间内行驶在准拥堵路段集合S中的准拥堵路段S
i上的所有车辆集合
的视频;所述拥堵情况获取子模块用于接收通过观看车辆集合
的视频人工判断确认的准拥堵路段S
i的拥堵情况,所述拥堵情况包括拥堵路段和无法判断拥堵情况;所述第一拥堵路段集合生成子模块用于将确认为拥堵路段的准拥堵路段S
i加入拥堵路段集合B中;所述待确认路段管理子模块用于将确认为无法判断拥堵情况的准拥堵路段S
i加入待确认路段集合U中;所述第二拥堵路段集合生成子模块用于判断在ΔT
3时间内准拥堵路段S
i是否一直处于待确认路段集合U中,若是则将准拥堵路段S
i由待确认路段集合U移至拥堵路段集合B中。
本发明采用的另一个技术方案是:
提供一种基于公交车数据采集的交通拥堵检测方法,运行于所述的一种基于公交车数据采集的交通拥堵检测系统中,所述基于公交车数据采集的交通拥堵检测方法包括如下步骤:S10、生成当前行车数据集合X:车载信息终端定期采集行车数据并上传至数据中心,所述行车数据包括车辆位置信息、时间、速度、车辆标志信息;数据中心将所述车辆位置信息与GIS系统中的路段信息集合R中路段信息进行匹配以获得车辆所处的路段信息,并以滑动时间窗口采样的方法将行车数据和车辆标志信息一并存储到当前行车数据集合X中;S20、筛选出非顺畅行车车辆集合C:数据中心定期从当前行车数据集合X提取行车数据,计算各车辆的速度平均值,然后根据各车辆的速度平均值和车辆所处的路段信息确定车辆行驶状态,获得非顺畅行车车辆集合C;S30、筛选出准拥堵行车路段集合S:判断每个路段上所有车辆是否都属于非顺畅行车车辆集合C,若是则将该路段放入准拥堵行车路段集合S中;以及S40、通过视频分析确认拥堵路段集合B:数据中心获取位于准拥堵行车路段集合S中的路段上车辆的视频图像,接收通过人工判断确认的路段的拥堵情况,将确认为拥堵路段的路段加入拥堵路段集合B。
其中,所述步骤S10进一步包括:S11、车载信息终端以时间间隔τ、滑动时间窗口长度T
1,定期采集车辆位置信息l、速度v、时间t、以及车辆标志信息b,并上传到数据中心;S12、数据中心通过滑动时间窗口采样方法得到m辆车辆的当前行车数据集合X(m,n):X(m,n)={x
i,j|i∈[1,m],j∈[1,n]},其中,n=T
1/τ;S13、数据中心将车辆位置信息与GIS系统中路段信息集合R中的路段信息匹配,获得车辆所处的路段:当车辆位置信息X(m,n).l∈area
s时,车辆所处的路段X(m,n).r=s,其中,R={R1,R2,…Rs,…Rn},Rs=<area
s,s>,s为路段编号,area
s为相应路段编号s的路段信息;以及S14、清空当前行车数据集合X(m,n)中无效的行车数据:
其中,υ是最小限定时速,E是车辆始发站集合。
其中,所述步骤S20进一步包括:根据车辆所处的路段计算其在ΔT内的速度平均值,如果速度平均值小于最小限定时速,则将其放入非顺畅行车车辆集合C中:
其中,CS为十字路口路段的集合,BS为车站路段的集合,NS为一般道路路段的集合,v
2是对位于十字路口路段内的车辆设定的第二最小限定时速,v
3是对位于车站路段内的车辆设定的第三最小限定时速,v
4是对位于普通路段内的车辆设定的第四最小限定时速。
其中,所述步骤S30进一步包括:S31、根据当前行车数据集合X和非顺畅行车车辆集合C,得到行驶在路段k上的拥堵车辆集合[C1
k]以及行驶在路段k上的所有车辆集合[C2
k]:
以及S32、判断路段k上的拥堵车辆集合[C1
k]是否等于所有车辆集合[C2
k],如果[C1
k]=[C2
k]则将路段k放入准拥堵路段集合S中,其中
其中,所述步骤S40进一步包括:S41、数据中心提取当前ΔT
2时间内行驶在准拥堵路段集合S中的准拥堵路段S
i上的所有车辆集合
的视频;S42、接收通过观看车辆集合
的视频人工判断确认的准拥堵路段S
i的拥堵情况,所述拥堵情况包括拥堵路段和无法判断拥堵情况;S43、将确认为拥堵路段的准拥堵路段S
i加入拥堵路段集合B中;S44、将确认为无法判断拥堵情况的准拥堵路段S
i加入待确认路段集合U中;以及S45、判断在ΔT
3时间内准拥堵路段S
i是否一直处于待确认路段集合U中,若是则将准拥堵路段S
i由待确认路段集合U移至拥堵路段集合B中。
本发明的有益效果在于:利用行驶中的车辆搜集行车数据和视频图像,并先将行车数据通过移动通信技术实时上传到数据中心,数据中心通过分析行车数据初步判定准拥堵路段,再通过移动通信技术获取行驶在这些路段上的视频图像从而确认拥堵路段,结合道路视频图像进行交通拥堵的检测,相比较仅仅应用行车数据进行检测的方法,检测准确度更高。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果,以下结合实施方式并配合附图详予说明。
请参阅图1,是本发明一实施方式中一种基于公交车数据采集的交通拥堵检测系统的系统架构图。该基于公交车数据采集的交通拥堵检测系统包括数据中心10以及与数据中心10通信连接的至少一个车载信息终端20。
所述车载信息终端20用于定期采集行车数据并上传至数据中心10。所述行车数据包括车辆位置信息、时间、速度、车辆标志信息。
所述数据中心10包括生成模块11、第一筛选模块12、第二筛选模块13、确认模块14。
所述生成模块11用于将所述车辆位置信息与GIS系统中的路段信息集合R中路段信息进行匹配以获得车辆所处的路段信息,并以滑动时间窗口采样的方法将行车数据和车辆标志信息一并存储到当前行车数据集合X中。
所述第一筛选模块12用于定期从当前行车数据集合X提取行车数据,计算各车辆的速度平均值,然后根据各车辆的速度平均值和车辆所处的路段信息确定车辆行驶状态,获得非顺畅行车车辆集合C。
所述第二筛选模块13用于判断每个路段上所有车辆是否都属于非顺畅行车车辆集合C,若是则将该路段加入准拥堵行车路段集合S中;
所述确认模块14用于获取位于准拥堵行车路段集合S中的路段上车辆的视频图像,接收通过人工判断确认的路段拥堵情况,将确认为拥堵路段的路段加入拥堵路段集合B。
请参阅图2,是生成模块的结构框图。具体地,所述生成模块11进一步包括行车数据集合生成子模块111、匹配子模块112以及无效数据清空子模块113。
所述车载信息终端10用于以时间间隔τ、滑动时间窗口长度T1,定期采集当前行车数据并上传到数据中心20,当前行车数据包括车辆位置信息l、速度v、时间t、以及车辆标志信息b。
所述行车数据集合生成子模块111用于通过滑动时间窗口采样方法得到m辆车辆的当前行车数据集合X(m,n):X(m,n)={xi,j|i∈[1,m],j∈[1,n]},其中,n=T1/τ。
所述匹配子模块112用于将车辆位置信息与GIS系统中路段信息集合R中的路段信息匹配,获得车辆所处的路段:当车辆位置信息X(m,n).l∈areas时,车辆所处的路段X(m,n).r=s,其中,R={R1,R2,…Rs,…Rn},Rs=<areas,s>,s为路段编号,areas为相应路段编号s的路段信息;
所述无效数据清空子模块113用于清空当前行车数据集合X(m,n)中无效的行车数据:
其中,υ是最小限定时速,E是车辆始发站集合。
请参阅图3,是第一筛选模块的结构框图。在本实施方式中,所述第一筛选模块12进一步包括速度平均值运算子模块121以及非顺畅行车车辆集合生成子模块122。
所述速度平均值运算子模块121用于根据行车数据和车辆所处的路段类型计算其在ΔT内的速度平均值。
所述非顺畅行车车辆集合生成子模块122用于当车辆在ΔT内的速度平均值小于最小限定时速,则将其放入非顺畅行车车辆集合C中:
其中,CS为十字路口路段的集合,BS为车站路段的集合,NS为一般道路路段的集合,v2是对位于十字路口路段内的车辆设定的第二最小限定时速,v3是对位于车站路段内的车辆设定的第三最小限定时速,v4是对位于普通路段内的车辆设定的第四最小限定时速。
请参阅图4,是第二筛选模块的结构框图。在本实施方式中,所述第二筛选模块13进一步包括路段车辆集合生成子模块131以及拥堵路段集合生成子模块132。
所述路段车辆集合生成子模块131用于根据当前行车数据集合X和非顺畅行车车辆集合C,得到行驶在路段k上的拥堵车辆集合[C1
k]以及行驶在路段k上的所有车辆集合[C2
k]:
所述拥堵路段集合生成子模块132用于判断路段k上的拥堵车辆集合[C1
k]是否等于所有车辆集合[C2
k],并当判定[C1
k]=[C2
k]时将路段k放入准拥堵路段集合S中,其中
请参阅图5,是确认模块的结构框图。在本实施方式中,所述确认模块14进一步包括视频提取子模块141、拥堵情况获取子模块142、第一拥堵路段集合生成子模块143、待确认路段管理子模块144、第二拥堵路段集合生成子模块145。
所述视频提取子模块141用于提取当前ΔT
2时间内行驶在准拥堵路段集合S中的准拥堵路段S
i上的所有车辆集合
的视频。
所述拥堵情况获取子模块142用于接收通过观看车辆集合
的视频人工判断确认的准拥堵路段S
i的拥堵情况,所述拥堵情况包括拥堵路段和无法判断拥堵情况。
所述第一拥堵路段集合生成子模块143用于将确认为拥堵路段的准拥堵路段Si加入拥堵路段集合B中。
所述待确认路段管理子模块144用于将确认为无法判断拥堵情况的准拥堵路段Si加入待确认路段集合U中。
所述第二拥堵路段集合生成子模块145用于判断在ΔT3时间内准拥堵路段Si是否一直处于待确认路段集合U中,若是则将准拥堵路段Si由待确认路段集合U移至拥堵路段集合B中。
请参阅图6,是本发明一实施方式中一种基于公交车数据采集的交通拥堵检测方法的执行流程图。该基于公交车数据采集的交通拥堵检测方法运行于所述基于公交车数据采集的交通拥堵检测系统中,该基于公交车数据采集的交通拥堵检测方法包括如下步骤:
步骤S10、生成当前行车数据集合X:
车载信息终端定期采集行车数据并上传至数据中心,所述行车数据包括车辆位置信息、时间、速度、车辆标志信息;
数据中心将所述车辆位置信息与GIS系统中的路段信息集合R中路段信息进行匹配以获得车辆所处的路段信息,并以滑动时间窗口采样的方法将行车数据和车辆标志信息一并存储到当前行车数据集合X中;
步骤S20、筛选出非顺畅行车车辆集合C:
数据中心定期从当前行车数据集合X提取行车数据,计算各车辆的速度平均值,然后根据各车辆的速度平均值和车辆所处的路段信息确定车辆行驶状态,获得非顺畅行车车辆集合C;
步骤S30、筛选出准拥堵行车路段集合S:
判断每个路段上所有车辆是否都属于非顺畅行车车辆集合C,若是则将该路段放入准拥堵行车路段集合S中;
步骤S40、通过视频分析确认拥堵路段集合B:
数据中心获取位于准拥堵行车路段集合S中的路段上车辆的视频图像,接收通过人工判断确认的路段的拥堵情况,将确认为拥堵路段的路段加入拥堵路段集合B。
其中,所述步骤S10进一步包括:
步骤S11、车载信息终端以时间间隔τ、滑动时间窗口长度T1,定期采集车辆位置信息l、速度v、时间t、以及车辆标志信息b,并上传到数据中心;
步骤S12、数据中心通过滑动时间窗口采样方法得到m辆车辆的当前行车数据集合X(m,n):
X(m,n)={xi,j|i∈[1,m],j∈[1,n]},其中,n=T1/τ;
步骤S13、数据中心将车辆位置信息与GIS系统中路段信息集合R中的路段信息匹配,获得车辆所处的路段:
当车辆位置信息X(m,n).l∈areas时,车辆所处的路段X(m,n).r=s,
其中,R={R1,R2,…Rs,…Rn},Rs=<areas,s>,s为路段编号,areas为相应路段编号s的路段信息;
S14、清空当前行车数据集合X(m,n)中无效的行车数据:
其中,υ是最小限定时速,E是车辆始发站集合。
在本实施方式中,所述步骤S20进一步包括:
根据车辆所处的路段计算其在ΔT内的速度平均值,如果速度平均值小于最小限定时速,则将其放入非顺畅行车车辆集合C中:
其中,CS为十字路口路段的集合,BS为车站路段的集合,NS为一般道路路段的集合,v2是对位于十字路口路段内的车辆设定的第二最小限定时速,v3是对位于车站路段内的车辆设定的第三最小限定时速,v4是对位于普通路段内的车辆设定的第四最小限定时速。
在本实施方式中,所述步骤S30进一步包括:
步骤S31、根据当前行车数据集合X和非顺畅行车车辆集合C,得到行驶在路段k上的拥堵车辆集合[C1
k]以及行驶在路段k上的所有车辆集合[C2
k]:
步骤S32、判断路段k上的拥堵车辆集合[C1k]是否等于所有车辆集合[C2k],如果[C1k]=[C2k]则将路段k放入准拥堵路段集合S中,其中
在本实施方式中,所述步骤S40进一步包括:
步骤S41、数据中心提取当前ΔT
2时间内行驶在准拥堵路段集合S中的准拥堵路段S
i上的所有车辆集合
的视频。
其中,行驶在准拥堵路段k的车辆集合[C3k]:
步骤S42、接收通过观看车辆集合
的视频人工判断确认的准拥堵路段S
i的拥堵情况,所述拥堵情况包括拥堵路段和无法判断拥堵情况。
步骤S43、将确认为拥堵路段的准拥堵路段Si加入拥堵路段集合B中。
步骤S44、将确认为无法判断拥堵情况的准拥堵路段Si加入待确认路段集合U中。
步骤S45、判断在ΔT3时间内准拥堵路段Si是否一直处于待确认路段集合U中,若是则将准拥堵路段Si由待确认路段集合U移至拥堵路段集合B中。
本发明利用车载信息终端定期采集车辆编号、车辆位置、时间和速度等行车信息,并将采集的数据通过移动通信技术上传到数据中心;数据中心对所接收到的数据信息进行预处理,依据公交车所处的路段类型和平均车速,筛选出非顺畅行车的公交车辆集合;判断各个路段上公交车的行驶情况,如果某个路段上的所有公交车都位于非顺畅行车的车辆集合中,则将该路段放入准拥堵路段集合;数据中心采集当前行驶在准拥堵路段上的公交车的视频信息,并将视频信息提交给人工进行判断,确认拥堵路段。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。