CN105389978B - 封闭快速道路监测系统及监控数据处理方法 - Google Patents
封闭快速道路监测系统及监控数据处理方法 Download PDFInfo
- Publication number
- CN105389978B CN105389978B CN201510590974.4A CN201510590974A CN105389978B CN 105389978 B CN105389978 B CN 105389978B CN 201510590974 A CN201510590974 A CN 201510590974A CN 105389978 B CN105389978 B CN 105389978B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- traffic
- bayonet socket
- road
- radars
- 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.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
针对缺乏道路智能分析设备与方法现状,本发明提供封闭快速道路监测系统及监控数据处理方法。所述封闭快速道路监测系统,包括卡口、3D雷达、串口服务器、交换机、数据服务器;在每条行车道上方设有一个卡口;在单向车道上设有一个3D雷达;位于同一单向车道上的卡口与3D雷达均与一个串口服务器相连;该串口服务器经交换机与数据服务器相连。所述的监控数据处理方法,利用3D雷达获得封闭道路两端的某时间段T的车流量,通过卡口获得所有车辆经过封闭道路的平均时间,结合国家标准、格林希尔兹模型及封闭道路长度,得到相应道路服务水平标准。有益的技术效果:采用本发明后,能够加强和改善快速道路管理的效果。
Description
技术领域
本发明涉及智能交通领域、交通流理论、多源数据智能分析及计算机技术等多个领域方法,具体涉及封闭快速道路监测系统及监控数据处理方法。
背景技术
不同国家对不同道路服务水平等级评价标准不一致,目前国内外都是以速度或车流量为标准评价道路服务水平等级,我国国家标准规定以某一横截面通过的车流量Q为标准评价道路服务水平等级,分为一级、二级、三级、四级、五级及六级。
随着我国高速公路及高架桥等快速道路的大量修建,快速道路网日益形成,我国有关快速道路管理部门逐渐意识到资源共享和网络化管理的意义,对已经建成的快速公路进行科学的管理越来越引起人们的重视。客观准确的分析快速道路服务水平不仅在快速道路交通工程设计中起着非常重要的作用,而且在快速道路运营管理中能够实现交通监控系统的优化控制提供依据。通过实时的监测快速道路的动态服务水平,根据快速道路运行状况制定优化控制策略,从而发挥其控制作用和交通服务功能,达到加强和改善快速道路管理的目的。
但是,我国缺乏对封闭的快速道路进行监测的系统,即便获得检测数据,也缺乏监控数据处理方法。
发明内容
本发明目的是根据国家标准关于道路服务水平的规定,设计出基于多目标视频跟踪雷达智能分析快速道路服务水平,达到加强和改善快速道路管理。
为了达到上述目的,本发明所采用的技术方案为如下:
封闭快速道路监测系统,用于包含2条单向车道的城市交通道路,2条单向车道的行车方向相反,每个单向车道包含1条以上的行车道。包括卡口1、3D雷达2。
在每条行车道上方设有一个卡口1。所述卡口1负责检测每条行车道在单位时间t内测量经过检测区域的行车通行时间。
在2条单向车道上各设有一个3D雷达2。所述3D雷达2负责检测所在单向车道内的每条行车道在单位时间t内经过检测区域的单位时间车流量Q、车辆类型。
此外,还设有串口服务器3、交换机4和数据服务器5。
位于同一单向车道上的卡口1与3D雷达2均与一个串口服务器3相连。该串口服务器3经交换机4与数据服务器5相连。
所述串口服务器3负责将与之相连的卡口1与3D雷达2获取的数据经交换机4传递至数据服务器5,由数据服务器5将卡口1、3D雷达2反馈的数据进行处理。
采用本发明所述封闭快速道路监测系统的监控数据处理方法,利用3D雷达获得封闭道路两端的某时间段T的车流量,通过卡口获得所有车辆经过封闭道路的平均时间,结合国家标准、格林希尔兹模型及封闭道路长度,得到相应道路服务水平标准。
有益的技术效果
为客观准备分析快速道路服务水平,本发明通过对无出入口的快速道路布设两个相邻的多功能视频雷达,它连续发射调频微波波束,探测道路上的车辆信息。当车辆进入波束覆盖范围时,多功能视频雷达应用先进的技术区分、识别、确定目标车辆,并给每一个目标车辆标定编号。通过实时定位车辆的坐标位置来跟踪目标,实现对波束覆盖范围内车辆的轨迹跟踪式检测。通过对目标的跟踪式检测及回波的度量,可精确测得某时间段内不同车道的车流量Q、车辆车型及抓拍和识别通过车辆的车牌号等即时交通数据。通过格林希尔兹模型及国家标准推算出“空间平均速度--车流密度--服务水平”之间关系,同时结合突发事件检测实现智能分析快速道路服务水平等级。
