CN105046960A - 一种对道路拥堵状态分析及违法停车检测的方法及装置 - Google Patents

Abstract

本发明公开了一种对道路拥堵状态分析及违法停车检测的方法及装置，所述装置由至少一个的检测矩阵组成，检测矩阵由电源模块、检测矩阵运算ARM处理器、矩阵数据存储芯片、无线数据传输模块、采样ARM处理器、红外测距传感器组成；红外测距传感器按照行×列的方式拼装成检测矩阵，检测矩阵通过红外测距传感器测量检测矩阵到道路路面距离的方法检测道路上是否存在违法的车辆及车辆行为，每一行的红外测距传感器至少与一个采样ARM处理器连接，采样ARM处理器与检测矩阵运算ARM处理器通讯，完成采样数据的汇总运算和车辆行为的识别判断。本发明可实时检测路面上车辆的行为，为交通管理部门进行道路疏堵及交通优化提供决策依据。

Description

一种对道路拥堵状态分析及违法停车检测的方法及装置

技术领域

本发明涉及智慧交通领域，涉及一种对道路拥堵状态分析及违法停车检测的方法及装置，具体是一种基于阵列式红外测距传感器的检测车辆行为的方法及装置。

背景技术

随着我国逐渐进入汽车时代，道路上的车辆越来越多，车辆猛增导致了道路交通拥挤问题的日益严重和道路违法停车问题的日益严峻，如何有效的发现以及防止交通堵塞、减少道路违法停车变得越来越重要。

目前检测道路拥堵状况，普遍采用摄像头进行监控的方式实现，这种方式需传输和处理的数据量非常大，对占用的网络带宽资源和图像保存的存储资源的投入，都是一笔极大的开支；另外还有采用超声波雷达探测的方式实现道路的检测，超声波雷达存在设备笨重且价格昂贵，探测精度低等缺点；这两种检测方式要实现全路段检测需要安装大量的摄像头和超声波雷达设备，设备投入费用巨大，不便于大面积推广应用。

目前道路违法停车主要采用人工巡查的方式，存在处理不及时的问题。同时也存在巡查人员和车主打游击的现象，整治不彻底；另外交管部门为了整治车辆违停，雇佣了大量的协警协助进行巡查，耗费了大量的人力物力。

因此，研制一种经济适用、价格便宜、检测快速的可实时对道路拥堵状态分析及道路违法停车检测的装置尤为关键。

发明内容

本发明的目的在于提供一种对道路拥堵状态分析及违法停车检测的方法及装置，通过对道路车辆的停止状态和行驶状态的检测和计算，可以获得道路拥堵情况和拥堵长度。

为实现上述目的，本发明提供如下技术方案：

一种对道路拥堵状态分析及违法停车检测的装置，由至少一个的检测矩阵组成，所述检测矩阵由电源模块、检测矩阵运算ARM处理器、矩阵数据存储芯片、无线数据传输模块、采样ARM处理器、红外测距传感器组成；电源模块分别与检测矩阵运算ARM处理器、矩阵数据存储芯片、无线数据传输模块、采样ARM处理器和红外测距传感器连接供电，所述红外测距传感器按照行×列的方式拼装成检测矩阵，检测矩阵的每一行至少与一个采样ARM处理器连接，即采样ARM处理器的数目不少于红外测距传感器的行数，所有行的采样ARM处理器通过I2C总线与检测矩阵运算ARM处理器通讯，完成检测矩阵采样数据的汇总运算和车辆行为的识别判断；所述检测矩阵运算ARM处理器与矩阵数据存储芯片连接。

所述矩阵数据存储芯片包括四个分区，第一个分区存储50ms周期的实时采样原始数据；第二个分区存储1s周期的抽样数据，该分区数据用于计算车辆行驶速度和拥堵检测；第三个分区存储30s周期的抽样数据，该分区数据用于判断车辆停车和违停检测；第四个分区存储道路车流统计数据。

所述检测矩阵运算ARM处理器的型号为STM32F207ZE，所述矩阵数据存储芯片的型号为IS61LV51216，所述无线数据传输模块的型号为nRF24L01，所述采样ARM处理器的型号为STM32F030C8，所述红外测距传感器的型号为夏普GP2Y0A980K0F。

所述检测矩阵的行列模式包括5行×11列、5行×16列、7行×11列、7行×16列、9行×16列、9行×21列、11行×21列、11行×31列、11行×41列、11行×51列、11行×61列和11行×81列；使用模组单元的方式将多个红外测距传感器按照曲面形式拼装成检测矩阵的每一个检测行，所述模组单元中红外测距传感器的数量为11个、10个或5个，每个模组单元还包括一个采样ARM处理器，模组单元利用采样ARM处理器的自动AD转换及DMA数据传输机制进行红外测距传感器输出电压信号的自动快速采样和传输，以实现检测矩阵到路面距离的测量，每个红外测距传感器的测距转换采样周期最快为20ms，根据检测矩阵的实际应用情况设定转换采样周期默认值为50ms。

当一个检测矩阵中某一行的采样ARM处理器的数目大于1时，其中一个采样ARM处理器为主采样ARM处理器，其余的采样ARM处理器为从采样ARM处理器；从采样ARM处理器均通过SPI总线通讯接口与主采样ARM处理器连接并将采样获得的信息实时传输到主采样ARM处理器中，再由主采样ARM处理器通过I2C总线与检测矩阵运算ARM处理器通讯，完成检测矩阵采样数据的汇总运算和车辆行为的识别判断。

当装置中的检测矩阵的数目大于1时，其中一个检测矩阵为主检测矩阵，其余的检测矩阵为从检测矩阵，从检测矩阵通过无线数据传输模块将才接到的道路信息传输到主检测矩阵中进行汇总计算。

本发明设计了一种道路车辆检测的检测矩阵，该检测矩阵采用超远距离红外测距传感器按“行×列”的方式组成检测矩阵，如图1所示，用以实现道路上车辆行为的检测，每个单独的超远距离红外测距传感器的测量距离在800～2500cm之间，测量精度在+/-10cm之间。本发明将该超远距离红外测距传感器简称为“测距传感器”，将测距传感器组成的行列矩阵简称为“检测矩阵”，将与道路平行方向的测距传感器组定义为“行”，与道路垂直方向的测距传感器组定义为“列”，按照“行×列”的方式组成检测矩阵。

