CN104183133A - 一种采集和传输道路交通流动态信息的方法 - Google Patents
一种采集和传输道路交通流动态信息的方法 Download PDFInfo
- Publication number
- CN104183133A CN104183133A CN201410393313.8A CN201410393313A CN104183133A CN 104183133 A CN104183133 A CN 104183133A CN 201410393313 A CN201410393313 A CN 201410393313A CN 104183133 A CN104183133 A CN 104183133A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- laser
- analyzing spot
- image
- 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
Abstract
本发明提供了一种采集、分析和传输道路交通流动态信息的方法，通过采集和分析交通数据调查断面附近的视频图像和激光测距仪数据，判断车型，计算车速、统计车流量、车距、跟车百分比和时间占有率，并通过TCP/IP网络传输协议以有线方式将分析所得的交通数据传输给信号接收终端，完成道路交通流动态信息的传输。相比较现有技术，具有测量范围大且精度和灵敏度高，运行效率高、测量数据准确的优点。
Description
技术领域
本发明属于道路交通流信息采集和传输技术，具体涉及一种采集和传输道路交通流动态信息的方法。
背景技术
当今社会经济繁荣，科技进步，交通迅猛发展，交通的科学管理越来越重要。通过对包括交通量、车型、车速、车间距、时间占有率等重要参数在内的交通流动态信息的采集，可以及时掌握城市交通流的状况，变化规律，为交通安全、道路建设、交通现代化管理提供基础数据支持，因而提供实时准确的数据十分必要。当下，交调设备主要的工作方式以地感线圈、超声波、微波为主。为了兼具分型和求速，往往需要前后两组设备联合工作。它们各有优缺点，整体效果并不让人满意：
1.地感线圈交调设备：为接触式交调设备，该检测方法的缺点有安装和维修需要关闭车道，对交通流造成干扰；在路面质量不好的路面上安装时易于损坏；里面翻修和道路设施维修时可能需要重装检测器；检测特定的交通流时需要多个检测器；降低道路寿命等。
2.超声波交调设备：当风速6级以上时，超声波的反射波产生飘移而无法正常检测。
3.微波检测设备：天线的波速宽度和发射波形必须适合具体的应用要求；多普勒雷达不能检测静止的车辆，在交叉口的车辆计数效果不好；发射信号易掩盖接收信号，泄露功率使接收灵敏度降低。
发明内容
本发明的目的是克服现有技术中存在的检测范围小和测量精度不高的问题。
为实现上述目的，本发明提供了一种采集和传输道路交通流动态信息的方法，包括以下步骤：
1)、采集数据和分析：
1.1)通过激光测距仪采集交通数据调查断面内各扫描点与激光测距仪的距离，并将距离和对应的激光束发射角度传输给数据处理器；数据处理器根据这些数据确定各扫描点的空间位置，一方面判断车是否刚到达交通数据调查断面、是否刚离开交通数据调查断面，并捕获车辆刚到达交通数据调查断面tcm和刚离开交通数据调查断面的时刻tgo，对tgo与tcm求差即得车辆经过调查断面所用的时间；另一方面可以对这些扫描点进行筛选和分析，得到反映车辆轮廓变化的矩阵，并与标准车型数据库进行比对来判断车型；
1.2)、通过视频摄像头采集通过交通数据调查断面的车辆图像信息，并将该车辆图像信息传输给数据处理器，采用图像边缘检测技术来捕获运动中的车辆，根据车辆驶过固定距离所用时间，来计算出车辆的行驶速度；
2)、统计数据：对一定周期内，步骤1)得到的车型、车辆经过调查断面所用时间、车速，计算和统计车流量、平均车距、跟车百分比和时间占有率，该时间占有率是指一个交通数据调查周期内，各车辆经过调查断面所需时间的累计值与该周期时长的比值；
3)、通过TCP/IP网络传输协议以有线方式将分析所得的交通数据传输给信号接收终端，完成道路交通流动态信息的传输。
在步骤1)前还包括调查断面建立的步骤，主要是建立如下的直角坐标系：以激光所在的铅垂线为Y轴；向上的方向为Y轴正向；以Y轴与地面的交点O为坐标原点；以交点O所在的水平面与激光扫描面的交线为X轴，以激光起始扫描点一侧为X轴正向；
然后，在此坐标系中，用一系列点来表征激光、车道、扫描点的位置。
所述步骤1)中还包括对扫描点纵坐标值进行补偿，路面一般与X轴有一定的夹角，在计算车辆高度时，会进行相应补偿，减小车型被识别错误的概率，具体补偿过程是：
步骤1：获取交通数据调查断面无车经过时激光测距仪的测量数据，包括激光与激光束在地面上扫描点的距离、激光束发射角度；
步骤2：在车道上行一侧，选择距离适当的两激光扫描点P1、P2，从步骤1中获取的数据中查找出与点P1和P2对应的数据；假设激光与P1点的距离为|LP1|,激光束与X轴正向的夹角为θ1，激光束与P2点的距离为|LP2|,与X轴正向的夹角为 θ2，则计算P1点的坐标:x1＝|LP1|*cosθ1，y1＝H0-|LP1|*sinθ1；P2点的坐标：x2＝|LP2|*cosθ2，y1＝H0-|LP2|*sinθ2，进而，根据斜率计算公式：k＝(y2-y1)/(x2-x1),计算出路面的斜率；