采用本发明后,能够根据国家标准关于道路服务水平的规定,基于多目标视频跟踪雷达智能监控和分析快速道路服务水平,进而实现加强和改善快速道路管理的效果。
附图说明
图1为本发明试验段示意图。
图2为本发明的算法实现示意图。
图3为本发明的多功能视频雷达数据解析示意图。
图4为本发明的车辆通行时间示意图。
具体实施方式
现结合附图详细说明本发明的技术细节。
参见图1,封闭快速道路监测系统,用于包含2条单向车道的城市交通道路,2条单向车道的行车方向相反,每个单向车道包含1条以上的行车道。包括卡口1、3D雷达2、串口服务器3、交换机4、数据服务器5。
在每条行车道上方设有一个卡口1。所述卡口1负责检测每条行车道在单位时间t内测量经过检测区域的行车通行时间。
在2条单向车道上各设有一个3D雷达2。所述3D雷达2负责检测所在单向车道内的每条行车道在单位时间t内经过检测区域的单位时间车流量Q、车辆类型。
位于同一单向车道上的卡口1与3D雷达2均与一个串口服务器3相连。该串口服务器3经交换机4与数据服务器5相连。
所述串口服务器3负责将与之相连的卡口1与3D雷达2获取的数据经交换机4传递至数据服务器5,由数据服务器5将卡口1、3D雷达2反馈的数据进行处理。
进一步说,卡口1的分辨率为200万像素,车牌抓拍率>98%,识别率>90%。
进一步说,3D雷达2的型号为Type30,支持8车道检测车流量,具备实时跟踪车辆功能。
参见图1,进一步说,2条单向车道依次记为驶入车道和驶出车道,驶入车道和驶出车道均包含3条行车道。
记驶入车道所包含3条行车道依次为N1车道、N2车道、N1车道。驶出车道所包含3条行车道依次为N4车道、N5车道、N6车道。
在每个单向车道上设有一个龙门架。卡口1、3D雷达2分别安装在对应的龙门架上。
采用本发明所述封闭快速道路监测系统的监控数据处理方法,利用3D雷达获得封闭道路两端的某时间段T的车流量,通过卡口获得所有车辆经过封闭道路的平均时间,结合格林希尔兹模型及封闭道路长度,得到相应道路服务水平标准。
进一步说,具体按如下的步骤进行:
记本封闭快速道路监测系统的检测区域的长度为l,检测周期为T,在T检测周期内有N辆车辆经过检测区域,且记第i辆车辆通过检测区域的速度为vi,i取1至N。用表示在检测周期T内所有车辆通过检测器时的平均速度。
步骤一:按下式获取车流密度K。
K=n/L 式1
所述车流密度K的单位是pcu/km/lane,车流密度K指在检测区域所覆盖的一条车行道的瞬时车辆密度,它表示车辆分布的集中程度,反映一条道路的交通密集程度。
步骤二:按下式获取空间平均速度
ti表示第i辆车行驶L距离所用的时间,
空间平均速度的单位是km/h,空间平均速度为行驶于检测区域所覆盖的一条车行道内的全部车辆的车速分布的平均值。
步骤三:按下式获取交通量Q。
Q=n/T 式3。
所述交通量Q的单位是pcu/h,交通量Q是指在检测周期T内,检测区域所覆盖的一条车行道上通过的标准车当辆数。
步骤四:将由步骤一获得的车流密度K、由步骤二获得的空间平均速度由步骤三获得的交通量Q归一化处理,获得下式:
步骤五:将步骤四所得的函数式代入格林希尔兹模型,获得流量--密度数学关系函数:
所述格林希尔兹模型为其中,Kj表示阻塞密度,车流几乎无法移动,即发生交通阻塞时的车流密度,此时车流量趋于零,车速趋于零。hd表示交通堵塞时的车头间距——即相邻两个车辆的车头之间的距离。Vf为示自由流速度。自由流速度Vf的单位为km/h,指不受上下游条件影响的交通流运行速度。
步骤六:将步骤五获得的流量--密度数学关系函数值输出。
进一步说,hd=8m。
更进一步说,将步骤二获得的代入时间占有率Rt,并用空间平均速度代替每辆车通过检测区域l的速度,获得时间占有率与车流量成正比函数:
结合公式6及加州#7算法得到突发事件检测:
1)下游道路服务水平等级高于上游道路服务水平等级,则进行第二步。
2)下游交通量与上游交通量之差与上游交通量之比大于40%,则进行第三步。
3)下游道路服务水平等级为三级及以内服务水平。
将获得的时间占有率与车流量成正比函数值输出。
实施例
如图1所示:本发明适用于封闭快速道路,通过道路两端分别安装多功能视频雷达,本发明每隔周期T=15min进行一次研判,可以根据实际应用,设置相应研判周期T,通过网络传输数据至后台。
附图2为本发明算法实现示意图,附图3和附图4为设备数据处理示意图,首先判断是否存在突发事件,然后判断相应的道路服务水平,具体如下:
通过对加州#7算法和公式6得到突发事件检测算法如下:
a.下游道路服务水平等级高于上游道路服务水平等级,则进行第二步。
b.下游交通量与上游交通量之差与上游交通量之比大于40%,则进行第三步。
c.下游道路服务水平等级为三级及以内服务水平。
根据公式3的定义,通过高清卡口获得时间T内的空间区间速度步骤如下:
(一)确定是否存在突发事件,若不存在,则进行第二步。