采用最常用的7行×11列的检测矩阵为例对本发明进行详细描述及说明，车辆行为检测矩阵由纵横排列的77个测距传感器构成，如图1所示，每个测距传感器内部含有一个红外线发射器和一个CCD检测器，红外线发射器用来产生红外光束，CCD检测器用来接收从被测物反射的红外光束，每个测距传感器将被测物的距离转换为电压信号输出，由ARM处理器对测距传感器输出的电压信号进行模数转换，并计算被测物和检测矩阵的距离。

每一行测距传感器中，每个测距传感器输出的电压信号输入到行信息采样ARM处理器STM32F030C8芯片的AD采样引脚，该ARM处理器最多能够同时采样12路电压信号；如此每行一个采样ARM处理器，7行×11列的检测矩阵需要7个采样处理器，这7个采样ARM处理器通过I2C总线与一个检测矩阵运算ARM处理器STM32F207ZE芯片通讯，完成检测矩阵采样数据的汇总运算和车辆行为的识别判断，如图2所示。

车辆行为检测矩阵的各个红外测距传感器按照一定的曲面角度拼成检测矩阵，并安装在道路路灯灯杆上，使每个红外测距传感器发射的红外光束以一定角度形成红外光栅并均匀的覆盖到道路上的一片区域，被覆盖的区域称为检测区域，每个路灯灯杆安装前后两个检测矩阵，每个矩阵覆盖5m×20m的区域；如图3所示，7行红外测距传感器形成的红外光栅均匀的覆盖到5m宽的道路上，将道路分割成6段，每段间隔为0.83m，即行间隔为0.83m；路灯灯杆上安装检测矩阵后，11列红外测距传感器形成的红外光栅均匀的覆盖到20m长的道路上，将道路分割成10段，每段间隔为2m，即列间隔为2m，如图4所示。

依据红外测距传感器获得的距离变化识别并判断车辆的行为，当检测区域没有车辆时，检测区域每个红外测距传感器测量的距离为检测器到路面的实际距离，本发明中定义该距离为路面距离，并且存储这些路面距离，用作后续车辆检测；当有车辆驶入检测区域时，会有一部分红外测距传感器检测到的距离变短，本发明定义该变短的距离为障碍物距离；随着车辆进入检测区域，测量距离变短的红外测距传感器会逐渐增多，随着车辆离开检测区域，测量距离变短的红外测距传感器会逐渐减少，直到车辆驶出检测区域，所有红外测距传感器测量的距离均恢复到路面距离。

当有车辆或者行人、障碍物进入检测区域后，检测矩阵射向道路路面的红外光栅被遮挡，导致红外测距传感器测量出来的距离发生变化，表明有物体进入检测区，检测装置根据被遮挡红外光栅的数量以及测量距离变化的数值识别进入检测区的物体是否为车辆，并识别车辆的相关动作，如图5和6所示；目前车辆距离路面的高度最低都≥40cm，故进入检测区域的物体被检测到的所行的高度值都≥40cm，则可以判定为车辆高度。

只要车道上存在宽度超过0.83m、长度超过2m的物体存在，就可以被检测矩阵的4个红外测距传感器检测到，若被检测到的物体，高度≥40cm时，则可以判断该物体为车辆；若需要更加高的检测精度，或者车道路面更加宽阔、灯杆间的距离更加长时，则可以选择安装更大的检测矩阵进行检测，如可以选择7行×16列，9行×16列，9行×21列，11行×21列，11行×31列，11行×41列，11行×51列，11行×61，11行×81列的检测矩阵进行车道路面车辆或者障碍物的检测；若车道路面较窄、灯杆间距离较短时，可以选择安装更加小的检测矩阵，如可以选择5行×11列，5行×16列的检测矩阵进行车道路面车辆或者障碍物的检测；若在道路的所有路灯灯杆上安装上检测矩阵，使红外光栅能够覆盖到整条道路的路面，以达到实时检测整条道路中车辆行为的目的。

本发明的一个检测矩阵只检测一个车道上车辆的行为和状态，但在实际应用中，根据道路车道的数量安装多个检测矩阵，在多车道的情况下，通常使用多个检测矩阵按行并排安装的方式，在同一个灯杆上安装多个检测矩阵，通过角度的调整使每个检测矩阵覆盖到每一条车道，每个检测矩阵负责检测一条车道的车辆行为及状态，如图7所示；本发明通过配置设定靠近路灯灯杆的检测矩阵为“主检测矩阵”，其它车道的检测矩阵配置设定为“从检测矩阵”；如图8所示，从检测矩阵通过无线数据传输模块将采集到的道路信息传输到主检测矩阵中进行汇总计算。

本发明中的检测矩阵安装在路灯灯杆上，各个测距传感器发射的红外光束需要形成一定角度，使红外光束照射到路面的监测点需要均匀的覆盖到检测区域内。以7×11的检测矩阵、覆盖5m×20m的检测区域、检测矩阵安装高度12m为例，根据三角形计算公式计算得出，检测矩阵每行红外测距传感器外光束之间的角度间隔3.76°，总共构成约22.6°的夹角，如图9所示；检测矩阵每列红外测距传感器外光束之间的角度间隔5.9°，总共构成约59°的夹角，如图10所示；形成一个能够将红外光束均匀覆盖到路面上的检测矩阵。

本发明中的车辆识别方法包括以下步骤：

1)路面距离设定：检测矩阵初次安装固定后，每个红外测距传感器测量检测矩阵到道路路面的距离，并将结果作为路面距离进行记录存储。路面距离设定时每个传感器可测量3次距离，并取平均值，减小误差。设定路面距离时必须检测区域内没有任何物体，避免初始距离设定错误；

2)行间距和列间距设定：除了路面距离的设定外，在初次安装时，可以根据检测矩阵的行列数覆盖的道路路面的宽度和长度，计算出来行、列中每两个相邻红外传感器覆盖的路面间隔距离，并将结果作为行间距和列间距进行记录存储。

