CN104183150A - 车载单体道路交通状态判别装置与方法 - Google Patents
车载单体道路交通状态判别装置与方法 Download PDFInfo
- Publication number
- CN104183150A CN104183150A CN201410404974.6A CN201410404974A CN104183150A CN 104183150 A CN104183150 A CN 104183150A CN 201410404974 A CN201410404974 A CN 201410404974A CN 104183150 A CN104183150 A CN 104183150A
- Authority
- CN
- China
- Prior art keywords
- traffic
- module
- video
- fuzzy
- traffic flow
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车载单体道路交通状态判别装置,盒体中设置有交通GIS模块、视频交通流采集模块、视频交通流分析处理模块、交通状态判别模糊推理模块和数据库系统模块;视频交通流采集模块采集前方与左右侧前方交通流视频数据,并传输至视频交通流分析处理模块;视频交通流分析处理模块,分析视频交通流采集模块输出的视频数据,通过视频图像处理算法,分析得到相应交通流参数;交通状态判别模糊推理模块,根据交通流及路网参数,建立交通状态判别规则库,确定推理机制;交通GIS模块,实现功能包括出行者出行路线的规划、存储道路物理参数和实时道路交通状态显示;数据库系统模块主要存储路网历史交通流参数及交通状态值。本发明还公开了利用该装置的方法。
Description
技术领域
本发明属于交通运输工程技术,特别涉及道路交通状态判别与预测技术,车载导航交通信息诱导技术,尤其是一种车载单体道路交通状态判别装置与方法。
背景技术
随着我国社会经济的快速发展,人均生活水平大幅提高,人均小汽车保有量逐年增加,有限的道路资源难以满足日益增长的交通出行需求,交通拥堵增加了人们的出行成本,出行前或出行中实时获得路网的交通状态,进而动态选择最佳出行路线,成为出行者缩短出行时间,降低出行成本的有力措施。
中国发明专利申请号为CN201110069317公开了一种基于全景计算机视觉的道路交通状态检测装置,包括安装在路网上各个道路中的各个测量点的摄像装置、用于根据摄像装置的全景视频数据进行评价道路交通状态的微处理器。
中国发明专利申请号为CN201210507080.0公开了一种基于断面检测器的城市道路交通状态判别方法,提出的交通状态判别方法包括信息发布间隔内断面交通流数据获取的步骤交通流参数平滑的步骤、速度拥堵指数和占有率拥堵指数计算的步骤、临界速度拥堵指数计算的步骤、交通拥堵指数计算的步骤、路段交通状态判别的步骤。
中国发明专利申请号为CN201110429673.5公开了一种基于FCM的区域路网的道路交通状态判别方法,包括以下步骤:第一步,对路网空间单元分别选取交通状态参数进行定量分析;第二步,采用模糊C均值聚类对空间单元的交通状态参数软划分。
中国发明专利申请号为CN201210501712.2公开了一种限制区域道路交通拥堵费新型信息提示系统,包括城市交通基础数据获取系统、交通数据处理系统、道路交通状态判别系统和道路交通状态发布系统。
中国发明专利申请号为CN201410014820.6公开了一种车载终端及与之实时交互的智能交通管理装置,通过公共信息获取模块获取卡口子系统和电警子系统的实时交通信息,通过终端接口模块获取车载终端上传的行车信息,经过路况分析模块分析出道路交通状态,提供给车载终端显示并据此进行行车路线规划。
中国发明专利申请号为CN201210465041.9公开了一种城市道路交通状态时空分析方法和系统,它以空间与时间自相关理论为基础,运用数理统计基本理论,根据道路网络上实时交通流数据,分析交通状态的时空演化以及拥堵的产生、发展和消散过程。
中国发明专利申请号为CN201310008385.1公开了一种基于可信度验证的城市道路交通状态实时估计方法,将实时的多源交通数据分别估计交通状态,根据最大似然法则及公式,从融合成的验证表中得出验证结果;计算实时验证结果的可信度,用可信度进行互为验证,获得最终的实时交通状态的估计结果。