步骤3：重复步骤2，获取10个斜率值，然后求平均值，作为车道上行一侧路面的斜率k+；
步骤4：根据步骤3计算的斜率值，计算出车道上行一侧路面沿宽度方向与水平面的夹角α＝arctan(k+)。
步骤5：当上行车道有车经过交通数据调查断面时，按如下方法计算扫描点离路面的垂直距离：
假设车身上存在扫描点P，激光与P点的距离为|LP|,与X轴正向的夹角为θ，则P点的横坐标x＝|LP|*cosθ，纵坐标为y＝|LP|*sinθ；
计算扫描点离路面的垂直距离时，路面倾角引入的偏差Δh＝x*tanα；补偿偏差值，扫描点离路面的垂直距离应为h＝y-Δh；
依此方法，可计算出车身上各扫描点离路面的垂直距离；
步骤6：按步骤1-5，计算下行车道上车辆车身上各扫描点离地面的垂直距离，从而完成扫描点纵坐标值的补偿。
所述步骤1)还包括纠错的步骤，一方面对相邻车道分界线附近进行监控，识别跨道车辆，大大降低一车多算的概率；
另一方面，对存储扫描点的内存空间的大小设置阀值，当出现停车和堵车等交通事故而存储数据的数量超过阀值时，自动过滤掉采集到的相关数据，防止误检。
所述步骤3)中，对于单车数据的发送，在分出车型后即被触发。
所述步骤3)中，所述统计数据周期性的发送给信号接收终端。
步骤1.1)中车型判断的具体过程是：
1.解析包含单次扫描的数据的激光数据包，获取扫描点的空间坐标；
2.将单次扫描中各点纵坐标与高度阀值进行比较，判断车到达调查断面与车离开调查断面，并提取照射在车辆上的有效扫描点；
3.将有效扫描点的坐标与每车道宽度方向起始点坐标进行比对，将扫描点划归到不同车道；
4.分别汇集整理每一车道上的有效扫描点(横坐标、离地面的高度值)，挖掘 出车辆轮廓特征，包括车辆各部位车高、车宽以及被扫描次数；记录车辆到达和离开激光扫描断面的时刻tgo、tcm，再结合视频系统分析出的车速算出车长l。
5.将车辆轮廓特征与标准车型特征进行匹配，分辨出车型。
步骤1.2)中，通过图像边缘检测技术来捕获运动中的车辆，根据车辆驶过固定距离所用时间，从而计算出车辆的行驶速度的具体过程是：
1.解析视频流数据包，获取图像像素信息，并用序列号依次标记视频的每一帧画面，例如，1，2，3，4，5…；
2.检测各车道标定区域A和B的图像边缘(图像中像素灰度有阶跃变化的地方)，判断是否有车辆经过；记录同一辆车经过标定区域A和B时相应帧画面的序列号NA、NB；
图像边缘检测步骤，首先对采集到的原始图像进行过滤，获取平滑图像，接着调用梯度算子对平滑图像进行增强得到梯度图像，然后从中提取边缘点。
3.将序列号NA、NB之差换算成车辆经过标定区域A和B的时间差Δt，计算方法：Δt＝(1/帧率)*(|NB-NA|+1)；
4.将标定区域A和区域B的距离Sp映射至实际物理空间距离S，即可得到计算车速V，计算方法：V＝S/Δt。
本发明采用上述技术方案，具有以下优点：采用视频信号采集和激光信号采集，测量范围大且精度和灵敏度高，运行效率高、测量数据准确。
以下将结合附图对本发明做进一步详细说明。
附图说明
图1是图像处理的示意图。
图2是对激光扫描点纵坐标值进行补偿计算示意图。
具体实施方式
为了克服现有技术中存在的检测范围小和测量精度不高的问题，本实施例提供了一种采集和传输道路交通流动态信息的方法，包括以下步骤：
1)、采集数据和分析：
1.1)通过激光测距仪采集交通数据调查断面内各扫描点与激光测距仪的距离，并将距离和对应的激光束发射角度传输给数据处理器；数据处理器可以根据这些数据确定各扫描点的空间位置，一方面可以判断车是否刚到达交通数据调查断面、是 否刚离开交通数据调查断面，并捕获车辆刚到达交通数据调查断面tcm和刚离开交通数据调查断面的时刻tgo，对tgo与tcm求差即得车辆经过调查断面所用的时间；另一方面可以对这些扫描点进行筛选和分析，得到反映车辆轮廓变化的矩阵，并与标准车型数据库进行比对来判断车型；
1.2)、通过视频摄像头采集通过调查断面的车辆图像信息，并将该车辆图像信息传输给数据处理器，采用图像边缘检测技术来捕获运动中的车辆，根据车辆驶过固定距离所用时间，来计算出车辆的行驶速度；
2)、统计数据：对一定周期内，步骤1)得到的车型、车辆经过调查断面所用时间、车速，计算和统计车流量、平均车距、跟车百分比和时间占有率，该时间占有率是指一个交通数据调查周期内，各车辆经过调查断面所需时间的累计值与该周期时长的比值；
3)、通过TCP/IP网络传输协议以有线方式将分析所得的交通数据传输给信号接收终端，完成道路交通流动态信息的传输。
在步骤1)前还包括调查断面建立的步骤，主要是建立如下的直角坐标系：以激光所在的铅垂线为Y轴；向上的方向为Y轴正向；以Y轴与地面的交点O为坐标原点；以交点O所在的水平面与激光扫描面的交线为X轴，以激光起始扫描点一侧为X轴正向；
然后，在此坐标系的基础之上，配置激光、车道宽度方向起始点所处位置的坐标；
车辆高度的计算、判断车辆所处位置、判断车辆是否跨道均以此坐标系为基础。