(二)获取时间T内上下游高清卡口抓拍车牌号C上、C下及抓拍时间t上、t下。
(三)若C上=C下,则算出时间差ti=t上-t下,同时车辆数量N加1,以此类推计算所有车辆通过试验段的时间差并相加得到总时间
(四)由于高清卡口识别率受到天气等因素影响,若N<15.96*12.6*a,a为系数,本发明初始设置a=20%,则N<40,试验段道路服务水平等级为上游和下游最低服务水平等级最低者,否则跳转到第五步。
(五)通过公式3计算得到空间区间速度按照表1进行划分道路服务水平等级,如公式(7)所示。
表1
Claims (2)
1.封闭快速道路监测系统,用于包含2条单向车道的城市交通道路,2条单向车道的行车方向相反,每个单向车道包含1条以上的行车道;其特征在于:包括卡口(1)、3D雷达(2);
在每条行车道上方设有一个卡口(1);所述卡口(1)负责检测每条行车道在单位时间t内测量经过检测区域的行车通行时间;
在2条单向车道上各设有一个3D雷达(2);所述3D雷达(2)负责检测所在单向车道内的每条行车道在单位时间t内经过检测区域的单位时间车流量Q、车辆类型;
设有串口服务器(3)、交换机(4)和数据服务器(5);
位于同一单向车道上的卡口(1)与3D雷达(2)均与一个串口服务器(3)相连;该串口服务器(3)经交换机(4)与数据服务器(5)相连;
所述串口服务器(3)负责将与之相连的卡口(1)与3D雷达(2)获取的数据经交换机(4)传递至数据服务器(5),由数据服务器(5)将卡口(1)、3D雷达(2)反馈的数据进行处理;
所述卡口(1)的分辨率为200万像素,车牌抓拍率>98%,识别率>90%;
所述3D雷达(2)的型号为Type30,支持8车道检测车流量,具备实时跟踪车辆功能;2条单向车道依次记为驶入车道和驶出车道,驶入车道和驶出车道均包含3条行车道;记驶入车道所包含3条行车道依次为N1车道、N2车道、N1车道;驶出车道所包含3条行车道依次为N4车道、N5车道、N6车道;
在每个单向车道上设有一个龙门架;卡口(1)、3D雷达(2)分别安装在对应的龙门架上;利用3D雷达获得封闭道路两端的某时间段T的车流量,通过卡口获得所有车辆经过封闭道路的平均时间,结合格林希尔兹模型及封闭道路长度,得到相应道路服务水平标准;采用封闭快速道路监测系统的监控数据处理的具体操作步骤如下:
记本封闭快速道路监测系统的检测区域的长度为l,检测周期为T,在T检测周期内有N辆车辆经过检测区域,且记第i辆车辆通过检测区域的速度为vi,i取1至N;用表示在检测周期T内所有车辆通过检测器时的平均速度;
步骤一:按下式获取车流密度K;
K=n/L (式1)
所述车流密度K的单位是pcu/km/lane,车流密度K指在检测区域所覆盖的一条车行道的瞬时车辆密度,它表示车辆分布的集中程度,反映一条道路的交通密集程度;
步骤二:按下式获取空间平均速度
ti表示第i辆车行驶L距离所用的时间,
空间平均速度的单位是km/h,空间平均速度为行驶于检测区域所覆盖的一条车行道内的全部车辆的车速分布的平均值;
将获得的代入时间占有率Rt,并用空间平均速度代替每辆车通过检测区域l的速度,获得时间占有率与车流量成正比函数:
结合公式6及加州#7算法得到突发事件检测:
1)下游道路服务水平等级高于上游道路服务水平等级,则进行第二步;
2)下游交通量与上游交通量之差与上游交通量之比大于40%,则进行第三步;
3)下游道路服务水平等级为三级及以内服务水平;
将获得的时间占有率与车流量成正比函数值输出;
步骤三:按下式获取交通量Q;
Q=n/T (式3);
所述交通量Q的单位是pcu/h,交通量Q是指在检测周期T内,检测区域所覆盖的一条车行道上通过的标准车当辆数;
步骤四:将由步骤一获得的车流密度K、由步骤二获得的空间平均速度由步骤三获得的交通量Q归一化处理,获得下式:
步骤五:将步骤四所得的函数式代入格林希尔兹模型,获得流量--密度数学关系函数:
所述格林希尔兹模型为其中,Kj表示阻塞密度,车流几乎无法移动,即发生交通阻塞时的车流密度,此时车流量趋于零,车速趋于零;hd表示交通堵塞时的车头间距——即相邻两个车辆的车头之间的距离;Vf为示自由流速度;自由流速度Vf的单位为km/h,指不受上下游条件影响的交通流运行速度;
步骤六:将步骤五获得的流量--密度数学关系函数值输出。
2.根据权利要求1所述的封闭快速道路监测系统的监控数据处理方法,其特征在于:
hd=8m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510590974.4A CN105389978B (zh) | 2015-09-15 | 2015-09-15 | 封闭快速道路监测系统及监控数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510590974.4A CN105389978B (zh) | 2015-09-15 | 2015-09-15 | 封闭快速道路监测系统及监控数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105389978A CN105389978A (zh) | 2016-03-09 |