3)车辆驶入检测区域：当有车辆驶入检测区域时，如图11和12所示，检测矩阵边界的红外测距传感器测量传感器到车辆的距离(障碍物距离)，利用公式计算障碍物高度：路面距离-障碍物距离＝障碍物高度；当检测矩阵最右边的一列传感器中有2个以上的测距传感器计算出的障碍物高度≥40cm时，可以判定有车辆进入检测区域；因该检测矩阵边界在检测矩阵中，和道路车辆后部方向相同，故本发明定义该检测矩阵边界为“检测矩阵道路后边界”。

4)车辆完全进入检测区域：当车辆完全驶入检测区域时，如图13和14所示，检测矩阵中检测到的障碍物高度≥40cm的红外测距传感器数量会逐渐增多，标记并记录这些红外传感器的采样状态，同时可以通过每个红外传感器覆盖的路面的行间距和列间距可以计算得到障碍物覆盖路面的面积，通过障碍物覆盖道路路面的面积可以判断该障碍物是车辆还是非车辆的物体。

5)车辆驶出检测区域：当车辆驶出检测区域时，如图15和16所示，检测矩阵中检测到的障碍物高度≥40cm的红外测距传感器数量会逐渐减少，直到检测矩阵中的所有红外测距传感器的测量距离都恢复为路面距离，则表明车辆已经驶出检测区域，车辆驶出检测区域的边界，本发明定位为“检测矩阵道路前边界”。

6)非车辆物体的识别：当被检测物体全部进入检测区时，如图17和18所示，被障碍物遮挡的红外光束覆盖的道路红外光栅点过少时，认为进入检测区域的障碍物是非车辆物体，障碍物的高度＜40cm时也认为进入检测区域的障碍物是非车辆物体；本发明默认配置被遮挡的红外光束覆盖的的道路红外光栅点小于等于2×2个点时，视为非车辆物体进入检测区域；

本发明通过对检测矩阵的采样信息进行判断处理，计算出道路路面被障碍物覆盖的位置和覆盖的测距传感器点数，并结合检测区域中障碍物连续不同时间点的位置偏移，计算出障碍物是否为车辆、车辆是处于停止状态还是处于行驶状态、车辆行驶的速度。

本发明中的车辆判断方法方法：检测矩阵采样得到的信息，判断被障碍物覆盖的红外测距传感器点数大于2×2，且每个测距传感器测量的障碍物高度≥40cm，则可以判定该障碍物为车辆。

本发明中的车速计算方法：(1)记录检测区域中第一个红外光束被遮挡的时间；(2)记录检测区域车辆行驶方向上另一端对应的红外光束被遮挡的时间；(3)识别车辆，只有当被检测物体为车辆时，之前记录的数据视为有效；(4)用检测区被覆盖的长度与两次记录的时间差计算被检测物体的运动速度；(5)可以根据公式S＝L/(t2-t1)计算获得车辆行驶速度，如图19所示。

本发明根据车辆行驶速度判断车辆的状态和道路拥堵情况，每个检测矩阵会将本区域内检测到的车辆行驶速度发送到邻近的检测矩阵中，同时也接收邻近检测矩阵发送过来的车辆行驶速度，根据各个检测区域的车辆行驶速度，计算出道路车辆的平均时速，根据平均时速可以判断道路是否处于拥堵状态；默认设定道路车辆平均时速＞30km/h时，道路处于通畅状态，道路车辆平均时速处于20～30km/h时，道路处于行驶缓慢状态，道路车辆平均时速处于10～20km/h时，道路处于中度拥堵状态，道路车辆平均时速处于5～10km/h时，道路处于重度拥堵状态，道路车辆平均时速＜5km/h，道路处于严重拥堵状态，道路车辆行驶速度连续5分钟接近于0，则可以判断车辆处于停止状态；本发明的默认设定数值可以根据需要进行参数修改调整，如图20所示。

本发明违法停车的检测判断方法是：(1)根据管理要求在检测区域内划定违停区域(图t1时刻)；(2)检测违停区域内是否有车辆存在(图t2时刻)；(3)判断违停区域中的车辆是否连续5分钟行驶速度为0(图t3时刻)；(4)确认违停区域中存在违停车辆；(5)产生车辆违停信号；(6)当车辆开走后(图t4时刻)；计算车辆违停时间长度T＝t4-t2；本发明在进行违法停车检测判断过程中，t3-t2的检测时长默认设置为5分钟，根据路灯违停处罚级别，可以设定不同的检测时长，在严厉禁止违停的路段，可以设置检测时长为1分钟，在适当宽松的违停路灯，可以设定检测时长为30分钟，用以允许车辆临时停放，如图21所示。

本发明违停检测可以分为持续检测模式和按时间段检测模式两种：(1)持续检测模式时，在待检测的道路上划定了违停区域后，不论任何时候，只要检测到有车辆符合违停条件，都立即产生车辆违停信号；(2)按时间段检测模式时，在待检测的道路上划定了违停区域后，在规定的时间段内，检测到有车辆进行停车则立即产生违停信号，不在规定的时间段内进行车辆停车则不产生违停信号，本发明每个检测装置支持8个违停时间段的设置。

本发明可以在检测装置的检测矩阵中任意选择一列红外测距传感器作为道路车流量统计的统计线，当某辆车经过该统计线时，统计线状态由无车辆变为有车辆，从而记录一个车辆驶入，当车辆离开该统计线时，统计线状态由有车辆变为无车辆，从而记录一个车辆驶离，如此可以记录一辆车通过该统计线；连续1分钟或者1小时不间断的利用该统计线对道路上通行的车辆进行统计，可以统计出道路上各个时间段的车流量数据，如图22所示。

本发明负责检测每个车道的检测矩阵通过无线数据传输模块将检测到的实时数据发送到邻近车道的检测矩阵中，当检测到一辆车跨越两个相邻的检测矩阵时，可以判断车辆处于压线变道过程中；根据连续多个实时采样数据的识别比对，可以进行车辆压线行驶(跨两个车道行驶)状态的检测识别；某个灯杆上安装的检测矩阵检测到连续的压线行驶状态后，会将车道的压线行驶状态通过无线数据传输模块发送到主检测矩阵中，由主检测矩阵通过无线数据传输模块输到下一个灯杆上的主检测矩阵中，如此连续经过3个灯杆的主检测矩阵的检测比对，若存在持续的压线行驶状态，则由主检测矩阵产生车道的压线行驶告警信号，如图23所示。