步骤1)中还包括对扫描点纵坐标值进行补偿，路面一般与X轴有一定的夹角，在计算车辆高度时，会进行相应补偿，减小车型被识别错误的概率。一旦交通调查设备安装好后，激光测距仪每一次扫描过程中发射的激光束的数量、方向就被固定下来了。对于同一方向上的激光束，有车或无车经过时，不同车辆经过时，激光束扫描点所处的空间位置会不同。
如图2所示，激光所处位置位于点L，激光束投射在车身上的点P。如果路面沿宽度方向是绝对水平的，假设激光离地的高度为H0，激光与P点的距离为|LP|,与X轴的正向的夹角为θ，则L点的横纵坐标为(0,H0)。假设P点的坐标为(x，y)。P点离地面的垂直高度为h＝y。然而，实际路面沿宽度方向往往相对于水平面存在一 定夹角，而且道路上下行两侧的夹角也不一样。假设上行车道位于X轴正向一侧，路面沿宽度方向与水平面间的夹角为α，则P点离地面的垂直高度变为h＝y-x*tanα。同理，下行车道也是如此。可见，在计算P点离地面的垂直高度时，水平路面与垂直路面存在一个偏差Δh＝x*tanα。随着激光扫描点P与激光的距离变大，|x|值将会变大，Δh也将偏大，如下表所示：
| |x| | 0° | 0.5° | 1° | 1.5° | 2° | 2.5° | 3° |
| 1 | 0.00 | 0.01 | 0.02 | 0.03 | 0.03 | 0.04 | 0.05 |
| 2 | 0.00 | 0.02 | 0.03 | 0.05 | 0.07 | 0.09 | 0.10 |
| 3 | 0.00 | 0.03 | 0.05 | 0.08 | 0.10 | 0.13 | 0.16 |
| 4 | 0.00 | 0.03 | 0.07 | 0.10 | 0.14 | 0.17 | 0.21 |
| 5 | 0.00 | 0.04 | 0.09 | 0.13 | 0.17 | 0.22 | 0.26 |
| 6 | 0.00 | 0.05 | 0.10 | 0.16 | 0.21 | 0.26 | 0.31 |
| 7 | 0.00 | 0.06 | 0.12 | 0.18 | 0.24 | 0.31 | 0.37 |
| 8 | 0.00 | 0.07 | 0.14 | 0.21 | 0.28 | 0.35 | 0.42 |
| 9 | 0.00 | 0.08 | 0.16 | 0.24 | 0.31 | 0.39 | 0.47 |
| 10 | 0.00 | 0.09 | 0.17 | 0.26 | 0.35 | 0.44 | 0.52 |
| 11 | 0.00 | 0.10 | 0.19 | 0.29 | 0.38 | 0.48 | 0.58 |
观察上表可以看出，当路面沿宽度方向与水平面间的夹角为2.5°，激光束扫描点P与激光的水平距离|x|为7米(约为2个车道宽度的总和)时，偏差Δh将大于0.30米。如果在计算P点离地面的垂直高度时，忽略路面沿宽度方向与水平面间的夹角，将会使P点离地面的垂直高度的计算值产生0.30米的偏差。这样大的偏差，会对车型的正确判断造成严重影响。
所以，正确的计算方法，应补偿偏差Δh。具体步骤如下：
步骤1：获取交通数据调查断面无车经过时激光测距仪的测量数据，包括激光与激光束在地面上扫描点的距离、激光束发射角度；
步骤2：在车道上行一侧，选择距离适当的两激光扫描点P1、P2，从步骤1中获取的数据中查找出与点P1和P2对应的数据；假设激光与P1点的距离为|LP1|,激光束与X轴正向的夹角为θ1，激光束与P2点的距离为|LP2|,与X轴正向的夹角为θ2，则计算P1点的坐标:x1＝|LP1|*cosθ1，y1＝H0-|LP1|*sinθ1；P2点的坐标：x2＝|LP2|*cosθ2，y1＝H0-|LP2|*sinθ2，进而，根据斜率计算公式：k＝(y2-y1)/(x2-x1),计算出路面的斜率；
步骤3：重复步骤2，获取10个斜率值，然后求平均值，作为车道上行一侧路面的斜率k+；
步骤4：根据步骤3计算的斜率值，计算出车道上行一侧路面沿宽度方向与水平 面的夹角α＝arctan(k+)。
步骤5：当上行车道有车经过交通数据调查断面时，按如下方法计算扫描点离路面的垂直距离：
假设车身上存在扫描点P，激光与P点的距离为|LP|,与X轴正向的夹角为θ，则P点的横坐标x＝|LP|*cosθ，纵坐标为y＝|LP|*sinθ；
计算扫描点离路面的垂直距离时，路面倾角引入的偏差Δh＝x*tanα；补偿偏差值，扫描点离路面的垂直距离应为h＝y-Δh；
依此方法，可计算出车身上各扫描点离路面的垂直距离；
步骤6：按步骤1-5，计算下行车道上车辆车身上各扫描点离地面的垂直距离，从而完成扫描点纵坐标值的补偿。
步骤1)还包括纠错的步骤，一方面对相邻车道分界线附近进行监控，识别跨道车辆，大大降低一车多算的概率；
另一方面，对存储扫描点的内存空间的大小设置阀值，当出现停车和堵车等交通事故而存储数据的数量超过阀值时，自动过滤掉采集到的相关数据，防止误检。
跨道车辆的具体补偿处理过程是：