CN105389978B true CN105389978B (zh) | 2017-12-05 |
Family
ID=55422216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510590974.4A Active CN105389978B (zh) | 2015-09-15 | 2015-09-15 | 封闭快速道路监测系统及监控数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105389978B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107248298B (zh) * | 2017-05-23 | 2020-04-24 | 招商局重庆交通科研设计院有限公司 | 基于交通流状态的道路交通控制方法 |
CN109212513B (zh) * | 2018-09-29 | 2021-11-12 | 河北德冠隆电子科技有限公司 | 多目标在雷达间数据传递、数据融合及连续跟踪定位方法 |
CN109598930B (zh) * | 2018-11-27 | 2021-05-14 | 上海炬宏信息技术有限公司 | 一种自动检测高架封闭系统 |
CN111583674A (zh) * | 2020-03-23 | 2020-08-25 | 南京慧尔视智能科技有限公司 | 交织路段及通过雷达跟踪控制提高其通行效率的方法 |
CN113554869B (zh) * | 2021-07-01 | 2022-04-05 | 华东师范大学 | 一种基于多特征融合的道路封闭检测方法 |
CN114944062B (zh) * | 2022-05-30 | 2023-05-26 | 长安大学 | 一种隧道平行交通系统构建方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020077846A (ko) * | 2002-08-27 | 2002-10-14 | 주식회사 옵투스 | 차량속도 검출방법 및 그 장치 |
CN101520510A (zh) * | 2009-04-08 | 2009-09-02 | 邹谋炎 | 一种公路车辆监测用窄波束测速雷达组 |
CN101692310A (zh) * | 2009-09-23 | 2010-04-07 | 德瑞视(北京)科技发展有限公司 | 一种智能交通综合视频监测系统 |
KR20120029211A (ko) * | 2010-09-16 | 2012-03-26 | 에스케이플래닛 주식회사 | 이동통신망을 이용한 교통정보 수집시스템, 그 유효 표본 보정 장치 및 그룹 별 평균 속도 산출 방법, 이를 위한 기록매체 |
CN104200657A (zh) * | 2014-07-22 | 2014-12-10 | 杭州智诚惠通科技有限公司 | 一种基于视频和传感器的交通流量参数采集方法 |
CN104484994A (zh) * | 2014-12-17 | 2015-04-01 | 合肥革绿信息科技有限公司 | 基于阵列雷达的城市路网交通运行指数评价方法及装置 |
-
2015
- 2015-09-15 CN CN201510590974.4A patent/CN105389978B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020077846A (ko) * | 2002-08-27 | 2002-10-14 | 주식회사 옵투스 | 차량속도 검출방법 및 그 장치 |
CN101520510A (zh) * | 2009-04-08 | 2009-09-02 | 邹谋炎 | 一种公路车辆监测用窄波束测速雷达组 |
CN101692310A (zh) * | 2009-09-23 | 2010-04-07 | 德瑞视(北京)科技发展有限公司 | 一种智能交通综合视频监测系统 |
KR20120029211A (ko) * | 2010-09-16 | 2012-03-26 | 에스케이플래닛 주식회사 | 이동통신망을 이용한 교통정보 수집시스템, 그 유효 표본 보정 장치 및 그룹 별 평균 속도 산출 방법, 이를 위한 기록매체 |
CN104200657A (zh) * | 2014-07-22 | 2014-12-10 | 杭州智诚惠通科技有限公司 | 一种基于视频和传感器的交通流量参数采集方法 |
CN104484994A (zh) * | 2014-12-17 | 2015-04-01 | 合肥革绿信息科技有限公司 | 基于阵列雷达的城市路网交通运行指数评价方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105389978A (zh) | 2016-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105389978B (zh) | 封闭快速道路监测系统及监控数据处理方法 | |
CN103456172B (zh) | 一种基于视频的交通参数测量方法 | |
Bottero et al. | Wireless sensor networks for traffic monitoring in a logistic centre | |
CN105261215B (zh) | 基于微波的智能交通行为感知方法及系统 | |
CN104778845B (zh) | 多相位跳变和车辆全动态诱导交通控制方法 | |
Skabardonis et al. | Real-time estimation of travel times on signalized arterials | |
CN104021676B (zh) | 基于车辆动态视频特征的车辆定位及车速测量方法 | |
CN103236191B (zh) | 一种基于视频的高速公路匝道车辆并入安全预警方法 | |
Al-Sobky et al. | Traffic density determination and its applications using smartphone | |
Cai et al. | Shock wave approach for estimating queue length at signalized intersections by fusing data from point and mobile sensors | |
CN109544932A (zh) | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 | |
CN102819954A (zh) | 交通区域动态地图监控预测系统 | |
CN105513371B (zh) | 一种基于核密度估计的高速公路违章停车检测方法 | |
CN104750963B (zh) | 交叉口延误时长估计方法及装置 | |
NZ595441A (en) | Mobile monitoring method and device having sensors for measuring the speed, geometry, and images of passing vehicles | |
CN102231235A (zh) | 一种交通流异常点检测定位方法 | |
Jin | Macroscopic characteristics of lane-changing traffic | |
Li et al. | Queue length estimation at signalized intersections based on magnetic sensors by different layout strategies | |
Sanchez et al. | Analysis of queue estimation methods using wireless magnetic sensors | |
Chen et al. | Train data collection and arrival time prediction system for highway–rail grade crossings | |
Minge et al. | Loop-and length-based vehicle classification: Federal highway administration-pooled fund program [tpf-5 (192)] | |
CN102074112B (zh) | 基于时间序列多元线性回归的虚拟速度传感器设计方法 | |
CN104123837A (zh) | 基于微波和视频数据融合的间断流行程时间估计方法 | |
Fitzsimmons et al. | Measuring horizontal curve vehicle trajectories and speed profiles: pneumatic road tube and video methods | |
Coifman | Freeway detector assessment: aggregate data from remote traffic microwave sensor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |