CN105788295B - 一种交通流量的检测方法及装置 - Google Patents
一种交通流量的检测方法及装置 Download PDFInfo
- Publication number
- CN105788295B CN105788295B CN201410835122.2A CN201410835122A CN105788295B CN 105788295 B CN105788295 B CN 105788295B CN 201410835122 A CN201410835122 A CN 201410835122A CN 105788295 B CN105788295 B CN 105788295B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- noise
- signal
- vehicles
- acquisition
- 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
本发明涉及车联网领域，具体公开了一种交通流量的检测方法及装置，用以降低检测成本，提高检测结果准确性。该方法为：采集检测点周边车辆的噪声混合信号，根据噪声信号特征，从噪声混合信号中分离出多个独立的车辆的噪声信号，根据分离获得的多个独立的车辆的噪声信号，估计检测点周边的车辆数目，以及确定检测点周边各个车辆的行驶速度，并基于获得的车辆数目和各类车辆的行驶速度，计算当前的交通流量。这样，可通过对车辆噪声进行主动的检测分析，降低交通流量检测的成本，并提高交通流量检测的准确性和可靠性。
Description
技术领域
本发明涉及车联网领域，特别涉及一种交通流量的检测方法及装置。
背景技术
随着社会的进步和经济的发展，城市交通拥堵的问题越来越严峻，为了解决这一问题，大多城市通过交通管理系统来对交通流量进行检测，并对未来的一定时间内的交通状况进行预测，从而调控城市网路的交通状况，缓合交通压力，优化城市路网的使用效率。
现有技术中，通常采用传感器、雷达、感应线圈等检测技术，对一定时间段内某一路段上行驶的车辆的速度或者其他信息进行检测，也就是，在车辆上部署采集装置以及通信装置，将采集数据发送至远端管理平台，通过管理平台估计当前时间段内这一路段的交通流量。
但是，目前的检测技术对成本的要求都比较高，比如，传感器检测质量的准确性极大程度上依赖于传感器的精度，高精度的传感器又存在高成本、维护难的问题，而且，需要对所有车辆都安装传感器才能保证交通管理系统调控的可靠性。
综上所述，现有技术对交通流量的检测技术大都需要很高的成本，且降低了交通管理系统的可靠性和实用性。
发明内容
本发明实施例提供一种交通流量的检测方法及装置，用以降低交通流量检测的成本，以及提高交通流量检测的可靠性。
本发明实施例提供的具体技术方案如下：
一种交通流量的检测方法，包括：
采集检测点周边车辆的噪声混合信号；
根据噪声信号特征，从噪声混合信号中分离出多个独立的车辆的噪声信号；
根据分离获得的多个独立的车辆的噪声信号，估计检测点周边的车辆数目，以及估计所述检测点周边各个车辆的行驶速度；
基于获得的车辆数目和各类车辆的行驶速度，计算当前的交通流量。
这样，可通过对车辆噪声进行主动的检测分析，降低交通流量检测的成本，并提高交通流量检测的准确性和可靠性。
较佳地，根据噪声信号特征，从噪声混合信号中分离出多个独立的车辆的噪声信号，具体包括：
采用预设的分离技术，将所述噪声混合信号转换为混迭矩阵，再将所述混迭矩阵转换为对应的分离矩阵；
调节所述分离矩阵各个元素的值，每调节一次，获得相应的输出信号的多个分量并计算各个分量之间的互信息量，将互信息量取值最小时对应的各个分量作为多个独立的车辆的噪声信号，其中，所述分离矩阵用于将输出信号用于表征真实的源信号，一个分量代表一个独立的车辆的噪声信号。
较佳地，根据分离获得的多个独立的车辆的噪声信号，估计检测点周边的各个车辆的行驶速度，具体包括：
根据分离获得的独立的车辆的噪声信号的个数，估计检测点周边的车辆数目；
基于分离获得的每一个独立的车辆的噪声信号，分析噪声特征，结合预设的噪声特征与行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度；或者，基于分离获得的每一个独立的车辆的噪声信号，分析频谱特征并计算多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度。
较佳地，基于分离获得的每一个独立的车辆的噪声信号，分析频谱特征并计算多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度，具体包括：
针对分离获得的每一个车辆的噪声信号进行频谱分析，根据获得的分析结果，确定每一车辆经过检测点时的中心频率；以及，
基于获得的各个车辆经过检测点时的中心频率，结合预设的多普勒频移因子，分别计算每一车辆的多普勒频移；
基于获得的各个车辆的多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，分别估计每一个车辆的行驶速度。
较佳地，在计算当前的交通流量之后，进一步包括：
将获得的计算结果发送至相应的检测点进行显示，或/和，
将获得的计算结果，向交通管理部门上报。
这样，可向驾驶员直观提示交通流量信息，以便驾驶员根据提示信息进行道路的选择，或者，可向交通管理部门提供交通流量管理信息，以便交通管理部门根据提示信息对交通进行调节与管理。
一种交通流量的检测装置，包括：
采集单元，用于采集检测点周边车辆的噪声混合信号；
分离单元，用于根据噪声信号特征，从噪声混合信号中分离出多个独立的车辆的噪声信号；
估计单元，用于根据分离获得的多个独立的车辆的噪声信号，估计检测点周边的车辆数目，以及估计所述检测点周边各个车辆的行驶速度；
计算单元，用于基于获得的车辆数目和各类车辆的行驶速度，计算当前的交通流量。
这样，可通过对车辆噪声进行主动的检测分析，降低交通流量检测的成本，并提高交通流量检测的准确性和可靠性。
较佳地，在根据噪声信号特征，从噪声混合信号中分离出多个独立的车辆的噪声信号时，所述分离单元具体用于：
采用预设的分离技术，将所述噪声混合信号转换为混迭矩阵，再将所述混迭矩阵转换为对应的分离矩阵；
调节所述分离矩阵各个元素的值，每调节一次，获得相应的输出信号的多个分量并计算各个分量之间的互信息量，将互信息量取值最小时对应的各个分量作为多个独立的车辆的噪声信号，其中，所述分离矩阵用于将输出信号用于表征真实的源信号，一个分量代表一个独立的车辆的噪声信号。
较佳地，在根据分离获得的多个独立的车辆的噪声信号，估计检测点周边的各个车辆的行驶速度，所述估计单元具体用于：
根据分离获得的独立的车辆的噪声信号的个数，估计检测点周边的车辆数目；
基于分离获得的每一个独立的车辆的噪声信号，分析噪声特征，结合预设的噪声特征与行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度；或者，基于分离获得的每一个独立的车辆的噪声信号，分析频谱特征并计算多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度。
较佳地，在基于分离获得的每一个独立的车辆的噪声信号，分析频谱特征并计算多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度时，所述估计单元具体用于：
针对分离获得的每一个车辆的噪声信号进行频谱分析，根据获得的分析结果，确定每一车辆经过检测点时的中心频率；以及，
基于获得的各个车辆经过检测点时的中心频率，结合预设的多普勒频移因子，分别计算每一车辆的多普勒频移；
基于获得的各个车辆的多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，分别估计每一个车辆的行驶速度。
较佳地，在计算当前的交通流量之后，进一步包括发送单元，所述发送单元具体用于：
将获得的计算结果发送至相应的检测点进行显示，或/和，
将获得的计算结果，向交通管理部门上报。
这样，可向驾驶员直观提示交通流量信息，以便驾驶员根据提示信息进行道路的选择，或者，可向交通管理部门提供交通流量管理信息，以便交通管理部门根据提示信息对交通进行调节与管理。
附图说明
图1为本发明实施例中交通流量检测的流程图；
图2为本发明实施例中控制中心结构图。
具体实施方式
本发明实施例设计了一种交通流量的检测方法及装置，通过在路测部署噪声检测点来采集周边的车辆噪声混合信号，将收集到的车辆噪声混合信号进行分析，获得当前车辆检测点周边车辆的数目以及运行速度，并计算当前的交通流量，预测未来交通拥堵状况。
本发明实施例中，为方便描述，将进行交通流量检测的装置称为控制中心，该控制中心可以通过计算机程序实现，例如，该控制中心可包括用于收集车辆噪声混合信号的路侧检测点，以及用于对车辆噪声混合信号进行分析和计算的云平台。
本发明实施例中，可预先在路测设置多个检测点，该检测点用于收集其周边的车辆噪声混合信号，检测点的设置位置可以优选的设置在路灯处，或者交通流量显示装置处，这样，可以有效利用现有的基础设施，减少装置的安装成本。
另外，检测点还可与云平台进行通信，即，检测点在收集到车辆噪声混合信号之后，可发送至云平台进行分析与计算。
其中，交通流量显示装置用于将交通流量的信息进行显示，例如，根据获得的交通流量检测结果估计当前路段的未来一定时间内的交通拥堵状况，按照交通拥堵状况的不同程度，在交通流量显示装置中按不同颜色进行显示，如，红色代表当前路段的交通非常拥堵，可提示驾驶员选择其他路径，起到调节交通流量的作用；或者，可向交通管理部门提供参考，提示交通管理部门针对交通网路进行调整。
下面结合说明书附图对本发明实施例优选的方案进行详细说明。
参阅图1所示，本发明实施例中，进行交通流量的检测时，控制中心具体执行以下操作：
步骤100：采集检测点周边车辆的噪声混合信号。
具体地，路测某一检测点周期性触发对周边一定范围内的车辆的噪声混合信号进行采集，并在一定时间段内对采集到的噪声混合信号进行统计，将统计后的结果向云平台发送，以供云平台进行分析。
在实际应用中，车辆行驶时所在的道路周边环境复杂，存在很多背景噪声，且不同车辆的噪声信号混合在一起，因此，检测点采集到的噪声混合信号至少包括多个车辆的噪声信号以及背景噪声信号。
另外，车辆噪声混合信号受到距离衰减的影响，以及受到多普勒频移的影响。也就是说，车辆噪声与检测点的距离越大，检测点采集的该车辆噪声的信号衰减越大；由于行驶中的车辆与检测点之间存在相对运动，因此，检测点采集到的车辆噪声混合信号与实际发出的车辆噪声混合信号不同，具体地，检测点采集的车辆噪声混合信号基于实际发出的车辆噪声混合信号与多普勒频移因子(记为β(t))进行计算，多普勒频移因子与车辆的行驶速度(记为ν)以及车辆与监测点的相对方位角度(记为)有关，具体公式为：
公式[1]
其中，c为空气中的声速。
步骤110：根据噪声信号特征，从噪声混合信号中分离出多个独立的车辆的噪声信号。
如上所述，噪声混合信号中包含各类车辆的噪声信号和背景噪声信号，由于背景噪声信号与车辆噪声信号有很大的频率差异，因此，云平台在收集到检测点发送的周期性统计的车辆噪声信号后，可以通过滤波等手段将噪声混合信号进行初次分离，即，将背景噪声信号从噪声混合信号中分离出去，只剩下多个车辆的噪声信号，再通过预设的分离技术将多个车辆的噪声信号进行分离，获得多个独立的车辆的噪声信号，其中，分离技术可以但不限于采用现有技术中的盲源分离技术。
盲源分离技术是利用源信号之间相互独立这一条件，从一组混合信号中分离出独立源信号的一种技术。盲源分离技术的原理为现有技术，在此不在赘述。
调节过程为：将获得的噪声混合信号转换为混迭矩阵，再将混迭矩阵转换为对应的分离矩阵；
调节分离矩阵各个元素的值，每调节一次，获得相应的输出信号的多个分量并计算各个分量之间的互信息量，将互信息量取值最小时对应的各个分量作为多个独立的车辆的噪声信号，其中，分离矩阵用于将输出信号用于表征真实的源信号，一个分量代表一个独立的车辆的噪声信号。
具体地，将经过初次分离的车辆噪声混合信号经过混迭矩阵后进行分离，获得分离矩阵，将获得的分离矩阵通过随机梯度的方法进行不断调节，使得车辆噪声混合信号的各个分量间的互信息量最小化，由于当两个信号独立时，其互信息量为零，因此，由上述方法获得的车辆噪声混合信号的各个分量可以认为是相互独立的。由于各个车辆发出的噪声信号之间是相互独立的，所以，经过盲源分离技术可以获得当前统计时间段内多个独立的车辆的噪声信号，即，每一个分量代表一个车辆的噪声信号。
步骤120：根据分离获得的多个独立的车辆的噪声信号，估计检测点周边的车辆数目，以及估计检测点周边各个车辆的行驶速度。
在步骤110中，云平台通过对收集到的当前统计时间段内的混合噪声信号进行了分离，得到多个独立的车辆的噪声信号，可根据分离获得的独立的车辆的噪声信号，估计检测点周边在统计时间段内的车辆的数目，以及确定各个车辆的行驶速度。下面对车辆数目的估计和各个车辆的行驶速度的确定分别进行说明。
一、根据分离获得的独立的车辆的噪声信号的个数，估计车辆数目。
例如，分离获得的独立的车辆的噪声信号的个数为50，表示收集到的混合噪声信号可近似认为是由50个车辆发出的，即当前时间段内检测点附近的车辆数目近似为50，因此，控制中心通过对检测点采集的数据进行统计与分析，可以得到检测点附近在当前时间段的车辆数目，即可以得到简单的交通流量的估计。
二、根据分离获得的多个独立的车辆的噪声信号，估计当前统计时间段内检测点周边的各个车辆的行驶速度，可以但不限于采用以下两种方式。
第一种方式：基于分离获得的每一个独立的车辆的噪声信号，分析噪声特征，结合预设的噪声特征与行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度。
在实际应用中，一辆车在行驶过程中发出的噪声信号是由很多噪声源组成的，其中，所有噪声源大致可分为两类：
一类是动力噪声源，例如，发动机、通风排气系统、制冷系统等噪声源，并且，动力噪声随着发动机的转速的增加而增加；
另一类是摩擦噪声源，例如，车辆在行驶过程与空气之间摩擦而产生的噪声、轮胎与地面之间摩擦而产生的噪声等等，并且，摩擦噪声随着车辆行驶速度的增加而增加。
车辆在匀速行驶时，发动机的转速近似于恒定不变，因此，在此种情况下，可认为匀速行驶的车辆的动力噪声源产生的噪声是不变的；
车辆在高速行驶时(例如在高速公路上畅通行驶时)，动力噪声源产生的噪声很小，主要是由轮胎与地面的摩擦产生的噪声，因此可认为此种情况下的主要噪声源是摩擦噪声源；
车辆在低速行驶时(例如在交通比较拥堵的路段行驶时)，摩擦噪声源产生的噪声很小，主要是由发动机和排风系统产生的噪声，因此，可认为此种情况下的主要噪声源是动力噪声源。
因此，可以根据车辆的噪声信号大致确定车辆的行驶速度。
具体地，每一类车辆在出厂时都配置了不同行驶速度与噪声特征数据之间的对应关系，可以根据车辆的出厂数据预先建立不同类型的车辆在不同行驶速度的噪声特征数据库，该噪声特征数据库中包含不同类型的车辆的发动机或轮胎的噪声特征与不同行驶速度范围的对应关系，其中噪声特征包括噪声信号强度、噪声频率高低等。
根据当前获得的多个车辆的噪声信号，查询预设的噪声特征数据库，获得对应的车辆行驶速度，从而得到当前统计时间段内检测点周边的各个车辆的行驶速度的估计值。
第二种方式：基于分离获得的每一个独立的车辆的噪声信号，分析频谱特征并计算多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度。
具体估计车辆行驶速度的过程为：
1)针对分离获得的每一个车辆的噪声信号进行频谱分析，根据获得的分析结果，确定每一车辆经过检测点时的中心频率；
其中，对车辆的噪声信号进行频谱分析可以包括：对噪声信号进行傅里叶变化、加窗处理等，获得分析结果。由于移动车辆的噪声具有的多普勒频移特性可知，车辆在经过检测点时，信号的幅值最大，即噪声的功率值最大，从而根据获得的分析结果，确定噪声功率的最大值为车辆经过检测点时的中心频率。于是，经过同样的分析过程，可获得当前统计时间段内检测点周边所有车辆的中心频率。
2)基于获得的各个车辆经过检测点时的中心频率，结合预设的多普勒频移因子，分别计算每一车辆的多普勒频移；基于获得的各个车辆的多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，分别确定每一个车辆的行驶速度。
具体地，在步骤1)中已获得当前统计时间段内检测点周边的所有车辆的中心频率，根据当前统计时间段内不同采样时间点对应的多普勒频移因子与相应采样时间点车辆的中心频率，可计算不同采样时间点的检测点周围各个车辆对应的接收的噪声频率，进一步可以计算不同采样时间点的检测点周围各个车辆对应的噪声的多普勒频移(即接收的噪声频率相对于中心频率的频移)，再根据多普勒频移与车辆行驶速度的关系，确定相应车辆的行驶速度。
具体计算过程如下：
(1)根据获得当前统计时间段内某个车辆的中心频率，计算检测点在不用采样时间点时对该车辆的接收频率。
公式[2]
其中，为检测点在某采样时间点对该车辆的接收功率，f0为该车辆的中心频率，β[n]为某采样时间点时的多普勒频移因子。
(2)计算该采样时间点时该车辆对应的噪声的多普勒频移。
公式[3]
其中，fd表示多普勒频移。
(3)计算该采样时间点时该车辆的行驶速度。
公式[4]
其中，v表示采样时间点某个车辆的行驶速度。
这样，可以获得当前统计时间段内检测点周边所有车辆在所有采样时间点时的行驶速度。
步骤130：基于获得的车辆数目和各类车辆的行驶速度，计算当前的交通流量。
其中，交通流量是指单位时间内通过某一断面的交通量，在前面步骤中，已获得当前统计时间段内检测点周边的车辆数目，以及，当前统计时间段内，检测点周边的车辆在每一个采样时间点的行驶速度，因此，可通过公式[5]计算当前统计时间段内该检测点周边的交通流量。
车流量＝车流速度*车流密度 公式[5]
其中，车流速度可以为某一采样时间点时检测点周边所有车辆行驶速度的平均值，车流密度为某一采样时间点时检测点周边的车辆数目。
至此，对当前统计时间段内检测点周边的交通流量的计算过程介绍完毕，云平台对所有检测点周边的交通流量皆进行统计与计算，并将统计结果返回检测点，由检测点的设备将结果进行显示，比如，交通流量非常大的检测点可在交通流量显示装置中显示红色，这样，可以提示驾驶员选择其他路径。也或者，云平台将统计结果返回交通管理部门，用以提示交通管理部门对当前的交通流量进行控制与调节。
基于上述实施例，参阅图2所示，本发明实施例中，控制中心包括采集单元200、分离单元210、估计单元220以及计算单元230，其中：
采集单元200，用于采集检测点周边车辆的噪声混合信号；
分离单元210，用于根据噪声信号特征，从噪声混合信号中分离出多个独立的车辆的噪声信号；
估计单元220，用于根据分离获得的多个独立的车辆的噪声信号，估计检测点周边的车辆数目，以及估计检测点周边各个车辆的行驶速度；
计算单元230，用于基于获得的车辆数目和各类车辆的行驶速度，计算当前的交通流量。
这样，可通过对车辆噪声进行主动的检测分析，降低交通流量检测的成本，并提高交通流量检测的准确性和可靠性。
较佳地，在根据噪声信号特征，从噪声混合信号中分离出多个独立的车辆的噪声信号时，分离单元210具体用于：
采用预设的分离技术，将噪声混合信号转换为混迭矩阵，再将混迭矩阵转换为对应的分离矩阵；
调节分离矩阵各个元素的值，每调节一次，获得相应的输出信号的多个分量并计算各个分量之间的互信息量，将互信息量取值最小时对应的各个分量作为多个独立的车辆的噪声信号，其中，分离矩阵用于将输出信号用于表征真实的源信号，一个分量代表一个独立的车辆的噪声信号。
较佳地，在根据分离获得的多个独立的车辆的噪声信号，估计检测点周边的各个车辆的行驶速度，估计单元220具体用于：
根据分离获得的独立的车辆的噪声信号的个数，估计检测点周边的车辆数目；
基于分离获得的每一个独立的车辆的噪声信号，分析噪声特征，结合预设的噪声特征与行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度；或者，基于分离获得的每一个独立的车辆的噪声信号，分析频谱特征并计算多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度。
较佳地，在基于分离获得的每一个独立的车辆的噪声信号，分析频谱特征并计算多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度时，估计单元220具体用于：
针对分离获得的每一个车辆的噪声信号进行频谱分析，根据获得的分析结果，确定每一车辆经过检测点时的中心频率；以及，
基于获得的各个车辆经过检测点时的中心频率，结合预设的多普勒频移因子，分别计算每一车辆的多普勒频移；
基于获得的各个车辆的多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，分别估计每一个车辆的行驶速度。
较佳地，在计算当前的交通流量之后，进一步包括发送单元240，发送单元240具体用于：
将获得的计算结果发送至相应的检测点进行显示，或/和，
将获得的计算结果，向交通管理部门上报。
这样，可向驾驶员直观提示交通流量信息，以便驾驶员根据提示信息进行道路的选择，或者，可向交通管理部门提供交通流量管理信息，以便交通管理部门根据提示信息对交通进行调节与管理。
综上所述，本发明实施例中，控制中心采集检测点周边车辆的噪声混合信号，根据噪声信号特征，从噪声混合信号中分离出多个独立的车辆的噪声信号，根据分离获得的多个独立的车辆的噪声信号，估计检测点周边的车辆数目，以及确定检测点周边各个车辆的行驶速度，并基于获得的车辆数目和各类车辆的行驶速度，计算当前的交通流量。这样，可通过对车辆噪声进行主动的检测分析，降低交通流量检测的成本，并提高交通流量检测的准确性和可靠性。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种交通流量的检测方法，其特征在于，包括：
采集检测点周边车辆的噪声混合信号；
根据噪声信号特征，从噪声混合信号中分离出多个独立的车辆的噪声信号；其中，根据噪声信号特征，从噪声混合信号中分离出多个独立的车辆的噪声信号，具体包括：采用预设的分离技术，将所述噪声混合信号转换为混迭矩阵，再将所述混迭矩阵转换为对应的分离矩阵，调节所述分离矩阵各个元素的值，每调节一次，获得相应的输出信号的多个分量并计算各个分量之间的互信息量，将互信息量取值最小时对应的各个分量作为多个独立的车辆的噪声信号，其中，所述分离矩阵用于将输出信号用于表征真实的源信号，一个分量代表一个独立的车辆的噪声信号；
根据分离获得的多个独立的车辆的噪声信号，估计检测点周边的车辆数目，以及估计所述检测点周边各个车辆的行驶速度；
基于获得的车辆数目和各类车辆的行驶速度，计算当前的交通流量；
将获得的计算结果发送至相应的检测点进行显示，所显示的内容用于表示根据所述计算结果估计的当前路段未来一定时间内的交通拥堵状况。
2.如权利要求1所述的方法，其特征在于，根据分离获得的多个独立的车辆的噪声信号，估计检测点周边的各个车辆的行驶速度，具体包括：
根据分离获得的独立的车辆的噪声信号的个数，估计检测点周边的车辆数目；
基于分离获得的每一个独立的车辆的噪声信号，分析噪声特征，结合预设的噪声特征与行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度；或者，基于分离获得的每一个独立的车辆的噪声信号，分析频谱特征并计算多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度。
3.如权利要求2所述的方法，其特征在于，基于分离获得的每一个独立的车辆的噪声信号，分析频谱特征并计算多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度，具体包括：
针对分离获得的每一个车辆的噪声信号进行频谱分析，根据获得的分析结果，确定每一车辆经过检测点时的中心频率；以及，
基于获得的各个车辆经过检测点时的中心频率，结合预设的多普勒频移因子，分别计算每一车辆的多普勒频移；
基于获得的各个车辆的多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，分别估计每一个车辆的行驶速度。
4.如权利要求1-3任一项所述的方法，其特征在于，在计算当前的交通流量之后，进一步包括：
将获得的计算结果，向交通管理部门上报。
5.一种交通流量的检测装置，其特征在于，包括：
采集单元，用于采集检测点周边车辆的噪声混合信号；
分离单元，用于根据噪声信号特征，从噪声混合信号中分离出多个独立的车辆的噪声信号；其中，在根据噪声信号特征，从噪声混合信号中分离出多个独立的车辆的噪声信号时，所述分离单元具体用于：采用预设的分离技术，将所述噪声混合信号转换为混迭矩阵，再将所述混迭矩阵转换为对应的分离矩阵，调节所述分离矩阵各个元素的值，每调节一次，获得相应的输出信号的多个分量并计算各个分量之间的互信息量，将互信息量取值最小时对应的各个分量作为多个独立的车辆的噪声信号，其中，所述分离矩阵用于将输出信号用于表征真实的源信号，一个分量代表一个独立的车辆的噪声信号；
估计单元，用于根据分离获得的多个独立的车辆的噪声信号，估计检测点周边的车辆数目，以及估计所述检测点周边各个车辆的行驶速度；
计算单元，用于基于获得的车辆数目和各类车辆的行驶速度，计算当前的交通流量；
发送单元，用于在计算当前的交通流量之后，将获得的计算结果发送至相应的检测点进行显示，所显示的内容用于表示根据所述计算结果估计的当前路段未来一定时间内的交通拥堵状况。
6.如权利要求5所述的装置，其特征在于，在根据分离获得的多个独立的车辆的噪声信号，估计检测点周边的各个车辆的行驶速度，所述估计单元具体用于：
根据分离获得的独立的车辆的噪声信号的个数，估计检测点周边的车辆数目；
基于分离获得的每一个独立的车辆的噪声信号，分析噪声特征，结合预设的噪声特征与行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度；或者，基于分离获得的每一个独立的车辆的噪声信号，分析频谱特征并计算多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度。
7.如权利要求6所述的装置，其特征在于，在基于分离获得的每一个独立的车辆的噪声信号，分析频谱特征并计算多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，估计相应的每一个车辆的行驶速度时，所述估计单元具体用于：
针对分离获得的每一个车辆的噪声信号进行频谱分析，根据获得的分析结果，确定每一车辆经过检测点时的中心频率；以及，
基于获得的各个车辆经过检测点时的中心频率，结合预设的多普勒频移因子，分别计算每一车辆的多普勒频移；
基于获得的各个车辆的多普勒频移，结合多普勒频移与车辆行驶速度之间的映射关系，分别估计每一个车辆的行驶速度。
8.如权利要求5-7任一项所述的装置，其特征在于：
所述发送单元，还用于在计算当前的交通流量之后，将获得的计算结果，向交通管理部门上报。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410835122.2A CN105788295B (zh) | 2014-12-26 | 2014-12-26 | 一种交通流量的检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410835122.2A CN105788295B (zh) | 2014-12-26 | 2014-12-26 | 一种交通流量的检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105788295A CN105788295A (zh) | 2016-07-20 |
| CN105788295B true CN105788295B (zh) | 2018-12-28 |
Family
ID=56389113
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410835122.2A Active CN105788295B (zh) | 2014-12-26 | 2014-12-26 | 一种交通流量的检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105788295B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106891846A (zh) * | 2016-12-30 | 2017-06-27 | 上海蔚来汽车有限公司 | 基于多普勒效应的车辆安全预警系统及方法 |
| ES2950232T3 (es) | 2017-05-16 | 2023-10-06 | Signify Holding Bv | Monitoreo de flujo de ruido y localización de sonido mediante iluminación inteligente |
| CN109391660B (zh) * | 2017-08-10 | 2022-05-06 | 中兴通讯股份有限公司 | 车联网系统中数据处理方法、装置及存储介质 |
| CN109472973B (zh) * | 2018-03-19 | 2021-01-19 | 国网浙江桐乡市供电有限公司 | 一种基于声音辨识的实时交通展示方法 |
| CN111089738B (zh) * | 2019-12-31 | 2022-06-17 | 南京工大桥隧与轨道交通研究院有限公司 | 一种基于噪声信号的轮轨匹配状态识别方法 |
| CN111369795B (zh) * | 2020-03-09 | 2022-11-08 | 深圳大学 | 一种车流量统计方法、装置、设备及存储介质 |
| CN113610334A (zh) * | 2021-05-14 | 2021-11-05 | 上海同渠工程咨询有限公司 | 碳汇能力计量监测点的智能规划方法、系统、终端和存储介质 |
| CN113313951B (zh) * | 2021-07-30 | 2021-11-16 | 宁波均联智行科技股份有限公司 | 一种基于环境噪声的交通控制方法和装置 |
| CN116453541B (zh) * | 2023-06-16 | 2023-09-19 | 中山大学 | 一种声源强度预测方法、装置、电子设备及存储介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7464029B2 (en) * | 2005-07-22 | 2008-12-09 | Qualcomm Incorporated | Robust separation of speech signals in a noisy environment |
| CN101256715A (zh) * | 2008-03-05 | 2008-09-03 | 中科院嘉兴中心微系统所分中心 | 无线传感器网络中基于粒子滤波的多车辆声信号分离方法 |
| CN101729157B (zh) * | 2009-12-11 | 2016-02-17 | 南京航空航天大学 | 一种强噪声环境下的振动信号盲源分离方法 |
| CN102354492A (zh) * | 2011-07-19 | 2012-02-15 | 南通立飞投资有限公司 | 智能软降噪装置与方法 |
| CN102682765B (zh) * | 2012-04-27 | 2013-09-18 | 中咨泰克交通工程集团有限公司 | 高速公路音频车辆检测装置及其方法 |
| EP3011286B1 (en) * | 2013-06-21 | 2017-08-02 | Brüel & Kjaer Sound & Vibration Measurement A/S | Method of determining noise sound contributions of noise sources of a motorized vehicle |
-
2014
- 2014-12-26 CN CN201410835122.2A patent/CN105788295B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105788295A (zh) | 2016-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105788295B (zh) | 一种交通流量的检测方法及装置 | |
| CN109544932B (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 | |
| CN104792937B (zh) | 一种基于车载重力加速度传感器的桥头跳车检测评价方法 | |
| CN104164829B (zh) | 基于移动终端的路面平整度检测方法和智能路面信息实时监测系统 | |
| JP5510471B2 (ja) | 運転モデルの作成装置及び運転モデルの作成方法、並びに運転評価装置及び運転評価方法、並びに運転支援システム | |
| CN102819954B (zh) | 交通区域动态地图监控预测系统 | |
| CN107003430B (zh) | 路面状态预测方法和路面状态预测系统 | |
| CN107784835B (zh) | 基于交通数据分析的交通状态模式预测系统及其预测方法 | |
| CN107000750A (zh) | 用于车辆经济性改进的设备及方法 | |
| Bridgelall | Connected vehicle approach for pavement roughness evaluation | |
| US20180286224A1 (en) | System and method of traffic survey, traffic signal retiming and traffic control | |
| JP6392623B2 (ja) | 路面状態判別システム | |
| CN106600981B (zh) | 基于分布式传感信息的道路断面双向车辆速度估计方法 | |
| US20180292224A1 (en) | System and method for traffic volume estimation | |
| CN103021193A (zh) | 一种面向行驶速度区间的干道绿波协调控制方法 | |
| CN103632540A (zh) | 基于浮动车数据的城市主干道交通运行信息处理方法 | |
| CN108091137A (zh) | 一种信号灯控制方案的评价方法及装置 | |
| CN109191840A (zh) | 一种基于智能终端的实时交通状况判定方法 | |
| CN112749210B (zh) | 基于深度学习的车辆碰撞识别方法和系统 | |
| JP2014135061A (ja) | 運転評価装置及び運転評価方法、並びに運転支援システム | |
| JP5395655B2 (ja) | 道路運転情報提供システム | |
| Goodall et al. | Microscopic estimation of freeway vehicle positions using mobile sensors | |
| CN109035757A (zh) | 分析驾驶行为的方法 | |
| CN103337165A (zh) | 基于多用卡口的道路交通状态分析系统及分析方法 | |
| CN107436363B (zh) | 一种轨道交通车辆速度动态测量方法 |
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 |