定义一个结构体数组变量Lane[TOTALANES],每一个数组元素与一条车道相关联,车道所处位置坐标越小，其对应的数组元素Lane[k]的下标k越小。每个数组元素都具有成员IsCrossing,ValidPt[M][N],RowNum，ClnNum。IsCrossing用于标记是否存在跨道车辆，初值为0。ValidPt[M][N]用于存储有效点的坐标值。每当车辆被激光每扫描一次，就将有效扫描点用数组ValidPt中的一行元素来存储，并用RowNum标记这一行存储单元的行号，用ClnNum标记横坐标值最大的点所处的列号，并执行以下步骤：
步骤1：遍历第1条车道的ValidPt的第RowNum行成员，计算本次扫描中该道上被探测车的车宽W1。
步骤2：遍历下一条车道的ValidPt的第RowNum行成员，计算本次扫描中每车道上被探测车的车宽Wk+1。(k表示遍历的是第k+1条车道。)。若k等于最后一条车道的序号，程序将跳出本过程。
步骤3：分别将Wk和Wk+1与阈值WIDTH进行比较，若Wk和Wk+1均小于WIDTH，则执行步骤4；否则，重新转至步骤2，从步骤2开始往下执行。
步骤4：对Lane[k].IsCrossing的值进行判断，若为初值0，执行步骤5；若为1或-1，执行步骤8。
步骤5：记第k条车道与第k+1条车道间的分界线为Lk。于本次扫描的第k条车道和第k+1条车道上，分别求每天车道中离分界线Lk最近的有效扫描点，这两点离分界线Lk的距离分别记为Dk和Dk+1。
步骤6：分别将D1和D2与阈值D_BOUND_MIN进行比较，若D1与D2均小于D_BOUND_MIN，则执行步骤7；否则，重新转至步骤2，从步骤2开始往下执行。
步骤7：比较Wk和Wk+1的大小。若Wk≥Wk+1，则将Lane[k].IsCrossing赋值为1；否则，赋值为-1。
步骤8：若Lane[k].IsCrossing＝1，则将Lane[k+1].ValidPt[RowNum][0]至Lane[k+1].ValidPt[Lane[k+1].RowNum][Lane[k+1].ClnNum]的值赋给Lane[k].ValidPt[Lane[k].RowNum][Lane[k].ClnNum]元素之后的元素，并将元素Lane[k+1].ValidPt[Lane[k+1].RowNum][0]至Lane[k+1].ValidPt[Lane[k+1].RowNum][Lane[k+1].ClnNum]的值、Lane[k+1].RowNum、Lane[k+1].ClnNum均置为0。
若Lane[k].IsCrossing＝-1，则将Lane[k].ValidPt[Lane[k].RowNum][0]至Lane[k].ValidPt[Lane[k].RowNum][Lane[k].ClnNum]的值赋给Lane[k+1].ValidPt[Lane[k+1].RowNum][Lane[k+1].ClnNum]元素之后的元素，并将Lane[k+1].ValidPt[Lane[k+1].RowNum]所指向的那一行元素按横坐标的值从小到大进行排列，然后将元素Lane[k].ValidPt[Lane[k].RowNum][0]至Lane[k].ValidPt[Lane[k].RowNum][Lane[k].ClnNum]的值、Lane[k].RowNum、Lane[k].ClnNum均置为0。
步骤9：重新转至步骤2，从步骤2开始往下执行。
停车和堵车事故的具体补偿处理过程是：
用于存储扫描点数据的数组ValidPt[M][N]的可最多存储M次扫描数据，车辆以正常速度通过调查断面时被扫描到的次数不会大于M。
当有车停在调查断面上或堵车时，车辆被扫描次数会大于M。故设定一个变量用于监控扫描次数，当扫描次数达到数组长度后，即将数组清空。
步骤1.2)中，通过图像边缘检测技术来捕获运动中的车辆，根据车辆驶过固定 距离所用时间，从而计算出车辆的行驶速度的具体过程是：
1.解析视频流数据包，获取图像像素信息，并用序列号依次标记视频的每一帧画面，例如，1，2，3，4，5…；
2.检测各车道标定区域A和B的图像边缘(图像中像素灰度有阶跃变化的地方)，判断是否有车辆经过；记录同一辆车经过标定区域A和B时相应帧画面的序列号NA、NB；
图像边缘检测步骤，如图1所示：首先对采集到的原始图像进行过滤，获取平滑图像，接着调用梯度算子对平滑图像进行增强得到梯度图像，然后从中提取边缘点。
3.将序列号NA、NB之差换算成车辆经过标定区域A和B的时间差Δt，计算方法：Δt＝(1/帧率)*(|NB-NA|+1)；
4.将标定区域A和区域B的距离Sp映射至实际物理空间距离S，即可得到计算车速V，计算方法：V＝S/Δt。
步骤1.1)中车型判断的具体过程是：
1.解析激光数据包(包含单次扫描的数据)，获取扫描点的空间坐标；
2.将单次扫描中各点纵坐标与高度阀值进行比较，判断车到来与车离开，并提取照射在车辆上的有效扫描点；
3.将有效扫描点的坐标与每车道宽度方向起始点坐标进行比对，将扫描点划归到不同车道；
4.分别汇集整理每一车道上的有效扫描点(横坐标、离地面的高度值)，挖掘出车辆轮廓特征，包括车辆各部位车高、车宽以及被扫描次数；记录车辆到达和离开激光扫描断面(也是交通数据调查断面)的时刻tgo、tcm，再结合视频系统分析出的车速算出车长l。
5.将车辆轮廓特征与标准车型特征进行匹配，分辨出车型。