中国发明专利申请号为CN201310301428.5公开了一种基于多用卡口的道路交通状态分析系统及分析方法,根据装有多用公路车辆智能监测系统的道路对其上传数据分析实现对道路状态的判定,为交通态势系统提供以及LED诱导屏提供数据。
前述专利申请的道路交通状态判别技术主要基于“集中式”信息分析处理技术,即通过各种交通数据采集手段(如线圈、视频、浮动车等)采集得到交通流数据,通过有线或无线通信技术,传输到中央处理系统,经过分析判断生成道路交通状态,经由各种方式(如网站、短信、LED显示屏等)反馈给出行者,诱导出行者选择出行路线。
当前集中式道路交通状态判别技术存在数据完备性差、数据处理复杂、状态信息发布范围受限、应用不够灵活、可信度差、受众群体接受度差等缺点,严重影响了道路交通状态判别技术的应用效果。
发明内容
本发明的目的是为克服上述现有技术的不足,提供一种车载单体道路交通状态判别装置与方法,实现道路交通状态判别的单体体系,应用更便捷、更友好。
为实现上述目的,本发明采用下述技术方案:
一种车载单体道路交通状态判别装置,包括一盒体,所述盒体中设置有交通GIS模块、视频交通流采集模块、视频交通流分析处理模块、交通状态判别模糊推理模块和数据库系统模块,交通GIS模块、视频交通流采集模块、视频交通流分析处理模块和交通状态判别模糊推理模块均与CPU相连;
视频交通流采集模块,安装于盒体前部侧面上,内部通过数据线与视频交通流分析处理模块相连,视频交通流采集模块主要通过内嵌摄像头实现采集前方与侧前方交通流视频数据,并传输至视频交通流分析处理模块;
视频交通流分析处理模块,分析视频交通流采集模块输出的视频数据,通过视频图像处理算法,分析得到车道数据、交通流量、车牌数据、前车即时速度、侧向车即时速度和自身车辆速度参数,分析后的数据发送至交通状态判别模糊推理模块,同时存储至数据库系统模块或内存中;
交通状态判别模糊推理模块,根据交通流及路网参数,建立交通状态判别规则库,确定推理机制,将视频交通流分析处理模块分析后的数据模糊化处理,输入交通状态模糊判别系统,进行模糊推理计算后,得到交通状态值,并将交通状态值分别输送至交通GIS模块和数据库系统模块中;
交通GIS模块,镶嵌在与视频交通流采集模块相对应的侧面上,其内部与交通状态判别模糊推理模块相连,交通GIS模块实现功能包括出行者出行路线的规划、存储道路物理参数和实时道路交通状态显示;
数据库系统模块主要存储路网历史交通流参数及交通状态值,并能将路网历史交通流参数反馈至视频交通流分析处理模块。
所述盒体的显示面板上还设有与CPU相连的系统设置、启动按钮和停止按钮。
所述盒体上还具有与CPU相连的数据传输接口,提供常用协议接口,可向交通管理部门的交通指挥控制中心定时传输位置及速度信息。
所述盒体上还设有与CPU相连的电源接口,用于向整个装置供电。
利用上述车载单体道路交通状态判别装置的判别方法,包括:
步骤1:将所述装置通过支架安装或吸附在车内,启动后完成初始化;用户通过菜单选择是否显示道路交通状态,若选择显示道路交通状态,则启用GIS模块,否则,只启用视频交通流采集模块;
步骤2:在选择显示道路交通状态的情况下,启动视频交通流采集模块、视频交通流分析处理模块及交通状态模糊推理模块,设定道路交通状态判别周期Δt,给出Δt1=10秒、Δt2=30秒、Δt3=60秒与Δt4=180秒多种选择,或提供更新周期输入编辑框,手动输入相应值,根据装置处理器性能提供不同的等级选择;
步骤3:视频交通流分析处理模块实时处理视频交通流采集模块采集的交通流视频,基于图像分割、目标运动检测和对象识别算法,提取前景图像及背景图像,分析计算运动车辆自身速度v1i、车道、正前车辆速度v2i、左侧车道车辆速度v3i、右侧车道车辆速度v4i交通流参数,其中,i=1,2,…,n,n为采样数据次数,并存储到数据库系统模块或内存中;
步骤4:根据设定的判别周期Δt,计算该时间段内的速度平均值,包括自身速度平均值正前车速度平均值左侧车道速度平均值右侧车道速度平均值
步骤5:设定步骤4中各个速度参数的模糊隶属度函数,对实时得到的参数值进行模糊化处理,输入交通状态判别模糊推理模块,进行模糊推理计算后,得到道路交通状态判别输出值,以数值1表示畅通,数值2表示缓行,数值3表示拥堵,或采用其它数值表示方案,在程序内部保持一致的情况下,不影响交通状态判别结果;
步骤6:在交通GIS模块中,对路段进行属性更新,实时显示步骤5得到的交通状态结果值,并以语音形式向驾驶员发出声音提示;结合路网数据特征及历史数据信息,优化驾驶员出行路线,给出可行的出行路线,供驾驶员选择。
所述步骤5中的各参数的隶属度函数,包括车辆自身速度平均值隶属度函数、正前车辆速度平均值隶属度函数、左侧车道速度平均值隶属度函数、右侧车道速度平均值隶属度函数和输出变量为道路交通状态的隶属度函数。
所述车辆自身速度平均值隶属度函数:设车辆自身速度平均值的语言变量为V1,其相应模糊子集为论域为X,划分为7个等级,即X={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表1;表示各模糊子集值在等级X中对应的隶属度值。
表1
所述正前车辆速度平均值隶属度函数:设其语言变量为V2,其相应模糊子集为论域为Y,划分为7个等级,即Y={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表2;表示各模糊子集值在等级Y中对应的隶属度值。
表2
所述左侧车道速度平均值隶属度函数:设其语言变量为V3,其相应模糊子集为论域为Z,划分为7个等级,即Z={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表3;表示各模糊子集值在等级Z中对应的隶属度值。
表3
右侧车道速度平均值隶属度函数:设其语言变量为V4,其相应模糊子集为论域为P,划分为7个等级,即P={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表4,表示各模糊子集值在等级P中对应的隶属度值。
表4
输出变量为道路交通状态,其隶属度函数:设其语言变量为O,其相应模糊子集为论域为Q,划分为7个等级,即Q={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表5;表示各模糊子集值在等级Q中对应的隶属度值。
表5
所述步骤5中的根据专家经验,建立交通状态判别规则表,由于此模糊推理器为四维,无法建立表格形式,因此以模糊关系的形式表示如下,
其中i,j,k,l.m=1,2,3,4,5。
解模糊采用现有的重心法,在此不再赘述。
本发明中,GIS为Geographic Information System或Geo-Information system的简称,中文为地理信息系统或地学信息系统。它是一种特定的十分重要的空间信息系统。它是在计算机硬、软件系统支持下,对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。
本发明提出的车载单体道路交通状态判别装置与方法,目的在于实现自成体系的道路交通状态判别方法和系统,使应用更便捷、更友好。
本发明的有益效果是:
1、系统功能集成一体化,该系统将交通流数据采集、道路交通状态判别与显示等功能集成化,实现了单机独立运行。
2、交通状态显示应用方式友好,用户可获取以自身车辆为中心点,以路网路段为基本单元的道路交通状态预测结果。
3、脱离交通管理控制中心统一信息采集分析处理模式,实现以用户为自主点的分布式处理模式。
附图说明
图1为本发明一个实施例的工作原理示意图;
图2为本发明一个实施例的模块结构图;
图3为本发明一个实施例的构造简图;
图4为本发明一个实施例的技术流程图;
图5为本发明的模糊推理系统模块图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
如图1所示为装置工作典型情况的原理图。图中1为装置在车辆上的安装位置,一般安装在车辆前方挡风玻璃上;2为左侧行驶车辆;3为正前方行驶车辆;4为右侧行驶车辆。车辆在行驶过程中,实时检测车道1、车道2、车道3上行驶的车辆,如有行驶车辆,实时获取其行驶速度等参数。
如图2、图3所示,车载单体道路交通状态判别装置,包括一盒体,所述盒体中设置交通GIS模块、视频交通流采集模块(嵌入式摄像头)、视频交通流分析处理模块、交通状态模糊判别模块和数据库模块。交通GIS模块、视频交通流采集模块、视频交通流分析处理模块和交通状态判别模糊推理模块均与CPU相连;
交通GIS模块镶嵌在与视频交通流采集模块相对应的侧面上,其内部与交通状态判别模糊推理模块相连,交通GIS模块实现功能包括出行者出行路线的规划、存储道路物理参数(如长度、车道数等)、实时道路交通状态显示(以红色表示拥堵、黄色表示缓行、绿色表示畅通)。
视频交通流采集模块,安装于盒体前部侧面上,内部通过数据线与视频交通流分析处理模块相连。视频交通流采集模块主要通过内嵌摄像头实现采集前方与侧前方交通流视频数据。
视频交通流分析处理模块主要分析视频交通流采集系统输出的视频数据,通过一定的视频图像处理算法,分析得到车道数据、交通流量、车牌数据、前车即时速度、侧向车即时速度、自身车辆速度等主要参数。分析后的数据发送至交通状态判别模糊推理模块,同时存储至数据库系统模块或内存中。
交通状态判别模糊推理模块根据交通流及路网参数(包括流量、速度、历史数据、道路参数),建立交通状态判别规则库,确定推理机制。将视频交通流分析处理模块分析后的数据模糊化处理,输入交通状态模糊判别系统,进行模糊推理计算后,得到交通状态值,并将交通状态值分别输送至交通GIS模块和数据库系统模块中。
数据库系统模块主要存储路网历史交通流参数及交通状态值。并能将路网历史交通流参数反馈至视频交通流分析处理模块。
盒体的显示面板上还设有与CPU相连的系统设置、启动按钮和停止按钮。盒体上还具有与CPU相连的数据传输接口,提供常用协议接口,可向交通管理部门的交通指挥控制中心定时传输位置及速度信息。盒体上还设有与CPU相连的电源接口,用于向整个装置供电。
图4为装置1的工作原理图,装置启动后,根据用户选择的工作模式,以固定时间间隔ΔT(如30秒、1分钟等)为单位进行视频分析处理与交通状态判别显示,并向用户发出声音提示。
如图5所示为模糊推理系统模块,推理流程为:在设定的统计分析时间间隔ΔT内,统计分析自身车辆平均行驶速度、左侧车道车辆平均行驶速度、前方车辆平均行驶速度、右侧车道车辆平均行驶速度,将各参数值分别输入各自隶属度函数,进行模糊化处理,处理后的结果输入四维推理规则库,推理结果输入交通状态隶属度函数,对交通状态隶属度函数的推理结果进行反模糊化处理得到道路交通状态值。
系统功能的实现步骤如下:
步骤1:设备以类似导航仪的方式通过支架安装或吸附在车内,启动后完成初始化。用户通过菜单选择是否显示道路交通状态,若选择显示道路交通状态,则启用GIS模块,否则,只启用视频及录像模块。
步骤2:在选择显示道路交通状态的情况下,启动视频图像处理模块、视频交通流分析处理模块及交通状态模糊推理模块,设定道路交通状态判别周期Δt,给出Δt1=10秒、Δt2=30秒、Δt3=60秒与Δt4=180秒多种选择等多种选择(或提供更新周期输入编辑框,手动输入相应值),根据装置处理器性能可提供不同的等级选择。
步骤3:视频图像处理模块实时处理交通流视频,基于视频图像处理算法,提取道路网络前景图像及背景图像,分析计算运动车辆自身速度v1i(i=1,2,…,n)、车道、正前车辆速度v2i(i=1,2,…,n)、左侧车道车辆速度v3i(i=1,2,…,n)、右侧车道车辆速度v4i(i=1,2,…,n)等交通流参数,并存储到数据库或内存中。
步骤4:根据设定的判别周期Δt(设采样数据量为n),计算该时间段内的速度平均值,包括自身速度平均值正前车速度平均值左侧车道速度平均值 右侧车道速度平均值
步骤5:设定将步骤4中各个速度参数的模糊隶属度函数,对实时得到的参数值进行模糊化处理,输入交通状态模糊判别系统,进行一系列模糊推理计算后,得到状态判别输出值,以数值1表示畅通,数值2表示缓行,数值3表示拥堵,或采用其它数值表示方案,在程序内部保持一致的情况下,不影响交通状态判别结果。
下面给出各参数的隶属度函数,值得说明的是,各隶属度函数的模糊子集、论域等级数量等参数均可根据实际需要进行更改,此处主要以典型值进行问题说明。
车辆自身速度平均值隶属度函数:设车辆自身速度平均值的语言变量为V1,其相应模糊子集为论域为X,划分为7个等级,即X={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表1;表示各模糊子集值在等级X中对应的隶属度值。
表1
正前车辆速度平均值隶属度函数:设其语言变量为V2,其相应模糊子集为论域为Y,划分为7个等级,即Y={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表2;表示各模糊子集值在等级Y中对应的隶属度值。
表2
左侧车道速度平均值隶属度函数:设其语言变量为V3,其相应模糊子集为论域为Z,划分为7个等级,即Z={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表3;;表示各模糊子集值在等级Z中对应的隶属度值。
表3
右侧车道速度平均值隶属度函数:设其语言变量为V4,其相应模糊子集为论域为P,划分为7个等级,即P={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表4,表示各模糊子集值在等级P中对应的隶属度值。
表4
输出变量为道路交通状态,其隶属度函数:设其语言变量为O,其相应模糊子集为论域为Q,划分为7个等级,即Q={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表5;表示各模糊子集值在等级Q中对应的隶属度值。
表5
所述步骤5中的根据专家经验,建立交通状态判别规则表,由于此模糊推理器为四维,无法建立表格形式,因此以模糊关系的形式表示如下,
其中i,j,k,l.m=1,2,3,4,5。
解模糊采用现有的重心法,在此不再赘述。
步骤6:在交通GIS模块中,对路段属性进行更新,实时显示步骤5得到的交通状态结果值,并以语音形式向驾驶员发出声音提示;结合路网数据特征及历史数据信息,优化驾驶员出行路线,给出可行的其它出行路线,供驾驶员选择。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种车载单体道路交通状态判别装置,其特征是,包括一盒体,所述盒体中设置有交通GIS模块、视频交通流采集模块、视频交通流分析处理模块、交通状态判别模糊推理模块和数据库系统模块,交通GIS模块、视频交通流采集模块、视频交通流分析处理模块和交通状态判别模糊推理模块均与CPU相连;
视频交通流采集模块,安装于盒体前部侧面上,内部通过数据线与视频交通流分析处理模块相连,视频交通流采集模块主要通过内嵌摄像头实现采集前方与侧前方交通流视频数据,并传输至视频交通流分析处理模块;
视频交通流分析处理模块,分析视频交通流采集模块输出的视频数据,通过视频图像处理算法,分析得到车道数据、交通流量、车牌数据、前车即时速度、侧向车即时速度和自身车辆速度参数,分析后的数据发送至交通状态判别模糊推理模块,同时存储至数据库系统模块或内存中;
交通状态判别模糊推理模块,根据交通流及路网参数,建立交通状态判别规则库,确定推理机制;将视频交通流分析处理模块分析后的数据模糊化处理,输入交通状态模糊判别系统,进行模糊推理计算后,得到交通状态值,并将交通状态值分别输送至交通GIS模块和数据库系统模块中;
交通GIS模块,镶嵌在与视频交通流采集模块相对应的侧面上,其内部与交通状态判别模糊推理模块相连,交通GIS模块实现功能包括出行者出行路线的规划、存储道路物理参数和实时道路交通状态显示;
数据库系统模块,主要存储路网历史交通流参数及交通状态值,并能将路网历史交通流参数反馈至视频交通流分析处理模块。
2.如权利要求1所述的车载单体道路交通状态判别装置,其特征是,所述盒体的显示面板上还设有与CPU相连的系统设置、启动按钮和停止按钮;
所述盒体上还具有与CPU相连的数据传输接口,通过该数据传输接口能够向交通管理部门的交通指挥控制中心定时传输位置及速度信息;
所述盒体上还设有与CPU相连的电源接口,用于向整个装置供电。
3.一种利用权利要求1所述车载单体道路交通状态判别装置的判别方法,其特征是,包括:
步骤1:将装所述装置通过支架安装或吸附在车内,启动后完成初始化;用户通过菜单选择是否显示道路交通状态,若选择显示道路交通状态,则启用GIS模块,否则,只启用视频交通流采集模块;
步骤2:在选择显示道路交通状态的情况下,启动视频交通流采集模块、视频交通流分析处理模块及交通状态模糊推理模块,设定道路交通状态判别周期Δt,给出Δt1=10秒、Δt2=30秒、Δt3=60秒与Δt4=180秒多种选择,或提供更新周期输入编辑框,手动输入相应值,根据装置处理器性能提供不同的等级选择;
步骤3:视频交通流分析处理模块实时处理视频交通流采集模块采集的交通流视频,基于图像分割、目标运动检测、对象识别等算法,提取前景图像及背景图像,分析计算运动车辆自身速度v1i、车道、正前车辆速度v2i、左侧车道车辆速度v3i、右侧车道车辆速度v4i交通流参数,其中,i=1,2,…,n,n为采样数据次数,并存储到数据库系统模块或内存中;
步骤4:根据设定的判别周期Δt,计算该时间段内的速度平均值,包括自身速度平均值正前车速度平均值左侧车道速度平均值右侧车道速度平均值
步骤5:设定步骤4中各个速度参数的模糊隶属度函数,对实时得到的参数值进行模糊化处理,输入交通状态判别模糊推理模块,进行模糊推理计算后,得到状态判别输出值,以数值1表示畅通,数值2表示缓行,数值3表示拥堵;
步骤6:在交通GIS模块中,对路段进行属性更新,实时显示步骤5得到的交通状态结果值,并以语音形式向驾驶员发出声音提示;结合路网数据特征及历史数据信息,优化驾驶员出行路线,给出优化的出行路线,供驾驶员选择。
4.如权利要求3所述的判别方法,其特征是,步骤5中的各参数的隶属度函数,包括车辆自身速度平均值隶属度函数、正前车辆速度平均值隶属度函数、左侧车道速度平均值隶属度函数、右侧车道速度平均值隶属度函数和输出变量为道路交通状态的隶属度函数。
5.如权利要求4所述的判别方法,其特征是,车辆自身速度平均值隶属度函数:设车辆自身速度平均值的语言变量为V1,其相应模糊子集为论域为X,划分为7个等级,即X={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表1;表示各模糊子集值在等级X中对应的隶属度值,
表1
6.如权利要求4所述的判别方法,其特征是,所述正前车辆速度平均值隶属度函数:设其语言变量为V2,其相应模糊子集为论域为Y,划分为7个等级,即Y={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表2;表示各模糊子集值在等级Y中对应的隶属度值,
表2
7.如权利要求4所述的判别方法,其特征是,所述左侧车道速度平均值隶属度函数:设其语言变量为V3,其相应模糊子集为论域为Z,划分为7个等级,即Z={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表3;表示各模糊子集值在等级Z中对应的隶属度值,
表3
8.如权利要求4所述的判别方法,其特征是,右侧车道速度平均值隶属度函数:设其语言变量为V4,其相应模糊子集为论域为P,划分为7个等级,即P={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表4,表示各模糊子集值在等级P中对应的隶属度值,
表4
9.如权利要求4所述的判别方法,其特征是,输出变量为道路交通状态,其隶属度函数:设其语言变量为O,其相应模糊子集为论域为Q,划分为7个等级,即Q={1,2,3,4,5,6,7},模糊子集为的5个语言取值为模糊子集为{VS,S,M,L,VL},其相应隶属度值如表5;表示各模糊子集值在等级Q中对应的隶属度值,
表5
10.如权利要求3所述的判别方法,其特征是,所述步骤5中的根据专家经验,建立交通状态判别规则表,由于此模糊推理器为四维,无法建立表格形式,因此以模糊关系的形式表示如下,
其中i,j,k,l.m=1,2,3,4,5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410404974.6A CN104183150B (zh) | 2014-08-15 | 2014-08-15 | 车载单体道路交通状态判别装置与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410404974.6A CN104183150B (zh) | 2014-08-15 | 2014-08-15 | 车载单体道路交通状态判别装置与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104183150A true CN104183150A (zh) | 2014-12-03 |
CN104183150B CN104183150B (zh) | 2016-03-16 |
Family
ID=51964152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410404974.6A Expired - Fee Related CN104183150B (zh) | 2014-08-15 | 2014-08-15 | 车载单体道路交通状态判别装置与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104183150B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105159907A (zh) * | 2015-06-18 | 2015-12-16 | 百度在线网络技术(北京)有限公司 | 数据的传输方法及装置 |
CN105702034A (zh) * | 2016-03-18 | 2016-06-22 | 中国科学院计算技术研究所 | 基于单目视觉的智能交通管理与路线信息推送方法及系统 |
CN108428341A (zh) * | 2018-05-14 | 2018-08-21 | 齐鲁交通发展集团有限公司青临分公司 | 一种基于人机融合的交通应急管理调度方法及系统 |
CN112034717A (zh) * | 2020-10-14 | 2020-12-04 | 德州海天机电科技有限公司 | 一种混凝土智能调度控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0781604A (ja) * | 1993-09-17 | 1995-03-28 | Honda Motor Co Ltd | 自動走行車両 |
AU1186895A (en) * | 1993-12-08 | 1995-06-27 | Minnesota Mining And Manufacturing Company | Method and apparatus for machine vision classification and tracking |
CN2606694Y (zh) * | 2003-05-30 | 2004-03-17 | 陈湘云 | 车载夜视辅助装置 |
CN101216998A (zh) * | 2008-01-11 | 2008-07-09 | 浙江工业大学 | 基于模糊粗糙集的证据理论城市交通流信息融合方法 |
CN101807345A (zh) * | 2010-03-26 | 2010-08-18 | 重庆大学 | 一种基于视频检测技术的交通拥堵判别方法 |
CN102568210A (zh) * | 2012-03-10 | 2012-07-11 | 山东大学 | 基于视频反馈的交通溢流控制方法 |
CN202896423U (zh) * | 2012-12-05 | 2013-04-24 | 江苏彤明高科汽车电器有限公司 | 一种汽车全景泊车系统 |
CN103854483A (zh) * | 2014-03-21 | 2014-06-11 | 广东新快易通智能信息发展有限公司 | 基于gps卫星定位及ecu的车辆动态信息系统 |
-
2014
- 2014-08-15 CN CN201410404974.6A patent/CN104183150B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0781604A (ja) * | 1993-09-17 | 1995-03-28 | Honda Motor Co Ltd | 自動走行車両 |
AU1186895A (en) * | 1993-12-08 | 1995-06-27 | Minnesota Mining And Manufacturing Company | Method and apparatus for machine vision classification and tracking |
CN2606694Y (zh) * | 2003-05-30 | 2004-03-17 | 陈湘云 | 车载夜视辅助装置 |
CN101216998A (zh) * | 2008-01-11 | 2008-07-09 | 浙江工业大学 | 基于模糊粗糙集的证据理论城市交通流信息融合方法 |
CN101807345A (zh) * | 2010-03-26 | 2010-08-18 | 重庆大学 | 一种基于视频检测技术的交通拥堵判别方法 |
CN102568210A (zh) * | 2012-03-10 | 2012-07-11 | 山东大学 | 基于视频反馈的交通溢流控制方法 |
CN202896423U (zh) * | 2012-12-05 | 2013-04-24 | 江苏彤明高科汽车电器有限公司 | 一种汽车全景泊车系统 |
CN103854483A (zh) * | 2014-03-21 | 2014-06-11 | 广东新快易通智能信息发展有限公司 | 基于gps卫星定位及ecu的车辆动态信息系统 |
Non-Patent Citations (2)
Title |
---|
M.ALI 等: "detailed evaluation and analysis of vision-based online traffic parameters estimation approach using low-resolution web cameras", 《ARCHIVES OF TRANSPORT SYSTEM TELEMATICS》 * |
张立东 等: "混沌模糊交通控制器的设计", 《南京理工大学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105159907A (zh) * | 2015-06-18 | 2015-12-16 | 百度在线网络技术(北京)有限公司 | 数据的传输方法及装置 |
CN105159907B (zh) * | 2015-06-18 | 2019-05-24 | 百度在线网络技术(北京)有限公司 | 数据的传输方法及装置 |
CN105702034A (zh) * | 2016-03-18 | 2016-06-22 | 中国科学院计算技术研究所 | 基于单目视觉的智能交通管理与路线信息推送方法及系统 |
CN108428341A (zh) * | 2018-05-14 | 2018-08-21 | 齐鲁交通发展集团有限公司青临分公司 | 一种基于人机融合的交通应急管理调度方法及系统 |
CN112034717A (zh) * | 2020-10-14 | 2020-12-04 | 德州海天机电科技有限公司 | 一种混凝土智能调度控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104183150B (zh) | 2016-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10346888B2 (en) | Systems and methods to obtain passenger feedback in response to autonomous vehicle driving events | |
CN106197458B (zh) | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 | |
CN103985250B (zh) | 轻量级的全息道路交通状态视觉检测装置 | |
WO2019047905A1 (zh) | 一种交通路况分析系统、方法以及装置 | |
CN104157139B (zh) | 一种交通拥堵预测方法及可视化方法 | |
CN106781479B (zh) | 一种基于手机信令数据实时获取高速公路运行状态的方法 | |
CN102708688B (zh) | 一种基于二级模糊综合判别的城市道路状态辨识方法 | |
CN105405293B (zh) | 一种道路旅行时间短期预测方法和系统 | |
WO2022126492A1 (zh) | 一种基于云服务的城市智慧交通管理系统 | |
WO2020083399A1 (zh) | 基于交通流数据的协调干线线路规划方法及配置系统 | |
CN109902899A (zh) | 信息生成方法和装置 | |
CN109703389B (zh) | 基于新能源公交车的车桩网一体化充电调度装置及方法 | |
US11175153B2 (en) | Pedestrian and vehicle route optimization | |
CN105718750A (zh) | 一种车辆行驶轨迹的预测方法及系统 | |
CN107248284A (zh) | 基于多源信息融合的实时交通评价方法 | |
CN104183150B (zh) | 车载单体道路交通状态判别装置与方法 | |
CN102779410B (zh) | 一种多源异类海量交通数据融合的并行实现方法 | |
CN101567126A (zh) | 城市道路交通信息检测与发布系统 | |
CN104658285A (zh) | 一种城市内涝情况下的交通智能疏导方法 | |
CN107274700B (zh) | 一种车路协同环境下多源信息采集方法及装置 | |
CN111653092A (zh) | 一种车路协同智慧公交管理监控系统 | |
CN105489053A (zh) | 一种基于acp方法的平行停车系统构建方法 | |
CN108120999A (zh) | 车载导航设备及停车场引导方法 | |
CN109615851A (zh) | 一种在群智感知系统中基于关键路段的感知节点选取方法 | |
CN104575050A (zh) | 一种基于浮动车的快速路匝道智能诱导方法及装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160316 Termination date: 20200815 |