CN105761494A - 基于无人机的异常交通信息采集方法 - Google Patents

Abstract

本发明提供的基于无人机的异常交通信息采集方法，包括在无人机上设置远程动态可调的摄像装置，控制所述摄像装置与道路平行并获取路段中运行车辆的正投影，根据路段中运行车辆的正投影获取路段车辆密度；本发明通过无人机对实时路况进行采集，覆盖范围极广，采集数据多样，为智能交通系统的准确判断提供了保证，通过本发明还可以检测道路的交通信息，交通控制系统可依据图像中呈现出的交通实时情况和车流量大小，进行交通状态的检测、交通安全预警以及交通控制诱导等，将数据采集、无人机调度和诱导建设相结合，大大节约了投资成本，为目标路段的车辆提供安全保障、疏导交通，有效的避免了事故的发生。

Description

基于无人机的异常交通信息采集方法

技术领域

本发明涉及智能交通领域，尤其涉及一种基于无人机的异常交通信息采集方法。

背景技术

面对当今世界全球化、信息化发展趋势，传统的交通技术和手段已不适应经济社会发展的要求。智能交通系统(IntelligentTransportationSystem，简称ITS)是交通事业发展的必然选择，是交通事业的一场革命。通过先进的信息技术、通信技术、控制技术、传感技术、计算器技术和系统综合技术有效的集成和应用，使人、车、路之间的相互作用关系以新的方式呈现，从而实现实时、准确、高效、安全、节能的目标。

目前中国交通最大的问题是人口多，此外，交通流的构成也很复杂，除了庞大的机动车流、行人流、自行车流外，还有越来越多的助力自行车、三轮车等交通方式，因此智能交通的道路在中国还有很长，而目前无人机主要应用于以下两个方面，第一军事上，进入危险环境执行任务，第二无人机的民用化，主要应用于突发事件的调查，如单体滑坡勘察、火山环境的检测等领域。

目前的交通信息采集系统主要分为三大类：磁频、波频、视频，应用较多的是磁频技术中的环形地感线圈，当机动车通过检测区域时，在电磁感应的作用下交通检测器内的电流跳跃式上升超过指定阀值触发记录仪，实现对车辆计数，环形线圈检测系统、视频检测系统等都是固定点交通流检测系统，覆盖范围有限，不能完整反应区域交通运行状况，因此，亟需一种新的异常交通采集技术，以完整的反应目标区域内交通运行状况。

发明内容

有鉴于此，本发明提供一种基于无人机的异常交通信息采集方法以解决上述问题。

本发明提供的基于无人机的异常交通信息采集方法，包括

在无人机上设置远程动态可调的摄像装置，控制所述摄像装置与道路平行并获取路段中运行车辆的正投影，根据路段中运行车辆的正投影获取路段车辆密度。

进一步，还包括建立标准图库，所述标准图库包括不同车型的投影面积和正常运行状态下的道路图片，通过将无人机摄像装置拍摄的图像信息与标准图库进行对比，获取路段车辆密度。

进一步，控制摄像装置的摄像头与道路保持平行，根据无人机运行参数，获取摄像装置摄像调整的时间点。

进一步，将无人机摄像装置当前获取的路段中的运行车辆的正投影与标准图库进行对比，确定车辆类型，并通过如下公式获取其空间占有率：

$R_s=\frac{\underset{i=1}{\overset{n}{\Σ}}{l}_{ij}}{L}$

其中，Rs为空间占用率，L为观测路段总长度，lij为第i辆属于第j类型车的长度，n为观测路段内的车辆数。

进一步，还包括通过如下公式获取道路交通量和区间平均速度：

qw＝(xw+yw)/(ta+tw),

t’＝tw-yw/q

vs＝l/t’

其中，qw为道路上参考方向的估计交通量，xw为无人机沿行车方向反向行驶时遇到的车辆数，yw为无人机沿行车方向行驶时的净超车数，ta为无人机沿参考方向反向行驶时的行程时间，tw为无人机沿参考方向行驶时的行程时间，t’为无人机沿参考方向行驶时的平均行程时间的估计值，l为路段长度；vs为区间平均速度。

进一步，无人机摄像装置拍摄的图像信息通过无线通信网络传输至云服务器，所述云服务器包括图像处理系统、图片对比分析系统和标准图库，通过图像处理系统对图像进行增强或复原处理，通过图片对比分析系统将标准图库中的正常状态下的图片与无人机拍摄的图像信息进行对比，所述无线通信网络包括无线基站、卫星和WIFI设备。

进一步，将获取到的路段车辆密度和交通量，与路段拥堵时交通量和密度的临界值进行比较，当获取到的路段车辆密度和交通量趋于路段拥堵时交通量和密度的临界值时，进行预警。

本发明的有益效果：本发明通过无人机对实时路况进行采集，覆盖范围极广，采集数据多样，为智能交通系统的准确判断提供了保证，通过本发明还可以检测道路的交通信息，交通控制系统可依据图像中呈现出的交通实时情况和车流量大小，进行交通状态的检测、交通安全预警以及交通控制诱导等，将数据采集、无人机调度和诱导建设相结合，大大节约了投资成本，为目标路段的车辆提供安全保障、疏导交通，有效的避免了事故的发生，本发明为交通状况提供了预测，便于交通部门及时疏导减少拥堵，为交通诱导服务提供数据支持。

附图说明

下面结合附图和实施例对本发明作进一步描述：

图1是本发明的原理示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步描述：图1是本发明的原理示意图。

如图1所示，本实施例中的基于无人机的异常交通信息采集方法，包括

在无人机上设置远程动态可调的摄像装置，控制所述摄像装置与道路平行并获取路段中运行车辆的正投影，根据路段中运行车辆的正投影获取路段车辆密度。在本实施例中，预先划定无人机的巡航范围(面积)A，区域内的路段长度用L表示。建立标准图库，所述标准图库包括不同车型的投影面积和正常运行状态下的道路图片，通过将无人机摄像装置拍摄的图像信息与标准图库进行对比，获取路段车辆密度。本实施例中的标准图库包含：不同车型(小汽车、厢式车、客车、货车、拖挂车、公交车等)投影面积，正常情况下的道路图片。

在本实施例中，控制摄像装置的摄像头与道路保持平行，根据无人机运行参数，获取摄像装置摄像调整的时间点，首先确定无人机航拍高度h，无人机的飞行高度大约为20m时，可清晰地看到路面状况,当飞行高度超过120m时，需要有摄影测绘资质并申请空域；获取当前无人机运行速度v；将无人机巡航范围A内的道路横、纵断面参数输入程序，例如道路路幅横断面尺寸(宽度及横坡度)、纵坡度、平曲线、竖曲线参数输入至无人机，依据无人机运行速度v和线形变化位置，计算出无人机调整摄像头高度、角度的时间点t＝(t1t2…tn)。在本实施例中，控制无人机摄像头始终保持与道路平行，直线段平行于投影面所产生的投影为正投影，无人机拍摄频率设置为k张/s。

在本实施例中，将无人机摄像装置当前获取的路段中的运行车辆的正投影与标准图库进行对比，确定车辆类型，运用无人机摄像装置对道路进行投影，得到投影照片，通过云服务器中系统处理选择出正投影图片，云服务器包括图像处理系统、图片对比分析系统和标准图库，通过图像处理系统对图像进行增强或复原处理，通过图片对比分析系统将标准图库中的正常状态下的图片与无人机拍摄的图像信息进行对比，所述无线通信网络包括无线基站、卫星和WIFI设备。与标准图库进行对比，确定车辆类型，得到不同类型车的车辆长度lj，面积aj,密度pj,(j＝1…n)；

依据图片中汽车类型计算空间占有率：

$R_s=\frac{\underset{i=1}{\overset{n}{\Σ}}{l}_{ij}}{L}$

Rs-空间占用率；

L-观测路段总长度，m；

lij-第i辆属于第j类型车的长度；

n-观测路段内的车辆数，辆。

当对所选路段进行投影时，密度为p的像素被保留形成图片，可得到图片的投影面积s,通过下式计算车辆数N：

N＝f(s,a)

获取当前路段的车辆密度：

k＝N/L。

在本实施例中，还包括通过如下公式获取道路交通量和区间平均速度：

q_w＝(x_w+y_w)/(t_a+t_w),

t’＝t_w-y_w/q

v_s＝l/t’

其中，q_w为道路上参考方向的估计交通量，x_w为无人机沿行车方向反向行驶时遇到的车辆数，y_w为无人机沿行车方向行驶时的净超车数，t_a为无人机沿参考方向反向行驶时的行程时间，t_w为无人机沿参考方向行驶时的行程时间，t’为无人机沿参考方向行驶时的平均行程时间的估计值，l为路段长度；v_s为区间平均速度。将获取到的路段车辆密度和交通量，与路段拥堵时交通量和密度的临界值进行比较，当获取到的路段车辆密度和交通量趋于路段拥堵时交通量和密度的临界值时，即qw→qc，k→kc时，进行预警，保障车辆安全行驶。

在本实施例中，在交管部门前往交通异常地点的途中，指挥中心可操纵无人机进行影像无延迟传送，对交通异常事件现场进行监控，并发布指令，为事件周围的车辆提供安全保障、疏导交通，避免发生更大的事故，通过运用无线通信网络，例如道路上wifi基站、卫星通讯、手机通讯等提供网络供图片、数据以及命令的传输；将异常图片优先发送，设定为每秒发送可n帧，正常图片延迟发送，此图像处理系统可满足置信度在y以上，假设y取95％，说明有100次上传，至少保证有95次上传的图像是正确的。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于无人机的异常交通信息采集方法，其特征在于：包括

在无人机上设置远程动态可调的摄像装置，控制所述摄像装置与道路平行并获取路段中运行车辆的正投影，根据路段中运行车辆的正投影获取路段车辆密度。

2.根据权利要求1所述的基于无人机的异常交通信息采集方法，其特征在于：还包括建立标准图库，所述标准图库包括不同车型的投影面积和正常运行状态下的道路图片，通过将无人机摄像装置拍摄的图像信息与标准图库进行对比，获取路段车辆密度。

3.根据权利要求2所述的基于无人机的异常交通信息采集方法，其特征在于：控制摄像装置的摄像头与道路保持平行，根据无人机运行参数，获取摄像装置摄像调整的时间点。

4.根据权利要求3所述的基于无人机的异常交通信息采集方法，其特征在于：将无人机摄像装置当前获取的路段中的运行车辆的正投影与标准图库进行对比，确定车辆类型，并通过如下公式获取其空间占有率：

$R_s=\frac{\underset{i=1}{\overset{n}{\Σ}}{l}_{ij}}{L}$

其中，R_s为空间占用率，L为观测路段总长度，l_ij为第i辆属于第j类型车的长度，n为观测路段内的车辆数。

5.根据权利要求1所述的基于无人机的异常交通信息采集方法，其特征在于：还包括通过如下公式获取道路交通量和区间平均速度：

q_w＝(x_w+y_w)/(t_a+t_w),

t’＝t_w-y_w/q

v_s＝l/t’

其中，q_w为道路上参考方向的估计交通量，x_w为无人机沿行车方向反向行驶时遇到的车辆数，y_w为无人机沿行车方向行驶时的净超车数，t_a为无人机沿参考方向反向行驶时的行程时间，t_w为无人机沿参考方向行驶时的行程时间，t’为无人机沿参考方向行驶时的平均行程时间的估计值，l为路段长度；v_s为区间平均速度。

6.根据权利要求2所述的基于无人机的异常交通信息采集方法，其特征在于：无人机摄像装置拍摄的图像信息通过无线通信网络传输至云服务器，所述云服务器包括图像处理系统、图片对比分析系统和标准图库，通过图像处理系统对图像进行增强或复原处理，通过图片对比分析系统将标准图库中的正常状态下的图片与无人机拍摄的图像信息进行对比，所述无线通信网络包括无线基站、卫星和WIFI设备。

7.根据权利要求5所述的基于无人机的异常交通信息采集方法，其特征在于：将获取到的路段车辆密度和交通量，与路段拥堵时交通量和密度的临界值进行比较，当获取到的路段车辆密度和交通量趋于路段拥堵时交通量和密度的临界值时，进行预警。