该采集和传输道路交通流动态信息的方法运行效率高、测量数据准确。经测试，结果如下：
1.能够及时发送单车数据包和周期数据包，设备时间与系统标准时间12小时误差控制在±3秒内；
2.能区分中小客车、大客车、小货车、中货车、大货车、特大货车、摩托车， 且相对误差率控制在±10％内。
3.总流量相对误差率控制在±1％内。
4.车速相对误差率控制在±8％内。
5.可以同时测量双向8车道道路上的交通流动态信息。
测试条件，参见《指导意见》即《关于加强公路交通情况调查设备技术管理的指导意见》(厅规划字[2007]52号)文的修订稿)这份文件中第17页“6.13交通数据采集内容及精度”指出的测试条件。
车型分类，参见前述《指导意见》中第28页“附录B机动车车型分类”)。该方法在实施时应当注意：激光可以进行大角度扫描；激光光束朝向地面进行扫描；激光的安装姿势必须保证激光的扫描面与地面垂直，与车道走向垂直。
Claims (8)
1.一种采集和传输道路交通流动态信息的方法，其特征在于，包括以下步骤：
1)、采集数据和分析：
1.1)通过激光测距仪采集交通数据调查断面内各扫描点与激光测距仪的距离，并将距离和对应的激光束发射角度传输给数据处理器；数据处理器根据这些数据确定各扫描点的空间位置，一方面判断车是否刚到达交通数据调查断面、是否刚离开交通数据调查断面，并捕获车辆刚到达交通数据调查断面tcm和刚离开交通数据调查断面的时刻tgo，对tgo与tcm求差即得车辆经过调查断面所用的时间；另一方面对这些扫描点进行筛选和分析，得到反映车辆轮廓变化的矩阵，并与标准车型数据库进行比对来判断车型；
1.2)、通过视频摄像头采集通过交通数据调查断面的车辆图像信息，并将该车辆图像信息传输给数据处理器，采用图像边缘检测技术来捕获运动中的车辆，根据车辆驶过固定距离所用时间，来计算出车辆的行驶速度；
2)、统计数据：对一定周期内，步骤1)得到的车型、车辆经过调查断面所用时间、车速，计算和统计车流量、平均车距、跟车百分比和时间占有率，该时间占有率是指一个交通数据调查周期内，各车辆经过调查断面所需时间的累计值与该周期时长的比值；
3)、通过TCP/IP网络传输协议以有线方式将分析所得的交通数据传输给信号接收终端，完成道路交通流动态信息的传输。
2.如权利要求1所述的方法，其特征在于，在步骤1)前还包括调查断面建立的步骤，主要是建立如下的直角坐标系：以激光所在的铅垂线为Y轴；向上的方向为Y轴正向；以Y轴与地面的交点O为坐标原点；以交点O所在的水平面与激光扫描面的交线为X轴，以激光起始扫描点一侧为X轴正向；
然后，在此坐标系中，用一系列点来表征激光、车道、扫描点的位置。
3.如权利要求2所述的方法，其特征在于，所述步骤1)中还包括对扫描点纵坐标值进行补偿：路面一般与X轴有一定的夹角，在计算车辆高度时，会进行相应补偿，减小车型被识别错误的概率；具体补偿过程是：
步骤1：获取交通数据调查断面无车经过时激光测距仪的测量数据，包括激光与激光束在地面上扫描点的距离、激光束发射角度；
步骤2：在车道上行一侧，选择距离适当的两激光扫描点P1、P2，从步骤1中获取的数据中查找出与点P1和P2对应的数据；假设激光与P1点的距离为|LP1|,激光束LP1与X轴正向的夹角为θ1，激光束与P2点的距离为|LP2|,与X轴正向的夹角为θ2，则计算P1点的坐标:x1＝|LP1|*cosθ1，y1＝H0-|LP1|*sinθ1；P2点的坐标：x2＝|LP2|*cosθ2，y1＝H0-|LP2|*sinθ2，进而，根据斜率计算公式：k＝(y2-y1)/(x2-x1),计算出路面的斜率；
步骤3：重复步骤2，获取10个斜率值，然后求平均值，作为车道上行一侧路面的斜率k+；
步骤4：根据步骤3计算的斜率值，计算出车道上行一侧路面沿宽度方向与水平面的夹角α＝arctan(k+)。
步骤5：当上行车道有车经过交通数据调查断面时，按如下方法计算扫描点离路面的垂直距离：
假设车身上存在扫描点P，激光与P点的距离为|LP|,与X轴正向的夹角为θ，则P点的横坐标x＝|LP|*cosθ，纵坐标为y＝|LP|*sinθ；
计算扫描点离路面的垂直距离时，路面倾角引入的偏差Δh＝x*tanα；补偿偏差值，扫描点离路面的垂直距离应为h＝y-Δh；
依此方法，可计算出车身上各扫描点离路面的垂直距离；
步骤6：按步骤1-5，计算下行车道上车辆车身上各扫描点离地面的垂直距离，从而完成扫描点纵坐标值的补偿。
4.如权利要求2或3所述的方法，其特征在于，所述步骤1)还包括纠错的步骤，一方面对相邻车道分界线附近进行监控，识别跨道车辆，大大降低一车多算的概率；
另一方面，对存储扫描点的内存空间的大小设置阀值，当出现停车和堵车等交通事故而存储数据的数量超过阀值时，自动过滤掉采集到的相关数据，防止误检。
5.如权利要求1所述的方法，其特征在于，所述步骤3)中，对于单车数据的发送，在分出车型后即被触发。
6.如权利要求1所述的方法，其特征在于，所述步骤3)中，所述统计数据周期性的发送给信号接收终端。
7.如权利要求2所述的方法，其特征在于，所述步骤1.1)中车型判断的具体过程是：
1.1.1)解析包含单次扫描的数据的激光数据包，获取扫描点的空间坐标；
1.1.2)将单次扫描中各点纵坐标与高度阀值进行比较，判断车到达调查断面与车离开调查断面，并提取照射在车辆上的有效扫描点；
1.1.3)将有效扫描点的坐标与每车道宽度方向起始点坐标进行比对，将扫描点划归到不同车道；
1.1.4)分别汇集整理每一车道上的有效扫描点(横坐标、离地面的高度值)，挖掘出车辆轮廓特征，包括车辆各部位车高、车宽以及被扫描次数；记录车辆到达和离开激光扫描断面的时刻tgo、tcm，再结合视频系统分析出的车速算出车长l。
1.1.5)将车辆轮廓特征与标准车型特征进行匹配，分辨出车型。
8.如权利要求2或7所述的方法，其特征在于，所述步骤1.1)中车型判断的具体过程是：
步骤1.2)中，通过图像边缘检测技术来捕获运动中的车辆，根据车辆驶过固定距离所用时间，从而计算出车辆的行驶速度的具体过程是：
1.2.1)解析视频流数据包，获取图像像素信息，并用序列号依次标记视频的每一帧画面；
1.2.2)检测各车道标定区域A和B的图像边缘(图像中像素灰度有阶跃变化的地方)，判断是否有车辆经过；记录同一辆车经过标定区域A和B时相应帧画面的序列号NA、NB；
其中，图像边缘检测步骤，首先对采集到的原始图像进行过滤，获取平滑图像，接着调用梯度算子对平滑图像进行增强得到梯度图像，然后从中提取边缘点；
1.2.3)将序列号NA、NB之差换算成车辆经过标定区域A和B的时间差Δt，计算方法：Δt＝(1/帧率)*(|NB-NA|+1)；
1.2.4)将标定区域A和区域B的距离Sp映射至实际物理空间距离S，即可得到计算车速V，计算方法：V＝S/Δt。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410393313.8A CN104183133B (zh) | 2014-08-11 | 2014-08-11 | 一种采集和传输道路交通流动态信息的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410393313.8A CN104183133B (zh) | 2014-08-11 | 2014-08-11 | 一种采集和传输道路交通流动态信息的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104183133A true CN104183133A (zh) | 2014-12-03 |
| CN104183133B CN104183133B (zh) | 2016-06-15 |
Family
ID=51964135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410393313.8A Active CN104183133B (zh) | 2014-08-11 | 2014-08-11 | 一种采集和传输道路交通流动态信息的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104183133B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104574996A (zh) * | 2015-01-22 | 2015-04-29 | 青岛大学 | 一种道路交通车辆扫描式智能检测方法及装置 |
| CN104637321A (zh) * | 2015-02-17 | 2015-05-20 | 刘业兴 | 一种高速公路事件管理系统及其方法 |
| CN105006150A (zh) * | 2015-08-06 | 2015-10-28 | 武汉万集信息技术有限公司 | 车辆轮轴数量的检测方法及装置 |
| CN105788270A (zh) * | 2016-05-13 | 2016-07-20 | 广州运星科技有限公司 | 基于物联网的交通数据预测方法及处理服务器 |
| CN107122758A (zh) * | 2017-05-11 | 2017-09-01 | 南宁市正祥科技有限公司 | 一种车型识别和车流量检测方法 |
| CN107610484A (zh) * | 2017-11-06 | 2018-01-19 | 郑文英 | 隧道事故判断装置及隧道事故警示系统、方法 |
| CN107895156A (zh) * | 2017-11-29 | 2018-04-10 | 合肥寰景信息技术有限公司 | 用于多目标车辆特征提取及分析系统 |
| CN107967804A (zh) * | 2017-12-04 | 2018-04-27 | 北京理工大学 | 一种多旋翼载激光雷达的车型识别与车速测量装置及方法 |
| CN108022433A (zh) * | 2017-12-14 | 2018-05-11 | 合肥寰景信息技术有限公司 | 基于云数据库的道路交通状况分析系统 |
| CN109427193A (zh) * | 2017-09-04 | 2019-03-05 | 杭州海康威视数字技术股份有限公司 | 车辆检测灵敏度设定方法及装置和计算机设备 |
| CN109785614A (zh) * | 2018-12-17 | 2019-05-21 | 北京掌行通信息技术有限公司 | 一种海量移动位置数据的监测方法及装置 |
