CN103514740B - 基于高清视频的交通拥堵监测方法及系统 - Google Patents

Abstract

本发明公开了一种基于高清视频的交通拥堵监测方法，它包括如下步骤：1）通过高清摄像机生成车道高清数字视频编码，传输至高清检测器；2）高清检测器根据车道高清数字视频编码生成车道交通数据信息；3）交通数据信息传输至拥堵处理服务器；4）拥堵服务器完成交通流数据采集过程、拥堵评判过程、拥堵数据管理过程、拥堵数据转发过程；基于高清视频的交通拥堵监测系统，包括高清摄像机、高清检测器、数据光端机、拥堵处理服务器、使用终端构成；高清摄像机与高清检测器连接，高清检测器通过数据光端机与拥堵处理服务器连接，拥堵处理服务器与使用终端连接。可在交通道路发生拥堵时，自动预警、报警，便于即时处理，达到降低拥堵造成社会、经济影响的效果。

Description

基于高清视频的交通拥堵监测方法及系统

【技术领域】

本发明涉及交通拥堵监测技术，具体涉及结合道路监控、多媒体数字编码、图像分析、交通状态评判和网络通信等于一体的基于高清视频的交通拥堵监测方法及系统。

【背景技术】

随着我国城市规模和经济建设的飞速发展，城市化进程的逐步加快，机动车保有量迅猛增长，与之相对应的城市道路基础设施建设远远跟不上交通需求量的增长，城市道路网中交通拥挤和交通堵塞的现象处处可见，交通拥挤严重的影响了人们的日常出行活动，制约着城市经济的发展。因此，对交通拥堵监测就显得尤其重要。交通拥堵的自动监测，就是要根据当前的交通流特征参数，迅速的对特征参量作出判断，检测出拥堵事件的存在，对监测到拥堵事件进行预、告警，使交通管理部门及时采取干预措施，最大限度的减少拥堵事件对正常交通的影响，提高城市交通运行效率，保证路网的畅通。

现有交通拥堵的监测主要通过线圈检测器或人工监测实现。人工监测效率较低信息交互能力较弱，效率不高；线圈检测器监测则只能监测到交通数据，系统安装时需要破坏路面施工，后续维护保障麻烦，且不能获取现场交通监控画面，存在一定的局限性。基于高清视频的交通拥堵监测方法及系统，通过高清监控视频进行拥堵监测，既可获取交通监测数据同时又可满足交通监控的需要，符合技术发展趋势及未来推广应用。

【发明内容】

本发明的目的在于有效克服上述技术的不足，提供一种基于高清视频的交通拥堵监测方法及系统；该系统可城市交通道路发生拥堵时能够自动预警、报警，交通管理处置机构可及时介入，降低拥堵造成社会、经济影响的问题。

本发明的技术方案是这样实现的：一种基于高清视频的交通拥堵监测方法，它包括如下步骤：

1)通过设置于监测道路旁边的高清摄像机采集车道内的影像，并生成车道高清数字视频编码的车辆图像，传输至高清检测器；

2)高清检测器根据车道高清数字视频编码的车辆图像生成车道交通数据信息；

3)车道交通数据信息传输至拥堵处理服务器；

4)拥堵处理服务器先对交通流数据进行采集，并利用该交通流数据进行拥堵评判，拥堵评判后生成交通数据信息及交通流状态数据；再将该交通数据信息及交通流状态数据进行存储管理，同时根据需要将该交通数据信息和/或交通流状态数据转发至用户终端。

下面对上述技术方案进一步阐述：

所述步骤2)具体包括以下步骤：

设定某一时刻的车辆图像为匹配车辆图像；所述某一时刻之后的车辆图像为待检测车辆图像；

21)高清检测器中的模型车辆检测模块将所述匹配车辆图像建立车辆三维模型，并形成该车辆三维模型在二维图像平面上的投影；再将所述投影与高清检测器中预先建立的车辆三维模型在所述二维图像平面上同一位置的投影相匹配；匹配后直接得到车辆的长、宽、高及车辆类型信息；通过二维到三维的匹配过程监测出移动车辆；

22)高清检测器中的车辆跟踪模块将步骤21)中建立的车辆三维模型与所述待检测车辆图像相匹配；在时域上，所述车辆跟踪模块检测出所述待检测车辆图像中各个车辆区域上的各车辆的各部位，勾勒出车辆的轮廓并且不断地在后续帧中更新轮廓；再结合车道区域中设定的检测标定物和检测区域来计算待检测车辆图像中各车辆位移，得出车道交通数据信息，所述车道交通数据信息包括车道流量、车道占有率。

所述步骤4)中的拥堵评判过程包括以下计算：

设定t0为起始时间，所在时间段[t0,t1],[t1,t2],[t2,t3]...[tj-1,tj]采样周期t的间隔时间相等，时间段[tj-1,tj]用sj表示，视频检测上游A区域在时间段sj内的流量、占有率和平均占有率分别用qA(j)、OCCA(j)和来表示,视频检测下游B区域在时间段sj内的流量、占有率和平均占有率分别用qB(j)、OCCB(j)和来表示,根据采集的交通数据信息分别计算上游A区域的流量增量ΔqA(j)，上游A区域的占有率增量ΔOCCA(j)，上游A区域和下游B区域的平均占有率绝对差ΔOCCAB(j)，上游A区域和下游B区域的平均占有率相对差ΔOC`CAB(j)，其中：

ΔqA(j)＝[qA(j)-qA(j-1)]/qA(j-1)；

ΔOCCA(j)＝[OCCA(j)-OCCA(j-1)]/OCCA(j-1)；

$\mathrm{\ΔOCCAB}\left(j\right)=\stackrel{\‾}{{\mathrm{OCC}}_A\left(j\right)}\_\stackrel{\‾}{{\mathrm{OCC}}_B\left(j\right)};$

$\mathrm{\ΔOC}`\mathrm{CAB}\left(j\right)=[\stackrel{\‾}{{\mathrm{OCC}}_A\left(j\right)}\_\stackrel{\‾}{{\mathrm{OCC}}_B\left(j\right)}]/\stackrel{\‾}{{\mathrm{OCC}}_B\left(j\right)};$

当ΔqA(j)<ΔOCCA(j)时，系统进入拥堵预警，开始以下对比

ΔOCCAB(j)的取值用α表示；

ΔOC`CAB(j)的取值用β表示；

并根据以下α与β取值范围评判矩阵进行交通流状态获取

交通流状态	α取值范围	β取值范围
			正常	α<0.5	β<1.0
慢行	0.5≤α<0.8	1.0≤β<1.3
			拥挤	0.8≤α<1.5	1.3≤β<2.6
拥堵	α≥1.5	β≥2.6

所述的步骤4)中生成的交通流状态数据包括正常状态数据、慢行状态数据、拥挤状态数据和拥堵状态数据。

所述步骤1)中高清数字视频编码的车辆图像通过数据光端机传输至高清检测器。

所述步骤3)中车道交通数据信息通过数据光端机传输至拥堵处理服务器。

一种基于高清视频的交通拥堵监测系统，它包括一用于采集车道内的影像，并生成车道高清数字视频编码的高清摄像机，一用于将车道高清数字视频编码的车辆图像生成车道交通数据信息的高清检测器，一用于数据收发的数据光端机；所述数据光端机包括数据光端机接收端及数据光端机发射端，一用于交通流数据采集、拥堵评判、拥堵数据管理及拥堵数据转发过程的拥堵处理服务器，及一用户使用的用于接收并显示拥堵数据的用户终端；

其中，所述拥堵处理服务器包括交通流数据采集模块、拥堵评判模块、拥堵数据管理模块、拥堵数据转发模块；所述高清摄像机与高清检测器通过网络跳线连接，高清检测器与数据光端机发射端通过网络跳线连接；所述高清摄像机、高清检测器、数据光端机发射端部署在现场监测道路旁；数据光端机发射端与数据光端机接收端通过单模光纤连接，将现场数据传回位于本地的所述数据光端机接收端，数据光端机接收端与拥堵处理服务器通过网络跳线连接，拥堵处理服务器与使用终端通过网络跳线连接。

一种基于高清视频的交通拥堵监测系统，它包括一用于采集车道内的影像，并生成车道高清数字视频编码的高清摄像机，一用于将车道高清数字视频编码的车辆图像生成车道交通数据信息的高清检测器，一用于数据收发的数据光端机；所述数据光端机包括数据光端机接收端及数据光端机发射端，一用于交通流数据采集、拥堵评判、拥堵数据管理及拥堵数据转发过程的拥堵处理服务器，及一用户使用的用于接收并显示拥堵数据的用户终端；

其中，所述拥堵处理服务器包括交通流数据采集模块、拥堵评判模块、拥堵数据管理模块、拥堵数据转发模块；所述高清摄像机与数据光端机发射端通过网络跳线连接，高清摄像机、数据光端机发射端部署在现场监测道路旁；所述数据光端机发射端与接收端通过单模光纤连接，将现场数据传回位于本地的所述数据光端机接收端，数据光端机接收端与高清检测器通过网络跳线连接，高清检测器与拥堵处理服务器通过网络跳线连接，拥堵处理服务器与使用终端通过网络跳线连接。

本发明的有益效果在于：本发明可自动对交通流状态分正常、慢行、拥挤和拥堵4种状态实施监测；基于高清视频信号自动进行交通信息状态获取；采用高清摄像系统监控交通路面；交通信息及拥堵状态信息使用推送模式和转发模式进行预警、报警发布。相对于现有技术，其交通拥堵监测更加准确可靠，安装方便，可有效减少对路面的破坏；利用高清视频资源进行拥堵状态监测，是集交通数据及交通监控等多功能一体的新型交通信息监测系统。

【附图说明】

图1为本发明基于高清视频的交通拥堵监测方法的流程图

图2为本发明基于高清视频的交通拥堵监测系统实施例一的原理图

图3为本发明基于高清视频的交通拥堵监测系统实施例一的原理图

图4为实施例一具体应用的监测系统结构示意图

图5为实施例二具体应用的监测系统结构示意图

【具体实施方式】

下面结合附图和实施例对本发明作进一步的描述。

参照图1所示，本发明揭示了一种基于高清视频的交通拥堵监测方法，它包括如下步骤：

1)通过设置于监测道路旁边的高清摄像机采集车道内的影像，并生成车道高清数字视频编码的车辆图像，传输至高清检测器；步骤1)中高清数字视频编码的车辆图像通过数据光端机传输至高清检测器，也可通过普通线缆传输，根据高清摄像机与高清检测器之间的距离及监测视频质量要求而定，若所述距离较远，同时视频质量要求高，则选择数据光端机进行传输。

2)高清检测器根据车道高清数字视频编码的车辆图像生成车道交通数据信息；该步骤2)具体包括以下步骤：

设定某一时刻的车辆图像为匹配车辆图像；所述某一时刻之后的车辆图像为待检测车辆图像；

21)高清检测器中的模型车辆检测模块将所述匹配车辆图像建立车辆三维模型，并形成该车辆三维模型在二维图像平面上的投影；再将所述投影与高清检测器中预先建立的车辆三维模型在所述二维图像平面上同一位置的投影相匹配；匹配后直接得到车辆的长、宽、高及车辆类型信息；通过二维到三维的匹配过程监测出移动车辆；

22)高清检测器中的车辆跟踪模块将步骤21)中建立的车辆三维模型与所述待检测车辆图像相匹配；在时域上，所述车辆跟踪模块检测出所述待检测车辆图像中各个车辆区域上的各车辆的各部位，勾勒出车辆的轮廓并且不断地在后续帧中更新轮廓；再结合车道区域中设定的检测标定物和检测区域来计算待检测车辆图像中各车辆位移，得出车道交通数据信息，所述车道交通数据信息包括车道流量、车道占有率。

3)车道交通数据信息传输至拥堵处理服务器；该步骤中车道交通数据信息传输的传输可通过数据光端机传输至拥堵处理服务器，也可通过普通线缆传输，根据高清检测器与拥堵处理服务器之间的距离及监测视频质量要求而定，若所述距离较远，同时视频质量要求高，则选择数据光端机进行传输。

4)拥堵处理服务器先对交通流数据进行采集，并利用该交通流数据进行拥堵评判，拥堵评判后生成交通数据信息及交通流状态数据；再将该交通数据信息及交通流状态数据进行存储管理，同时根据需要将该交通数据信息和/或交通流状态数据转发至用户终端。该步骤中生成的交通流状态数据包括正常状态数据、慢行状态数据、拥挤状态数据和拥堵状态数据，可对交通流状态分成正常、慢行、拥挤和拥堵4种状态实施监测。

该步骤4)中的拥堵评判过程包括以下计算：

设定t0为起始时间，所在时间段[t0,t1],[t1,t2],[t2,t3]...[tj-1,tj]采样周期t的间隔时间相等，时间段[tj-1,tj]用sj表示，视频检测上游A区域在时间段sj内的流量、占有率和平均占有率分别用qA(j)、OCCA(j)和来表示,视频检测下游B区域在时间段sj内的流量、占有率和平均占有率分别用qB(j)、OCCB(j)和来表示,根据采集的交通数据信息分别计算上游A区域的流量增量ΔqA(j)，上游A区域的占有率增量ΔOCCA(j)，上游A区域和下游B区域的平均占有率绝对差ΔOCCAB(j)，上游A区域和下游B区域的平均占有率相对差ΔOC`CAB(j)，其中：

ΔqA(j)＝[qA(j)-qA(j-1)]/qA(j-1)；

ΔOCCA(j)＝[OCCA(j)-OCCA(j-1)]/OCCA(j-1)；

$\mathrm{\&Delta;OCCAB}\left(j\right)=\stackrel{\&OverBar;}{{\mathrm{OCC}}_A\left(j\right)}\_\stackrel{\&OverBar;}{{\mathrm{OCC}}_B\left(j\right)};$

$\mathrm{\&Delta;OC}`\mathrm{CAB}\left(j\right)=[\stackrel{\&OverBar;}{{\mathrm{OCC}}_A\left(j\right)}\_\stackrel{\&OverBar;}{{\mathrm{OCC}}_B\left(j\right)}]/\stackrel{\&OverBar;}{{\mathrm{OCC}}_B\left(j\right)};$

当ΔqA(j)<ΔOCCA(j)时，系统进入拥堵预警，开始以下对比

ΔOCCAB(j)的取值用α表示；

ΔOC`CAB(j)的取值用β表示；

并根据以下α与β取值范围评判矩阵进行交通流状态获取

交通流状态	α取值范围	β取值范围
			正常	α<0.5	β<1.0
慢行	0.5≤α<0.8	1.0≤β<1.3
			拥挤	0.8≤α<1.5	1.3≤β<2.6
拥堵	α≥1.5	β≥2.6

以下是本发明中基于高清视频的交通拥堵监测系统的两种实施例：

实施例一：

参照图2、图4所示，一种基于高清视频的交通拥堵监测系统，它包括一用于采集车道内的影像，并生成车道高清数字视频编码的高清摄像机，一用于将车道高清数字视频编码的车辆图像生成车道交通数据信息的高清检测器，一用于数据收发的数据光端机；所述数据光端机包括数据光端机接收端及数据光端机发射端，一用于交通流数据采集、拥堵评判、拥堵数据管理及拥堵数据转发过程的拥堵处理服务器，及一用户使用的用于接收并显示拥堵数据的用户终端；

其中，所述拥堵处理服务器包括交通流数据采集模块、拥堵评判模块、拥堵数据管理模块、拥堵数据转发模块；所述高清摄像机与高清检测器通过网络跳线连接，高清检测器与数据光端机发射端通过网络跳线连接；所述高清摄像机、高清检测器、数据光端机发射端部署在现场监测道路旁；数据光端机发射端与数据光端机接收端通过单模光纤连接，将现场数据传回位于本地的所述数据光端机接收端，数据光端机接收端与拥堵处理服务器通过网络跳线连接，拥堵处理服务器与使用终端通过网络跳线连接。

实施例二：

参照图3、图5所示，一种基于高清视频的交通拥堵监测系统，它包括一用于采集车道内的影像，并生成车道高清数字视频编码的高清摄像机，一用于将车道高清数字视频编码的车辆图像生成车道交通数据信息的高清检测器，一用于数据收发的数据光端机；所述数据光端机包括数据光端机接收端及数据光端机发射端，一用于交通流数据采集、拥堵评判、拥堵数据管理及拥堵数据转发过程的拥堵处理服务器，及一用户使用的用于接收并显示拥堵数据的用户终端；

其中，所述拥堵处理服务器包括交通流数据采集模块、拥堵评判模块、拥堵数据管理模块、拥堵数据转发模块；所述高清摄像机与数据光端机发射端通过网络跳线连接，高清摄像机与数据光端机发射端部署在现场监测道路旁；所述数据光端机发射端与接收端通过单模光纤连接，将现场数据传回位于本地的所述数据光端机接收端，数据光端机接收端与高清检测器通过网络跳线连接，高清检测器与拥堵处理服务器通过网络跳线连接，拥堵处理服务器与使用终端通过网络跳线连接。

上述实施例通过一系列的措施实现了对各路段交通拥堵的监测，实现了基于高清视频的交通拥堵监测的方法及系统，解决了城市交通道路发生拥堵时的自动预警、报警，以及交通管理处置机构可及时介入的实现，达到降低拥堵造成社会、经济影响的效果。

以上所描述的仅为本发明的较佳实施例，上述具体实施例不是对本发明的限制。在本发明的技术思想范畴内，可以出现各种变形及修改，凡本领域的普通技术人员根据以上描述所做的润饰、修改或等同替换，均属于本发明所保护的范围。

Claims (5)

1.基于高清视频的交通拥堵监测方法，其特征在于，它包括如下步骤：

1)通过设置于监测道路旁边的高清摄像机采集车道内的影像，并生成车道高清数字视频编码的车辆图像，传输至高清检测器；

2)高清检测器根据车道高清数字视频编码的车辆图像生成车道交通数据信息；

3)车道交通数据信息传输至拥堵处理服务器；

4)拥堵处理服务器先对交通流数据进行采集，并利用该交通流数据进行拥堵评判，拥堵评判后生成交通数据信息及交通流状态数据；再将该交通数据信息及交通流状态数据进行存储管理，同时根据需要将该交通数据信息和/或交通流状态数据转发至用户终端；

所述步骤2)具体包括以下步骤：

设定某一时刻的车辆图像为匹配车辆图像；所述某一时刻之后的车辆图像为待检测车辆图像；

21)高清检测器中的模型车辆检测模块将所述匹配车辆图像建立车辆三维模型，并形成该车辆三维模型在二维图像平面上的投影；再将所述投影与高清检测器中预先建立的车辆三维模型在所述二维图像平面上同一位置的投影相匹配；匹配后直接得到车辆的长、宽、高及车辆类型信息；通过二维到三维的匹配过程监测出移动车辆；

22)高清检测器中的车辆跟踪模块将步骤21)中建立的车辆三维模型与所述待检测车辆图像相匹配；在时域上，所述车辆跟踪模块检测出所述待检测车辆图像中各个车辆区域上的各车辆的各部位，勾勒出车辆的轮廓并且不断地在后续帧中更新轮廓；再结合车道区域中设定的检测标定物和检测区域来计算待检测车辆图像中各车辆位移，得出车道交通数据信息，所述车道交通数据信息包括车道流量、车道占有率。

2.根据权利要求1所述的基于高清视频的交通拥堵监测方法，其特征在于：所述步骤4)中的拥堵评判过程包括以下计算：

设定t0为起始时间，所在时间段[t0,t1],[t1,t2],[t2,t3]...[tj-1,tj]采样周期t的间隔时间相等，时间段[tj-1,tj]用sj表示，视频检测上游A区域在时间段sj内的流量、占有率和平均占有率分别用qA(j)、OCCA(j)和来表示,视频检测下游B区域在时间段sj内的流量、占有率和平均占有率分别用qB(j)、OCCB(j)和来表示,根据采集的交通数据信息分别计算上游A区域的流量增量ΔqA(j)，上游A区域的占有率增量ΔOCCA(j)，上游A区域和下游B区域的平均占有率绝对差ΔOCCAB(j)，上游A区域和下游B区域的平均占有率相对差ΔOC`CAB(j)，其中：

ΔqA(j)＝[qA(j)-qA(j-1)]/qA(j-1)；

ΔOCCA(j)＝[OCCA(j)-OCCA(j-1)]/OCCA(j-1)；

$\mathrm{\&Delta;OCCAB}\left(j\right)=\stackrel{\&OverBar;}{{\mathrm{OCC}}_A\left(j\right)}\_\stackrel{\&OverBar;}{{\mathrm{OCC}}_B\left(j\right)};$

$\mathrm{\&Delta;OC}`\mathrm{CAB}\left(j\right)=[\stackrel{\&OverBar;}{{\mathrm{OCC}}_A\left(j\right)}\_\stackrel{\&OverBar;}{{\mathrm{OCC}}_B\left(j\right)}]/\stackrel{\&OverBar;}{{\mathrm{OCC}}_B\left(j\right)};$

当ΔqA(j)<ΔOCCA(j)时，系统进入拥堵预警，开始以下对比

ΔOCCAB(j)的取值用α表示；

ΔOC`CAB(j)的取值用β表示；

并根据以下α与β取值范围评判矩阵进行交通流状态获取

交通流状态 α取值范围 β取值范围 正常 α<0.5 β<1.0 慢行 0.5≤α<0.8 1.0≤β<1.3 拥挤 0.8≤α<1.5 1.3≤β<2.6 拥堵 α≥1.5 β≥2.6

。

3.如权利要求1所述的基于高清视频的交通拥堵监测方法，其特征在于，所述的步骤4)中生成的交通流状态数据包括正常状态数据、慢行状态数据、拥挤状态数据和拥堵状态数据。

4.根据权利要求1所述的交通拥堵监测方法，其特征在于：所述步骤1)中高清数字视频编码的车辆图像通过数据光端机传输至高清检测器。

5.根据权利要求1所述的交通拥堵监测方法，其特征在于：所述步骤3)中车道交通数据信息通过数据光端机传输至拥堵处理服务器。