本发明中的大型车辆判断方法，每个检测矩阵在检测装置安装的时候都设置了列间距，在道路车辆行驶过程中，检测矩阵会通过红外测距传感器检测道路路面的覆盖列间距数量，如图24所示，根据公式“车长＝路面覆盖的列数×列间距”，可以计算车辆的长度；根据车辆的长度可以判断车辆是否属于大型客车或者大型货车，同时根据该检测矩阵是否配置为慢速车道或者公交车道属性，从而判断大型车辆是否在规定的道路上行驶。

本发明根据红外测距传感器的测距最快转换采样周期，检测矩阵可以每隔20ms进行一次测距采样，每秒种最快可以进行50次采样，该采样周期，能够满足车辆以90km/h的高速行驶时车辆行为的实时检测；对于道路车辆行驶速度＞90km/h的情况，表明道路处于畅通状态，因此不需要更加高速的采样周期；本发明检测装置的采样周期可以根据道路的实际需要修改采样周期，对于普通城市道路上的车辆行为检测检测，设定默认采样周期为50ms。

本发明中道路上相邻的检测矩阵之间提供了一种检测结果相互共享的机制，将路灯灯杆上的检测矩阵检测到的车辆行为和状态通过无线数据传输模块实时发送到相邻路灯灯杆的检测矩阵中，用以实现整条道路车辆行为和状态的综合性检测和判断。

与现有技术相比，本发明的有益效果是：

本发明可实时检测路面上车辆的行为，判断车辆是处于停止状态亦或是处于行驶状态，行驶的速度是多少；从而快速获得路面车辆行为的第一手数据。本发明的检测矩阵通过无线信号将道路上的每个车道的拥堵状态、车辆违停状态、车流量信息发送到交通管理中心的服务器，管理中心服务器可以根据每个检测装置检测出的拥堵状态参数实时绘制出整条道路的拥堵状态图，以及计算道路拥堵的长度，道路车辆的平均时速；这些信息可以为交通管理部门进行道路疏堵及交通优化提供决策依据。

本发明的检测矩阵的检测精度和检测效果不受道路光线的影响，即使在没有路灯照明的夜间环境下依然能够稳定可靠的进行道路车辆的检测；且该检测矩阵可以全路段覆盖、全路段检测，杜绝了车辆驾驶人员认为规避车辆检测的情况出现。

附图说明

图1是检测矩阵拼装示意图；

图2是检测矩阵采样框图；

图3是检测矩阵红外光栅道路宽度覆盖图；

图4是检测矩阵红外光栅道路长度覆盖图；

图5是道路宽度车辆检测图；

图6是道路长度车辆检测图；

图7是多车道光栅覆盖示意图；

图8是多车道双向光栅覆盖示意图；

图9是道路宽度红外光栅夹角图；

图10是道路长度红外光栅夹角图；

图11是车辆驶入检测区域示意图；

图12是车辆驶入检测区域检测矩阵映射图；

图13是车辆完全进入检测区域示意图；

图14是车辆完全进入检测区域检测矩阵映射图；

图15是车辆驶出检测区域示意图；

图16是车辆驶出检测区域检测矩阵映射图；

图17是非车辆遮挡物示意图；

图18是非车辆遮挡物检测矩阵映射图；

图19是车速计算映射图；

图20是道路拥堵检测映射图；

图21是违法停车判断方法映射图；

图22是道路车流量统计映射图；

图23是车辆压线行驶状态的检测映射图；

图24是车辆车长检测映射图；

图25是检测矩阵框图；

图26是检测矩阵到虚拟数字矩阵的转换；

图27是7行×11列检测矩阵框图；

图28是11行×41列检测矩阵框图；

图29是检测矩阵采样数据存储芯片分区示意图；

图30是采样ARM处理器STM32F030CB采样处理程序流程；

图31是检测矩阵运算ARM处理器STM32F207ZE数据收集及存储流程；

图32是检测矩阵运算ARM处理器和采样ARM处理器数据传输格式；

图33是车速检测流程；

图34是违法停车检测流程；

图35是车长计算流程

图36是道路车流量统计流程；

图37是采样ARM处理器主程序流程；

图38是检测矩阵运算ARM处理器主程序流程。

具体实施方式

下面将结合本发明实施例及附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

请参阅图25，本发明实施例中，检测矩阵由电源模块、检测矩阵运算ARM处理器STM32F207ZE、矩阵数据存储芯片IS61LV51216、nRF24L01无线数据传输模块、采样ARM处理器STM32F030C8、夏普GP2Y0A980K0F红外测距传感器组成，按照“行×列”的拼装方式，将红外测距传感器拼装成检测矩阵，本发明使用模组单元的方式进行检测矩阵的拼装，红外测距传感器分别以11个、10个、5个传感器为一个采样模组单元，通过采样模组单元组合拼装成检测矩阵的每一个检测行，每个采样模组单元利用采样ARM处理器STM32F030CB的自动AD转换及DMA数据传输机制进行红外测距传感器输出电压信号的自动快速采样和传输，以实现检测矩阵到路面距离的测量，每个红外测距传感器的测距转换采样周期最快为20ms，根据检测矩阵的实际应用情况设定转换采样周期默认值为50ms；对于11列的检测矩阵，每行直接采用1个11传感器的模组单元进行拼装，对于16列的检测矩阵，每行采用1个11传感器和1个5传感器的模组单元进行拼装，对于21列的检测矩阵，每行采用1个11传感器和1个10传感器的模组单元进行拼装，对于31列的检测矩阵，每行采用1个11传感器和2个10传感器的模组单元进行拼装，以此类推拼装成41列、51列、61列、81列的检测矩阵；

检测矩阵中每行的第一个11传感器的模组单元的STM32F030CB采样ARM处理器为每行的主采样ARM处理器，负责进行整行采样数据的收集处理，其它模组单元的采样ARM处理器为从采样ARM处理器，利用SPI总线通讯接口将多个从采样ARM处理器与主采样ARM处理器连接起来，将每个采样ARM处理器采样获得的测距信息实时汇总到主采样ARM处理器中，本发明每行最多可以拼接8个采样模组单元，可实现最大81列的采样矩阵；

检测矩阵每行的采样数据汇总到每行的第一个采样ARM处理器(主采样ARM处理器)中后，再利用I2C总线，将每行的采样数据汇总到检测矩阵运算ARM处理器STM32F207ZE中；本发明检测矩阵的检测矩阵运算ARM处理器STM32F207ZE最多可以管理11行采样ARM处理器，故最大的检测矩阵为11行×81列。

请参阅图26，STM32F030CB采样ARM处理器将每个红外测距传感器采样得到的距离数值利用公式计算障碍物高度，若该红外测距传感器对应的道路路面未被40cm以上高度的障碍物覆盖，则记录采样数据为0，表示路面区域无障碍物，否则记录采样数据为1，表示路面区域有障碍物，如此对检测矩阵的所有传感器进行相同处理，在检测矩阵运算ARM处理器STM32F207ZE内存中形成一个数字0、1的虚拟数字阵列，通过该虚拟数字阵列即可进行道路车辆状况的分析及处理。

本发明的每个检测矩阵检测道路上一个车道的车辆状态，对于双车道或者三车道的道路，可以根据实际需要将两个或者三个检测矩阵并排安装，组成一个覆盖道路所有车道的车辆检测装置，如图7所示，每个检测矩阵定期的将采样到的数据通过nRF24L01无线数据传输模块发送到临近的检测矩阵中和相邻路灯灯杆上的检测矩阵中，同时也会接收其它临近的检测矩阵和相邻路灯灯杆上的检测矩阵数据，以自身采样的数据为中心，形成一个虚拟的超大覆盖范围的数字矩阵。

请参阅图27，以7行×11列的检测矩阵为例，该检测矩阵具有77个红外测距传感器，每行STM32F030CB采样ARM处理器进行红外测距传感器的采样，采样ARM处理器通过I2C总线将采样获得的数据汇总到到检测矩阵运算ARM处理器STM32F207ZE中，检测矩阵运算ARM处理器STM32F207ZE每隔50ms就将汇总的采样数据标记上时间戳标记，存储到矩阵数据存储芯片IS61LV51216中，并且通过nRF24L01无线数据传输模块发送到临近的检测矩阵中，同时也会接收临近检测矩阵采样的虚拟数字矩阵并进行存储及处理；

请参阅图28，以11行×41列的检测矩阵为例，该检测矩阵具有451个红外测距传感器，该检测矩阵每行具有1个11传感器和3个10传感器的模组单元组成，共4个STM32F030CB采样ARM处理器进行红外测距传感器的采样，这4个采样ARM处理器利用SPI总线进行连接；11行采样ARM处理器通过I2C总线将采样的数据汇总到到STM32F207ZE检测矩阵运算ARM处理器中，进行道路车辆状态的检测及处理。

请参阅图29，本发明的矩阵数据存储芯片IS61LV51216划分了4个分区，每个分区可以存储256KByte的采样数据，第一个分区存储50ms周期的实时采样原始数据；第二个分区存储1s周期的抽样数据，该分区数据用于计算车辆行驶速度和拥堵检测；第三个分区存储30s周期的抽样数据，该分区数据用于判断车辆停车和违停检测；第四个分区存储道路车流统计数据；

请参阅图30，本发明中的每个采样ARM处理器STM32F030CB最多只进行11个红外测距传感器的采样，其执行步骤：(1)初始化采样ARM处理器的AD采样硬件引脚，配置自动AD采样的DMA时间周期及数据存储空间；(2)等待DMA采样周期中断到来；(3)从数据存储空间中读取11个AD采样数据值；(4)根据AD采样数据值计算每个红外传感器测量得到的的离路面或障碍物的距离，计算障碍物高度等于当前红外测距传感器离路面的初始距离减去所获取距离；(5)判断障碍物高度是否≥40cm；(6)若是则记录采样数据为1；(7)若不是则记录采样数据为0；(8)按照“列”序号的编号，分别将11个采样获得的0、1数据存储到采样模组单元数据存储空间中；(9)若每行矩阵由多个采样模组单元组成，则判断当前采样ARM处理器是否为主采样模组单元；(10)若为主采样模组单元，则从SPI接口读取从采样模组单元的虚拟数字矩阵数据；(11)若为从采样模组单元，则等待主采样模组单元的SPI读取指令，根据指令将从采样模组单元采样的虚拟数字矩阵数据传输到主采样模组单元；(12)主采样模组单元读取完所有的从采样模组单元的数据后，按照“列”序号的编号，分别采样获得的1、0数据存储到采样模组单元数据存储空间中；(13)主采样模组单元完成一个虚拟数字矩阵数据采集后，进入休眠等待时间，等待下一个DMA采样周期中断的到来。

请参阅图31，本发明中的检测矩阵运算ARM处理器STM32F207ZE最多只进行11行采样ARM处理器STM32F035CB的采样数据收集及存储，其流程为：(1)检测矩阵运算ARM处理器设定50ms定时器；(2)50ms定时时间到，进入50ms定时器任务；(3)通过I2C接口循环和采样ARM处理器进行通讯，读取采样ARM处理器中采样获得的0、1数据，根据“行”编号顺序，将采样获得的0、1数据存储到虚拟数字矩阵对应的行空间；(4)循环获取下一“行”的采样数据；(5)直到所有“行”的采样数据获取完毕后，在虚拟数字矩阵尾部添加时间戳；(6)将标记有时间戳的虚拟数字矩阵存储到矩阵数据存储芯片IS61LV51216的第一个分区；(7)若IS61LV51216的第一个分区存储空间存储满后，将循环覆盖存储虚拟数字矩阵，原来老的虚拟数字矩阵将被新采样的虚拟数字矩阵所覆盖。

请参阅图32，为了提高检测矩阵运算ARM处理器STM32F207ZE和采样ARM处理器STM32F035CB数据交互的效率，采样ARM处理器将采样获得的0、1数据按照bit位的方式进行存储和传输，每一个字节可以存储和传输8个bit位的数据，即可以存储8个红外传感器的采样数据，根据检测矩阵的的列数，来确定运算ARM处理器STM32F207ZE和采样ARM处理器STM32F035CB之间I2C通讯的字节长度，其I2C通讯数据传输格式如图32所示。

检测矩阵运算ARM处理器会设定一个1s的定时器和一个30s的定时器，每隔1s，定时器会产生一个1s定时器中断，这时检测矩阵运算ARM处理器会将矩阵数据存储芯片IS61LV51216的第一分区最新采样获得的虚拟数字矩阵数据复制到矩阵数据存储芯片IS61LV51216的第二分区中存储，用于计算车辆行驶速度和拥堵检测；同理每隔30s，定时器会产生一个30s定时器中断，这时检测矩阵运算ARM处理器会将IS61LV51216的第二分区的最新虚拟数字矩阵数据复制到IS61LV51216的第三分区中存储，用于判断车辆停车和违停检测；

检测矩阵运算ARM处理器完成所有“行”、“列”信息的采样并组成了虚拟数字矩阵并打上时间戳后，立即将虚拟数字矩阵的信息通过nRF24L01无线数据传输模块发送到周边临近检测装置中，同时接收临近检测装置发送过来的邻近的虚拟数字矩阵，并按照检测装置的序号和灯杆序号，将本地采样获得的虚拟数字矩阵和通过无线数据传输模块接收到的邻近的虚拟数字矩阵排列组合成一个更大的虚拟数字矩阵，检测矩阵运算ARM处理器在此更大的虚拟数字矩阵上可以进行压线行驶的检测。

请参阅图33，本发明中的车速检测流程：(1)对存储芯片IS61LV51216的第二个分区中存储的虚拟数字矩阵进行遍历，从时间戳最早的时间点的数据开始；(2)查找虚拟数字矩阵第一列数据有连续4个1，且第二列数据全部为0时，记录该时间戳t1和x＝1；(3)根据时间戳，向前逐个对虚拟数字矩阵进行分析判断，发现前一列y数据有连续4个1且后一列数据全部为0，且y＞x，记录该时间戳t2和前一列的列数y；(4)继续对虚拟数字矩阵进行分析判断，虚拟数字矩阵是否有符合前一列数据有连续4个1且后一列数据全部为0的条件，若符合条件则根据虚拟数字矩阵更新t2和y；(5)如此循环，直到虚拟数字矩阵不符合判断条件；(6)计算t1到t2时间内车辆移动的道路长度L＝(y-x)×2m；(7)计算车辆行驶瞬时速度S1＝[L÷(t2-t1)]×3600÷1000，单位为千米/小时(km/h)；(8)根据时间戳，向前继续搜索虚拟数字矩阵，并根据步骤(2)～(7)重复计算车辆行驶瞬时速度S2、S3......，直到第二个分区中存储的虚拟数字矩阵全部遍历完毕，并计算S1～Sn的平均速度，可以得出该检测装置检测到的各个时间点的车辆的瞬时时速道路的平均时速；(9)根据道路拥堵检测配置的车辆速度，对当前道路的平均时速进行比较判断，判断道路当前是否处于拥堵状况；(10)将拥堵状况通过无线数据传输模块发送到邻近的检测装置中用于计算道路的平均时速。

请参阅图34，本发明中的违法停车检测流程：(1)判断检测矩阵中是否配置了违停区域，若不是则直接退出，若是则进行违停检测；(2)对存储芯片IS61LV51216的第三个分区中存储的虚拟数字矩阵进行遍历，从时间戳最晚的时间点的虚拟数字矩阵开始向后查找；(3)查找虚拟数字矩阵违停区域中存在4列×4行个1的数据区域，记录该时间戳t3；(4)根据时间戳，向后逐个对虚拟数字矩阵进行分析判断，查找虚拟数字矩阵违停区域中是否存在4列×4行个1的数据区域，若不存在则清除时间戳t3，并跳转到步骤1继续查找；(5)若存在，则记录时间戳t2，并继续查找连续的符合4列×4行个1的数据区域的虚拟数字矩阵，并更新时间戳t2；(6)计算t3-t2的时间，若时间超过违停时间限制，则产生违停信号，并记录违停开始时间t2，通过无线数据传输模块发送违停告警；(7)循环实时检测该虚拟数字矩阵，查找符合条件的数据区域；(8)直到实时检测该虚拟数字矩阵，无法查找到符合条件的数据区域，则根据时间戳，记录违停结束时间t4；(9)计算违停时长t4-t2；(10)跳转到步骤1开始新一轮的违停检测。

请参阅图35，本发明中的车长计算流程：(1)对检测矩阵实时采样获得虚拟数字矩阵进行分析，查找有连续4个1的列，并记录列号；(2)判断这些记录的列号是否连续；(3)取连续的列序号进行统计符合条件的列数M；(4)根据公式计算车辆近似长度L＝(M-1)×列间距；(5)根据车辆近似长度判断车辆是否属于大型车辆；(6)根据检测矩阵配置的属性，判断是否存在大型车辆在非规定的道路上行驶，若存在大型车辆在非规定的道路上行驶则通过无线数据传输模块发送告警信号；

请参阅图36，本发明中的道路车流量统计流程：(1)判断检测矩阵是否配置有车流量统计线，若未配置则不统计道路车流量，直接退出，若配置则记录车流量统计线的列数n和道路车流量统计开始时间t1，并继续进行道路车流量统计；(2)对检测矩阵实时采样获得虚拟数字矩阵进行分析，若第n列全为0则循环等待检测下一个实时虚拟数字矩阵；(3)下一个实时虚拟数字矩阵到来，若第n列数据有连续4个1，则记录标志S；(4)循环等待检测下一个实时虚拟数字矩阵，若第n列数据全为0，并判断记录标志是否为S，是则记录标志E，并将车流量计数count加1，(5)如此循环记录并判断S和E标志，符合S和E标志对的，则将车流量计数count加1；(6)根据当前的时间t2，计数道路平均车流量num＝count÷(t2-t1)；

请参阅图37，本发明中的采样ARM处理器主程序流程：(1)采样ARM处理器初始化，读取处理器类型属性、采样传感器个数；(2)根据采样传感器个数，初始化采样处理器AD、DMA、SPI、I2C接口；(3)启动AD采样，并配置DMA；(4)根据DAM采样中断，读取测距传感器数值并进行虚拟数值0、1转换；(5)若采样ARM处理器为主采样ARM处理器，则每隔50ms通过SPI总线读取从采样处理器的采样数据，并将采样数据进行汇总及存储；(6)若采样ARM处理器为从采样ARM处理器，则等待主采样处理器从SPI总线读取采样数据，并将数据传输给主采样处理器；(7)主采样ARM处理器等待检测矩阵运算ARM处理器的I2C接口指令，将当前行的所有采样数据传输到检测矩阵运算ARM处理器中。

请参阅图38，本发明中的检测矩阵运算ARM处理器主程序流程：(1)初始化检测矩阵运算ARM处理器I2C接口、nRF24L01无线数据传输模块、矩阵数据存储芯片IS61LV51216，并读取检测矩阵的测距传感器的行数；(2)设定50ms、1s、30s周期定时任务；(3)每间隔50ms循环从每个采样ARM处理器通过I2C接口读取每行的采样数据，将采样数据进行汇总，组成虚拟数字矩阵，并标记上时间戳，存储到矩阵数据存储芯片第一分区中；(4)将采样获得的虚拟数字矩阵通过nRF24L01无线数据传输模块发送到其它检测矩阵上；(5)接收并存储从其它检测矩阵上通过nRF24L01无线数据传输模块发送过来的虚拟数字矩阵；(6)1s周期定时任务，从矩阵数据存储芯片第一分区中将最新的虚拟数字矩阵抽样出来，存储到矩阵数据存储芯片第二分区中，作为1s抽样数据；(7)30s周期定时任务，从矩阵数据存储芯片第一分区中将最新的虚拟数字矩阵抽样出来，存储到矩阵数据存储芯片第三分区中，作为30s抽样数据；(8)根据矩阵数据存储芯片中存储的虚拟数字矩阵进行道路车辆行驶速度的检测；(9)根据矩阵数据存储芯片中存储的虚拟数字矩阵进行道路拥堵情况的检测；(10)根据矩阵数据存储芯片中存储的虚拟数字矩阵及违法停车区域的划分进行车辆停车和违停的检测；(11)根据矩阵数据存储芯片中存储的虚拟数字矩阵进行道路车流量统计，并将统计的数据根据时间段实时的存储到矩阵数据存储芯片中；(12)根据预设的检测原则，进行道路拥堵情况、车辆违停的告警判断及处理，并将告警信息通过无线数据传输模块发送给相邻的检测矩阵和管理服务中心。

本发明可实时检测路面上车辆的行为，判断车辆是处于停止状态亦或是处于行驶状态，行驶的速度是多少；从而快速获得路面车辆行为的第一手数据。本发明的检测矩阵通过无线信号将道路上的每个车道的拥堵状态、车辆违停状态、车流量信息发送到交通管理中心的服务器，管理中心服务器可以根据每个检测装置检测出的拥堵状态参数实时绘制出整条道路的拥堵状态图，以及计算道路拥堵的长度，道路车辆的平均时速；这些信息可以为交通管理部门进行道路疏堵及交通优化提供决策依据。

本发明的检测矩阵的检测精度和检测效果不受道路光线的影响，即使在没有路灯照明的夜间环境下依然能够稳定可靠的进行道路车辆的检测；且该检测矩阵可以全路段覆盖、全路段检测，杜绝了车辆驾驶人员认为规避车辆检测的情况出现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (9)

1.一种对道路拥堵状态分析及违法停车检测的装置，其特征在于，由至少一个的检测矩阵组成，所述检测矩阵由电源模块、检测矩阵运算ARM处理器、矩阵数据存储芯片、无线数据传输模块、采样ARM处理器、红外测距传感器组成；电源模块分别与检测矩阵运算ARM处理器、矩阵数据存储芯片、无线数据传输模块、采样ARM处理器和红外测距传感器连接供电，所述红外测距传感器按照行×列的方式拼装成检测矩阵，检测矩阵的每一行至少与一个采样ARM处理器连接，即采样ARM处理器的数目不少于红外测距传感器的行数，所有行的采样ARM处理器通过I2C总线与检测矩阵运算ARM处理器通讯，完成检测矩阵采样数据的汇总运算和车辆行为的识别判断；所述检测矩阵运算ARM处理器与矩阵数据存储芯片连接。

2.根据权利要求1所述的对道路拥堵状态分析及违法停车检测的装置，其特征在于，所述矩阵数据存储芯片包括四个分区，第一个分区存储50ms周期的实时采样原始数据；第二个分区存储1s周期的抽样数据，该分区数据用于计算车辆行驶速度和拥堵检测；第三个分区存储30s周期的抽样数据，该分区数据用于判断车辆停车和违停检测；第四个分区存储道路车流统计数据。

3.根据权利要求1所述的对道路拥堵状态分析及违法停车检测的装置，其特征在于，所述检测矩阵运算ARM处理器的型号为STM32F207ZE，所述矩阵数据存储芯片的型号为IS61LV51216，所述无线数据传输模块的型号为nRF24L01，所述采样ARM处理器的型号为STM32F030C8，所述红外测距传感器的型号为夏普GP2Y0A980K0F。

4.根据权利要求1所述的对道路拥堵状态分析及违法停车检测的装置，其特征在于，所述检测矩阵的行列模式包括5行×11列、5行×16列、7行×11列、7行×16列、9行×16列、9行×21列、11行×21列、11行×31列、11行×41列、11行×51列、11行×61列和11行×81列；使用模组单元的方式将多个红外测距传感器按照曲面形式拼装成检测矩阵的每一个检测行，所述模组单元中红外测距传感器的数量为11个、10个或5个，每个模组单元还包括一个采样ARM处理器，模组单元利用采样ARM处理器的自动AD转换及DMA数据传输机制进行红外测距传感器输出电压信号的自动快速采样和传输，以实现检测矩阵到路面距离的测量，每个红外测距传感器的测距转换采样周期最快为20ms，根据检测矩阵的实际应用情况设定转换采样周期默认值为50ms。

5.根据权利要求1所述的对道路拥堵状态分析及违法停车检测的装置，其特征在于，当一个检测矩阵中某一行的采样ARM处理器的数目大于1时，其中一个采样ARM处理器为主采样ARM处理器，其余的采样ARM处理器为从采样ARM处理器；从采样ARM处理器均通过SPI总线通讯接口与主采样ARM处理器连接并将采样获得的信息实时传输到主采样ARM处理器中，再由主采样ARM处理器通过I2C总线与检测矩阵运算ARM处理器通讯，完成检测矩阵采样数据的汇总运算和车辆行为的识别判断。

6.根据权利要求5所述的对道路拥堵状态分析及违法停车检测的装置，其特征在于，当装置中的检测矩阵的数目大于1时，其中一个检测矩阵为主检测矩阵，其余的检测矩阵为从检测矩阵，从检测矩阵通过无线数据传输模块将采集到的道路信息传输到主检测矩阵中进行汇总计算。

7.一种利用权利要求6所述的对道路拥堵状态分析及违法停车检测的装置进行检测的方法，其特征在于，通过对检测矩阵中的采样信息进行判断处理，计算出道路路面被障碍物覆盖的位置和覆盖的测距传感器点数，并结合检测区域中障碍物连续不同时间点的位置偏移，计算出障碍物是否为车辆、车辆是处于停止状态还是处于行驶状态、车辆行驶的速度。

8.根据权利要求7所述的利用对道路拥堵状态分析及违法停车检测的装置进行检测的方法，其特征在于，包括车辆识别方法、车速计算方法、道路拥堵状态的识别方法和违法停车的检测判断方法；

所述车辆识别方法，包括以下步骤：

1)路面距离设定：将检测矩阵初次安装固定后，每个红外测距传感器测量其到道路路面的距离，并将结果作为路面距离进行记录存储；设定路面距离时必须检测区域内没有任何物体，避免初始距离设定错误；

2)行间距和列间距设定：在初次安装时，根据检测矩阵的行列数覆盖的道路路面的宽度和长度，计算出来行、列中每两个相邻红外传感器覆盖的路面距离，并将结果作为行间距和列间距进行记录存储；

3)车辆驶入检测区域：当有车辆驶入检测区域时，检测矩阵边界的红外测距传感器测量红外测距传感器到车辆的距离，利用公式计算障碍物高度：路面距离-障碍物距离＝障碍物高度；当检测矩阵边界的一列传感器中有2个以上的测距传感器计算出的障碍物高度≥40cm时，判定有车辆进入检测区域；

4)车辆完全进入检测区域：当车辆完全驶入检测区域时，检测矩阵中检测到的障碍物高度≥40cm的红外测距传感器数量会逐渐增多，标记并记录这些红外传感器的采样状态，同时通过每个红外传感器覆盖的路面的行间距和列间距计算得到障碍物覆盖路面的面积，通过障碍物覆盖道路路面的面积判断该障碍物是车辆还是非车辆的物体；

5)车辆驶出检测区域：当车辆驶出检测区域时，检测矩阵中检测到的障碍物高度≥40cm的红外测距传感器数量会逐渐减少，直到检测矩阵中的所有红外测距传感器的测量距离都恢复为路面距离，则表明车辆已经驶出检测区域；

6)非车辆物体的识别：当被检测物体全部进入检测区时，被障碍物遮挡的红外光束覆盖的道路红外光栅点过少时，认为进入检测区域的障碍物是非车辆物体；障碍物的高度＜40cm时也认为进入检测区域的障碍物是非车辆物体；

所述车速计算方法，包括以下步骤：记录检测区域中第一个红外光束被遮挡的时间；记录检测区域车辆行驶方向上另一端对应的红外光束被遮挡的时间；识别车辆，只有当被检测物体为车辆时，之前记录的时间数据视为有效；用检测区被覆盖的长度与两次记录的时间差计算被检测物体的运动速度；根据公式S＝L/(t2-t1)计算获得车辆行驶速度；

所述道路拥堵状态的识别方法，包括以下步骤：根据车辆行驶速度判断车辆的状态和道路拥堵情况，每个检测矩阵会将本区域内检测到的车辆行驶速度发送到邻近的检测矩阵中，同时也接收邻近检测矩阵发送过来的车辆行驶速度，根据各个检测区域的车辆行驶速度，计算出道路车辆的平均时速，根据平均时速判断道路是否处于拥堵状态；

所述违法停车的检测判断方法，包括以下步骤：根据管理要求在检测区域内划定违停区域；检测违停区域内是否有车辆存在，当有车辆存在时，记录时间为t2时刻；判断违停区域中的车辆是否连续1-30分钟行驶速度为0，当违停区域中的车辆连续1-30分钟行驶速度为0，记录时间为t3时刻；确认违停区域中存在违停车辆；产生车辆违停信号；当车辆开走后，记录时间为t4时刻，计算车辆违停时间长度T＝t4-t2。

9.根据权利要求8所述的利用对道路拥堵状态分析及违法停车检测的装置进行检测的方法，其特征在于，还包括压线变道的识别方法、大型车辆的识别方法和道路车流量统计的方法；

所述压线变道的识别方法，包括以下步骤：每个车道的检测矩阵通过无线数据传输模块将检测到的实时数据发送到邻近车道的检测矩阵中，当检测到一辆车跨越两个相邻的检测矩阵时，可以判断车辆处于压线变道过程中；根据连续多个实时采样数据的识别比对，进行车辆压线行驶状态的检测识别；检测矩阵检测到连续的压线行驶状态后，会将车道的压线行驶状态通过无线数据传输模块发送到主检测矩阵中，由主检测矩阵通过无线数据传输模块传输到下一个主检测矩阵中，如此连续经过3个主检测矩阵的检测比对，若存在持续的压线行驶状态，则由主检测矩阵产生车道的压线行驶告警信号；

所述大型车辆的识别方法，包括以下步骤：每个检测矩阵在安装的时候都设置了列间距，在道路车辆行驶过程中，检测矩阵会通过红外测距传感器检测道路路面的覆盖列间距大小，根据车长＝路面覆盖的列数×列间距，计算车辆的长度；根据车辆的长度判断车辆是否属于大型客车或者大型货车，同时根据该检测矩阵是否配置为慢速车道或者公交车道属性，从而判断大型车辆是否在规定的道路上行驶；

所述道路车流量统计的方法，包括以下步骤：在装置的检测矩阵中任意选择一列红外测距传感器作为道路车流量统计的统计线，当某辆车经过该统计线时，统计线状态由无车辆变为有车辆，从而记录一个车辆驶入，当车辆离开该统计线时，统计线状态由有车辆变为无车辆，从而记录一个车辆驶离，如此记录一辆车通过该统计线；连续一段时间不间断的利用该统计线对道路上通行的车辆进行统计，计算出道路上各个时间段的车流量数据。