| CN109861756A (zh) * | 2019-03-25 | 2019-06-07 | Oppo广东移动通信有限公司 | 飞行时间组件的控制系统及终端 |
| CN112700646A (zh) * | 2020-12-28 | 2021-04-23 | 山西省交通科技研发有限公司 | 一种在运营公路断面交通量及车道系数的实测方法 |
| CN114118238A (zh) * | 2021-11-11 | 2022-03-01 | 中远海运科技股份有限公司 | 基于激光与视频技术时间序列及特征融合的车型分析方法 |
| CN117636270A (zh) * | 2024-01-23 | 2024-03-01 | 南京理工大学 | 基于单目摄像头的车辆抢道事件识别方法及设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030189500A1 (en) * | 2002-04-04 | 2003-10-09 | Lg Industrial Systems Co., Ltd. | System for determining kind of vehicle and method therefor |
| CN202486981U (zh) * | 2012-03-23 | 2012-10-10 | 广州市图之灵计算机技术有限公司 | 一种基于车辆轮廓扫描的车型识别器 |
| CN202615608U (zh) * | 2012-04-16 | 2012-12-19 | 公安部第三研究所 | 基于激光测距的道路车辆信息采集节点装置 |
-
2014
- 2014-08-11 CN CN201410393313.8A patent/CN104183133B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030189500A1 (en) * | 2002-04-04 | 2003-10-09 | Lg Industrial Systems Co., Ltd. | System for determining kind of vehicle and method therefor |
| CN202486981U (zh) * | 2012-03-23 | 2012-10-10 | 广州市图之灵计算机技术有限公司 | 一种基于车辆轮廓扫描的车型识别器 |
| CN202615608U (zh) * | 2012-04-16 | 2012-12-19 | 公安部第三研究所 | 基于激光测距的道路车辆信息采集节点装置 |
Non-Patent Citations (2)
| Title |
|---|
| 刁建忠: "基于激光扫描与视频融合的交通流检测技术", 《软件》 * |
| 姬江伟: "基于激光扫描的交通调查系统应用分析", 《信息科技》 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104574996A (zh) * | 2015-01-22 | 2015-04-29 | 青岛大学 | 一种道路交通车辆扫描式智能检测方法及装置 |
| CN104637321A (zh) * | 2015-02-17 | 2015-05-20 | 刘业兴 | 一种高速公路事件管理系统及其方法 |
| CN105006150B (zh) * | 2015-08-06 | 2020-10-20 | 武汉万集信息技术有限公司 | 车辆轮轴数量的检测方法及装置 |
| CN105006150A (zh) * | 2015-08-06 | 2015-10-28 | 武汉万集信息技术有限公司 | 车辆轮轴数量的检测方法及装置 |
| CN105788270A (zh) * | 2016-05-13 | 2016-07-20 | 广州运星科技有限公司 | 基于物联网的交通数据预测方法及处理服务器 |
| CN107122758A (zh) * | 2017-05-11 | 2017-09-01 | 南宁市正祥科技有限公司 | 一种车型识别和车流量检测方法 |
| CN109427193A (zh) * | 2017-09-04 | 2019-03-05 | 杭州海康威视数字技术股份有限公司 | 车辆检测灵敏度设定方法及装置和计算机设备 |
| CN107610484A (zh) * | 2017-11-06 | 2018-01-19 | 郑文英 | 隧道事故判断装置及隧道事故警示系统、方法 |
| CN107895156A (zh) * | 2017-11-29 | 2018-04-10 | 合肥寰景信息技术有限公司 | 用于多目标车辆特征提取及分析系统 |
| CN107967804A (zh) * | 2017-12-04 | 2018-04-27 | 北京理工大学 | 一种多旋翼载激光雷达的车型识别与车速测量装置及方法 |
| CN108022433A (zh) * | 2017-12-14 | 2018-05-11 | 合肥寰景信息技术有限公司 | 基于云数据库的道路交通状况分析系统 |
| CN109785614A (zh) * | 2018-12-17 | 2019-05-21 | 北京掌行通信息技术有限公司 | 一种海量移动位置数据的监测方法及装置 |
| CN109861756A (zh) * | 2019-03-25 | 2019-06-07 | Oppo广东移动通信有限公司 | 飞行时间组件的控制系统及终端 |
| CN112700646A (zh) * | 2020-12-28 | 2021-04-23 | 山西省交通科技研发有限公司 | 一种在运营公路断面交通量及车道系数的实测方法 |
| CN112700646B (zh) * | 2020-12-28 | 2022-01-21 | 山西省交通科技研发有限公司 | 一种在运营公路断面交通量及车道系数的实测方法 |
| CN114118238A (zh) * | 2021-11-11 | 2022-03-01 | 中远海运科技股份有限公司 | 基于激光与视频技术时间序列及特征融合的车型分析方法 |
| CN114118238B (zh) * | 2021-11-11 | 2024-03-22 | 中远海运科技股份有限公司 | 基于激光与视频技术时间序列及特征融合的车型分析方法 |
| CN117636270A (zh) * | 2024-01-23 | 2024-03-01 | 南京理工大学 | 基于单目摄像头的车辆抢道事件识别方法及设备 |
| CN117636270B (zh) * | 2024-01-23 | 2024-04-09 | 南京理工大学 | 基于单目摄像头的车辆抢道事件识别方法及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104183133B (zh) | 2016-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104183133A (zh) | 一种采集和传输道路交通流动态信息的方法 | |
| CN103778681B (zh) | 一种车载高速公路巡检系统及数据获取和处理方法 | |
| CN112433203B (zh) | 一种基于毫米波雷达数据的车道线形检测方法 | |
| WO2018105179A1 (ja) | 車載用画像処理装置 | |
| CN103714363B (zh) | 一种机动车尾气烟度视频识别系统 | |
| CN102622783B (zh) | 一种基于精确位置匹配的多车道自由流电子收费方法 | |
| CN103714603B (zh) | 基于红外测距传感器的公交车客流统计系统 | |
| US10699567B2 (en) | Method of controlling a traffic surveillance system | |
| CN105046968B (zh) | 一种大客车识别及抓拍方法、装置及系统 | |
| CN104021676A (zh) | 基于车辆动态视频特征的车辆定位及车速测量方法 | |
| CN108914815A (zh) | 桥面车辆荷载识别装置、桥梁及桥梁荷载分布识别方法 | |
| CN109827647B (zh) | 一种桥梁动态称重系统 | |
| GB2511612A (en) | Apparatus and method for detecting vehicle weave | |
| CN103913600A (zh) | 一种机动车测速仪测速误差检测装置及检测方法 | |
| CN102509089A (zh) | 逐行扫描识别斑马线及测量斑马线距离的方法 | |
| CN107895482A (zh) | 基于毫米波雷达与激光雷达的交通情况调查装置及方法 | |
| CN209639708U (zh) | 一种隧道断面及限界扫描检测装置 | |
| CN109785632A (zh) | 一种交通流量统计方法及装置 | |
| CN102141372A (zh) | 基于测量光栅的运输车违规装载检测装置及方法 | |
| CN114003849A (zh) | 一种多车道非接触式车轴数自动计算方法及系统 | |
| CN103714604B (zh) | 基于超声波传感器的公交车客流统计系统 | |
| Yao et al. | Developing operating mode distribution inputs for MOVES with a computer vision–based vehicle data collector | |
| CN113869196A (zh) | 一种基于激光点云数据多特征分析的车型分类方法及装置 | |
| WO1993019429A1 (en) | Vision apparatus | |
| KR101895779B1 (ko) | 레이저 스캐너를 이용한 차량 검지 방법 및 이를 이용한 스마트 톨링 제어 방법 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |