CN108550269A - 基于毫米波雷达的交通流量检测系统及其检测方法 - Google Patents

基于毫米波雷达的交通流量检测系统及其检测方法 Download PDF

Info

Publication number
CN108550269A
CN108550269A CN201810554907.0A CN201810554907A CN108550269A CN 108550269 A CN108550269 A CN 108550269A CN 201810554907 A CN201810554907 A CN 201810554907A CN 108550269 A CN108550269 A CN 108550269A
Authority
CN
China
Prior art keywords
millimetre
vehicle
wave radar
data
track
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
Application number
CN201810554907.0A
Other languages
English (en)
Other versions
CN108550269B (zh
Inventor
林海青
张雄辉
林永杰
陈军
韩善阳
王成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan kunhong Yuanxiang Technology Co.,Ltd.
Original Assignee
China Automotive Electronics Yangzhou Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Automotive Electronics Yangzhou Co Ltd filed Critical China Automotive Electronics Yangzhou Co Ltd
Priority to CN201810554907.0A priority Critical patent/CN108550269B/zh
Publication of CN108550269A publication Critical patent/CN108550269A/zh
Application granted granted Critical
Publication of CN108550269B publication Critical patent/CN108550269B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于毫米波雷达的交通流量检测系统及其检测方法，属于道路交通状态技术领域，解决了传统线圈、地磁、视频检测器存在的交通流漏检以及传统微波雷达在车辆速度较低时检测准确率低的问题。主要包括架设于检测道路上方的毫米波雷达检测器、MCU控制单元以及中心系统单元单元。本发明能够实现车辆轨迹识别与车辆编号，并在此基础上根据不同路段场景和毫米波雷达检测器部署方案，提出了基于轨迹数据的单检测器过车流量和路段流量计算方法；本发明方法简单不冗长，能够准确判别道路交通流量状态，准确率可达95％以上，为交通管控提供精细化的道路基础流量数据支持，对提高交通控制效果、提升交通管理效率具有重要意义。

Description

基于毫米波雷达的交通流量检测系统及其检测方法
技术领域
本发明属于道路交通状态技术领域，具体地说，尤其涉及一种基于毫米波雷达的交通流量检测系统及其检测方法。
背景技术
实时、准确的道路交通状态采集是实施有效交通管控措施的前提基础。描述道路交通状态的参数包括交通流量、速度、占有率、排队长度、路口延误等，其中，交通流量是指在选定时间段内通过道路某一地点、某一断面或某一车道的交通实体数，是最基础亦是最重要的交通状态指标之一。传统的交通流采集主要依靠布设于路段断面的地磁、线圈、视频、微波雷达等检测器来实现，在实际工程应用中发现，这些检测器在实际道路环境中存在诸多的不足之处。比如地磁和线圈易受临道车辆干扰，导致漏检或误检；视频检测设备依赖于天气、能见度等环境条件，也会存在很大程度的漏检；传统的基于微波雷达检测器的系统采用多普勒原理探测移动车辆，当车辆行驶速度较低时，就存在目标丢失的问题，无法准确判别路段流量和车辆速度。此外，传统检测器系统及检测方法仅采集断面交通数据，无法获取局部交通状态，更无法追踪车辆的行驶轨迹。
发明内容
本发明的目的是针对现有技术存在的不足，提供了一种基于毫米波雷达的交通流量检测系统及其检测方法。
本发明是通过以下技术方案实现的：
一种基于毫米波雷达的交通流量检测系统,包括架设于检测道路上方的毫米波雷达检测器、MCU控制单元以及中心系统单元；所述毫米波雷达检测器对探测范围内的车辆进行跟踪，识别每个目标的行驶状态信息，并将采集到的离散车辆点的运动信息输入所述MCU控制单元，由所述MCU控制单元对离散车辆点的运动信息进行分类，识别出所述毫米波雷达检测器检测范围内的车辆轨迹，并对识别车辆进行编号；所述MCU控制单元将车辆编号和轨迹数据发送至所述中心系统单元，所述中心系统单元根据探测范围内的目标车辆数和驶入驶出探测范围的车辆运动特性，结合毫米波雷达检测器断面部署方案，对路段实时交通流量和统计交通流量进行计算，实现交通状态参数的精确判别。
一种基于毫米波雷达的交通流量检测系统的检测方法，包括如下步骤：
a.根据所述毫米波雷达检测器的雷达波发射角度范围，在实际道路选择毫米波雷达检测器断面部署方案，所述雷达检测器实时检测路段行驶车辆状态，并按照50ms/次的频率将离散车辆点的运行信息传输至所述MCU控制单元进行融合处理；
b.所述MCU控制单元对输入的离散车辆点数据进行分类，对车辆进行编号、对雷达检测范围内的车辆轨迹进行判别，并对驶离所述毫米波雷达检测器检测范围的车辆进行轨迹消除；
c.所述MCU控制单元对离散车辆点的运动信息进行融合处理后，通过有线或无线方式将车辆轨迹数据发送至中心系统单元，根据实时轨迹数据，所述中心系统单元对交通流量进行判别。该方法简单不冗长，能够准确判别道路交通流量状态，准确率可达95％以上
优选地，所述步骤a中毫米波雷达检测器所采集的每个离散车辆点的运动信息格式为P(i)＝{Distance,Horizon,Angle,Speed,RCS}；其中，Distance是指毫米波雷达检测器安装位置与目标的径向距离，单位为m；Horizon是指毫米波雷达检测器探测范围内目标的水平位置，单位为m；Angle是指目标的运动方向角；Speed是指目标的运动速度，单位为m/s；RCS是指目标的信号反射强度，单位为dB。
优选地，所述步骤b中对雷达检测范围内的车辆轨迹判别的方法包括如下步骤：
b1.所述MCU控制单元在存储单元中开辟32*(N+2)维存储空间作为轨迹判别矩阵，即为32个行向量、(N+2)个列向量，其中N＝采集间隔/50ms，另外两个列向量分别为矩阵行号No.和Latest；矩阵行号No.表示矩阵行号，矩阵每一行代表同一辆车的行驶状态信息，每行根据是否有车辆进一步分为“空”或“占用”状态；Latest是表示最近一次收到的目标行驶状态，与第N列向量各单元对应，N取值为采样间隔/50ms；用S[i,j]表达每隔50ms的同一车辆行驶状态，包括目标运动状态消息中的Distance、Horizon、Speed；所述轨迹判别矩阵每行还设定专用定时器T(i)；
b2.所述MCU控制单元每50ms接收来自所述毫米波雷达检测器的检测数据，假设收到M个数据，遍历该M个数据，并对第M个数据作判别；第M个数据的径向距离和水平位置数据分别为Distance(m)和Horizon(m)，将其径向距离和水平位置数据依次与所述轨迹判别矩阵中处于“占用”状态的行向量的Latest数据进行判别，判别公式为其中，Distance(i)、Horizon(i)分别为轨迹判别矩阵中第i个车辆Latest所记录的径向距离和水平位置数据，DistanceThreshold、HorizonThreshold分别为径向距离判别阈值和水平位置判别阈值；
b3.若满足公式(1)，则第M个数据归类到轨迹判别矩阵中i所对应的向量中，认为第M个数据点为当前轨迹判别矩阵中第i个车辆的数据，并根据公式(2)进行更新，所述公式(2)为
b4.若遍历M个数据，轨迹判别矩阵中不存在满足公式(1)的车辆，则认为M为新进入检测范围的车辆数据，在轨迹判别矩阵中将其写入状态为“空”的新一行向量中，并将其状态更新为“占用”状态；
优选地，所述轨迹判别矩阵中的每一行向量的No.即为该车辆的编号。
优选地，所述步骤b中轨迹消除是指当车辆驶离所述毫米波雷达检测器检测范围，所述毫米波雷达检测器无法再探测该目标的行驶状态数据，轨迹判别矩阵每行的轨迹数据不再更新，每50ms判别一次，当轨迹数据不再更新时，启动专用定时器T(i)；若T(i)＞TThreshold，判定该车辆驶出探测范围，清除轨迹判别矩阵该行的数据，并置其状态为“空”，其中，TThreshold为时间判别阈值。
优选地，所述步骤c中所述中心系统单元对交通流量判别方法如下：
c1:对单毫米波雷达检测器实时过车量进行计算；对单个所述毫米波雷达检测器，其覆盖范围内的车辆数即为实时过车数，通过统计探测范围内的车辆轨迹数q对实时过车量进行计算；q＝number{No.},当前时刻所述毫米波雷达检测器探测范围内的车辆轨迹数，即车辆编号数；
c2:对单毫米波雷达检测器全天过车辆进行计算；基本统计粒度为5min，全天0:00-24:00按5min划分288个时段，计算每个时段的流量数据；在每个时段起始时刻，统计实时过车辆q作为该时段过车辆计算基数Q，Q＝q；在每个时段结束时刻的Q即为当前毫米波雷达检测器的5min流量；全天过车量即为288个5min流量的总和；在每个时段过程中，接收所述MCU控制单元传输的轨迹数据，并根据数据内容作如下判断：
case1:与上一个采样点数据对比，车辆编号No.(i)仍存在，且|Distance(i)n-Distance(i)n-1|＞Dthreshold，表示同一个编号的车发生距离突变，认为上一秒检测的车辆驶出检测范围，同时新车辆进入检测范围，统计流量Q＝Q+1；其中，Distance(i)n为当前采样点的数据，Distance(i)n-1为上一个采样点的数据，Dthreshold为距离突变判别阈值；
case2:与上一个采样点数据对比，车辆编号No.(i)为新增编号，说明车辆新进入检测范围，统计流量Q＝Q+1；
case3:与上一秒对比，No.(i)消失，说明车辆驶出检测范围，不做处理；
c3:对路段交通流量进行计算；
若路段仅包含1-2个车道，每个断面仅布设一个所述毫米波雷达检测器，共布设N(N≥1)个断面，则路段的5min统计流量为各个断面检测流量的平均值；其实时交通流量平均值求值公式为其中，q为单个毫米波雷达检测器实时流量，N为断面数量；其统计交通流量平均值求值公式为其中Q为单个毫米波雷达检测器的5min统计流量，N为断面数量；
若多路段车道数多于2，为实现断面交通检测的全覆盖，同一断面需布设M(2≤M≤nlane)个毫米波雷达检测器(nlane为车道数)，且同一路段布设N(N≥1)个断面，在此情形下，先求同一断面检测流量之和，然后取沿路段纵向布设的检测器断面数量的平均值，该平均值就是路段流量；其实时交通流量平均值求值公式为其中，q为单个毫米波雷达检测器实时流量，N为断面数量，M为同一断面毫米波雷达检测器布设数量；其统计交通流量平均值求值公式为其中Q为单个检测器的5min统计流量，N为断面数量，M为同一断面毫米波雷达检测器布设数量。
优选地，所述毫米波雷达检测器断面部署方案包括单车道覆盖部署方案和双车道部署方案。
优选地，所述单车道覆盖部署方案的毫米波雷达检测器检测范围为0-110m；所述双车道覆盖部署方案的毫米波雷达检测器检测范围为0-60m。
优选地，所述毫米波雷达检测器最大检测目标为32个。
与现有技术相比，本发明的有益效果是：
本发明有效解决了传统线圈、地磁、视频检测器存在的交通流漏检以及传统微波雷达在车辆速度较低时检测准确率低的问题；创新性地将毫米波雷达检测技术应用道路智能交通技术领域，通过对毫米波雷达检测器采集的车辆行驶状态数据进行分析，利用轨迹判别矩阵实现离散数据的分类，进而实现轨迹识别与车辆编号，并在此基础上根据不同路段场景和毫米波雷达检测器部署方案，提出了基于轨迹数据的单检测器过车流量和路段流量计算方法；本发明能够准确判别道路交通流量状态，准确率可达95％以上，为交通管控提供精细化的道路基础流量数据支持，对提高交通控制效果、提升交通管理效率具有重要意义。
附图说明
图1是本发明系统框图；
图2是本发明单车道覆盖部署方式结构示意图；
图3是本发明双车道覆盖部署方式结构示意图；
图4是本发明轨迹判别矩阵结构示意图。
图中：1.毫米波雷达检测器；2.MCU控制单元；3.中心系统单元。
具体实施方式
下面结合附图对本发明进一步说明：
一种基于毫米波雷达的交通流量检测系统,包括架设于检测道路上方的毫米波雷达检测器1、MCU控制单元2以及中心系统单元3；所述毫米波雷达检测器1对探测范围内的车辆进行跟踪，识别每个目标的行驶状态信息，并将采集到的离散车辆点的运动信息输入所述MCU控制单元2，由所述MCU控制单元2对离散车辆点的运动信息进行分类，识别出所述毫米波雷达检测器1检测范围内的车辆轨迹，并对识别车辆进行编号；所述MCU控制单元2将车辆编号和轨迹数据发送至所述中心系统单元3，所述中心系统单元3根据探测范围内的目标车辆数和驶入驶出探测范围的车辆运动特性，结合毫米波雷达检测器1断面部署方案，对路段实时交通流量和统计交通流量进行计算，实现交通状态参数的精确判别。
一种基于毫米波雷达的交通流量检测系统的检测方法，包括如下步骤：
a.根据所述毫米波雷达检测器1的雷达波发射角度范围，在实际道路选择毫米波雷达检测器1断面部署方案，所述雷达检测器实时检测路段行驶车辆状态，并按照50ms/次的频率将离散车辆点的运行信息传输至所述MCU控制单元2进行融合处理；
b.所述MCU控制单元2对输入的离散车辆点数据进行分类，对车辆进行编号、对雷达检测范围内的车辆轨迹进行判别，并对驶离所述毫米波雷达检测器1检测范围的车辆进行轨迹消除；
c.所述MCU控制单元2对离散车辆点的运动信息进行融合处理后，通过有线或无线方式将车辆轨迹数据发送至中心系统单元3，根据实时轨迹数据，所述中心系统单元3对交通流量进行判别。
优选地，所述步骤a中毫米波雷达检测器1所采集的每个离散车辆点的运动信息格式为P(i)＝{Distance,Horizon,Angle,Speed,RCS}；其中，Distance是指毫米波雷达检测器1安装位置与目标的径向距离，单位为m；Horizon是指毫米波雷达检测器1探测范围内目标的水平位置，单位为m；Angle是指目标的运动方向角；Speed是指目标的运动速度，单位为m/s；RCS是指目标的信号反射强度，单位为dB。
优选地，所述步骤b中对雷达检测范围内的车辆轨迹判别的方法包括如下步骤：
b1.所述MCU控制单元2在存储单元中开辟32*(N+2)维存储空间作为轨迹判别矩阵，即为32个行向量、(N+2)个列向量，其中N＝采集间隔/50ms，另外两个列向量分别为矩阵行号No.和Latest；矩阵行号No.表示矩阵行号，矩阵每一行代表同一辆车的行驶状态信息，每行根据是否有车辆进一步分为“空”或“占用”状态；Latest是表示最近一次收到的目标行驶状态，与第N列向量各单元对应，N取值为采样间隔/50ms；用S[i,j]表达每隔50ms的同一车辆行驶状态，包括目标运动状态消息中的Distance、Horizon、Speed；所述轨迹判别矩阵每行还设定专用定时器T(i)；
b2.所述MCU控制单元2每50ms接收来自所述毫米波雷达检测器1的检测数据，假设收到M个数据，遍历该M个数据，并对第M个数据作判别；第M个数据的径向距离和水平位置数据分别为Distance(m)和Horizon(m)，将其径向距离和水平位置数据依次与所述轨迹判别矩阵中处于“占用”状态的行向量的Latest数据进行判别，判别公式为其中，Distance(i)、Horizon(i)分别为轨迹判别矩阵中第i个车辆Latest所记录的径向距离和水平位置数据，DistanceThreshold、HorizonThreshold分别为径向距离判别阈值和水平位置判别阈值；
b3.若满足公式(1)，则第M个数据归类到轨迹判别矩阵中i所对应的向量中，认为第M个数据点为当前轨迹判别矩阵中第i个车辆的数据，并根据公式(2)进行更新，所述公式(2)为
b4.若遍历M个数据，轨迹判别矩阵中不存在满足公式(1)的车辆，则认为M为新进入检测范围的车辆数据，在轨迹判别矩阵中将其写入状态为“空”的新一行向量中，并将其状态更新为“占用”状态；
优选地，所述轨迹判别矩阵中的每一行向量的No.即为该车辆的编号。
优选地，所述步骤b中轨迹消除是指当车辆驶离所述毫米波雷达检测器1检测范围，所述毫米波雷达检测器1无法再探测该目标的行驶状态数据，轨迹判别矩阵每行的轨迹数据不再更新，每50ms判别一次，当轨迹数据不再更新时，启动专用定时器T(i)；若T(i)＞TThreshold，判定该车辆驶出探测范围，清除轨迹判别矩阵该行的数据，并置其状态为“空”，其中，TThreshold为时间判别阈值。
优选地，所述步骤c中所述中心系统单元3对交通流量判别方法如下：
c1:对单毫米波雷达检测器1实时过车量进行计算；对单个所述毫米波雷达检测器1，其覆盖范围内的车辆数即为实时过车数，通过统计探测范围内的车辆轨迹数q对实时过车量进行计算；q＝number{No.},当前时刻所述毫米波雷达检测器1探测范围内的车辆轨迹数，即车辆编号数；
c2:对单毫米波雷达检测器1全天过车辆进行计算；基本统计粒度为5min，全天0:00-24:00按5min划分288个时段，计算每个时段的流量数据；在每个时段起始时刻，统计实时过车辆q作为该时段过车辆计算基数Q，Q＝q；在每个时段过程中，接收所述MCU控制单元2传输的轨迹数据，并根据数据内容作如下判断：
case1:与上一个采样点数据对比，车辆编号No.(i)仍存在，且|Distance(i)n-Distance(i)n-1|＞Dthreshold，表示同一个编号的车发生距离突变，认为上一秒检测的车辆驶出检测范围，同时新车辆进入检测范围，统计流量Q＝Q+1；其中，Distance(i)n为当前采样点的数据，Distance(i)n-1为上一个采样点的数据，Dthreshold为距离突变判别阈值；
case2:与上一个采样点数据对比，车辆编号No.(i)为新增编号，说明车辆新进入检测范围，统计流量Q＝Q+1；
case3:与上一秒对比，No.(i)消失，说明车辆驶出检测范围，不做处理；
在每个时段结束时刻的Q即为当前毫米波雷达检测器1的5min流量；全天过车量即为288个5min流量的总和；
c3:对路段交通流量进行计算；
若路段仅包含1-2个车道，每个断面仅布设一个所述毫米波雷达检测器1，共布设N(N≥1)个断面，则路段的5min统计流量为各个断面检测流量的平均值；其实时交通流量平均值求值公式为其中，q为单个毫米波雷达检测器1实时流量，N为断面数量；其统计交通流量平均值求值公式为其中Q为单个毫米波雷达检测器1的5min统计流量，N为断面数量；
若多路段车道数多于2，为实现断面交通检测的全覆盖，同一断面需布设M(2≤M≤nlane)个毫米波雷达检测器1(nlane为车道数)，且同一路段布设N(N≥1)个断面，在此情形下，先求同一断面检测流量之和，然后取沿路段纵向布设的检测器断面数量的平均值，该平均值就是路段流量；其实时交通流量平均值求值公式为其中，q为单个毫米波雷达检测器1实时流量，N为断面数量，M为同一断面毫米波雷达检测器1布设数量；其统计交通流量平均值求值公式为其中Q为单个检测器的5min统计流量，N为断面数量，M为同一断面毫米波雷达检测器1布设数量。
优选地，所述毫米波雷达检测器1断面部署方案包括单车道覆盖部署方案和双车道部署方案。
优选地，所述单车道覆盖部署方案的毫米波雷达检测器1检测范围为0-110m；所述双车道覆盖部署方案的毫米波雷达检测器1检测范围为0-60m。
优选地，所述毫米波雷达检测器1最大检测目标为32个。
如说明书附图图1所示，所述毫米波雷达检测器1对探测范围内的车辆进行跟踪，识别每个识别每个目标的行驶状态信息，并将离散采集的车辆行驶状态信息输入MCU控制单元2进行融合处理，即对离散的目标信息进行分类，并对车辆编号和轨迹进行判别。MCU控制单元2通过无线或有线方式将车辆编号和轨迹数据发送至后台的中心系统单元3，中心系统单元3根据探测范围内的目标车辆数和驶入驶出探测范围的车辆运动特性，结合不同的毫米波雷达检测器断面部署方案，对单毫米波雷达检测器过车流量和路段过车流量进行实时和统计计算，实现交通状态参数的精确判别。
毫米波雷达检测器1数据采集方法：
根据毫米波雷达检测器的雷达波发射角度范围，在实际道路中有两种安装部署方式：一种是单车道覆盖部署方式，如说明书附图图2所示；另一种是双车道覆盖部署方式，如说明书附图图3所示。单车道覆盖部署方式，毫米波雷达检测器的检测范围为0-110m；双车道覆盖部署方式，毫米波雷达检测器的检测范围为0-60m。无论采用何种安装部署方式，毫米波雷达检测器最大检测目标均为32个。毫米波雷达检测器实时探测路段行驶车辆状态，并按照50ms/次的频率传输至MCU控制单元2进行进一步融合处理。毫米波雷达检测器1所采集的每个目标运动状态消息格式如下：
P(i)＝{Distance,Horizon,Angle,Speed,RCS}；
其中，Distance是指毫米波雷达检测器安装位置与目标的径向距离，单位为m；Horizon是指毫米波雷达检测器探测范围内目标的水平位置，单位为m；Angle是指目标的运动方向角；Speed是指目标的运动速度，单位为m/s；RCS是指目标的信号反射强度，单位为dB。
车辆轨迹判别的方法与车辆编号：
由于所述毫米波雷达检测器1检测到的车辆目标数据为离散数据，包含了最大32个目标的瞬时移动状态，数据点之间没有关联性。所述毫米波雷达检测器1将采集数据传送至MCU控制单元2，MCU控制单元2对离散的车辆数据进行分类，识别出雷达检测范围内的车辆轨迹，并对车辆进行编号。如说明书附图图4所述MCU控制单元2每50ms一次接收毫米波雷达检测器1传输的目标运动数据，在存储单元中开辟32×(N+2)维存储空间作为轨迹判别矩阵，也就是32个行向量、(N+2)个列向量，其中N＝采集间隔/50ms，另外两个列向量分别为矩阵行号No.和Latest；矩阵行号No.表示矩阵行号，矩阵每一行代表同一辆车的行驶状态信息，每行根据是否有车辆进一步分为“空”或“占用”状态；Latest是表示最近一次收到的目标行驶状态，与第N列向量各单元对应，N取值为采样间隔/50ms；用S[i,j]表达每隔50ms的同一车辆行驶状态，包括目标运动状态消息中的Distance、Horizon、Speed；很显然，i表示No.矩阵行号，也为车辆编号，j则表示N、N-1......1；所述轨迹判别矩阵每行还设定专用定时器T(i)。所述专用定时器T(i)主要用于定时清除不再更新的轨迹判别矩阵。
MCU控制单元2每50ms接收来自所述毫米波雷达检测器1的检测数据，假设收到M个数据(M≤32)，遍历该M个数据，并做如下判别：
对第M个数据的径向距离和水平位置数据分别为Distance(m)和Horizon(m)，依次与轨迹判别矩阵中处于“占用”状态的行向量的Latest数据进行判别：
其中，Distance(i)、Horizon(i)分别为轨迹判别矩阵中第i个车辆Latest所记录的径向距离和水平位置数据，DistanceThreshold、HorizonThreshold分别为径向距离判别阈值和水平位置判别阈值。距离判别阈值是指一个数据上传周期，车辆所能移动的极限距离；水平位置判别阈值是指毫米波雷达检测器水平检测范围内，一个数据上传周期，运动目标水平移动的极限距离。
若满足公式(1)，则第M个数据归类到轨迹判别矩阵中i所对应的向量中，认为第M个数据点为当前轨迹判别矩阵中第i个车辆的数据，并根据公式(2)进行更新，所述公式(2)为
若遍历M个数据，轨迹判别矩阵中不存在满足公式(1)的车辆，则认为M为新进入检测范围的车辆数据，在轨迹判别矩阵中将其写入状态为“空”的新一行向量中，并将其状态更新为“占用”状态。从上述可以看出，轨迹判别矩阵中的每一行向量的No.即为该车辆的编号，对应的1-N列状态数据即为每个车辆每50ms的连续轨迹数据。
轨迹消除：
轨迹消除是指当车辆驶离所述毫米波雷达检测器检测范围，所述毫米波雷达检测器无法再探测该目标的行驶状态数据，轨迹判别矩阵每行的轨迹数据不再更新，每50ms判别一次，当轨迹数据不再更新时，启动专用定时器T(i)；若T(i)＞TThreshold，判定该车辆驶出探测范围，清除轨迹判别矩阵该行的数据，并置其状态为“空”，其中，TThreshold为时间判别阈值，该时间判别阈值是指目标在检测范围内所能存在的最长时间。
交通流量计算方法：
MCU控制单元2对车辆轨迹进行判别后，通过有线或无线方式将车辆轨迹数据发送至中心系统单元3，轨迹数据包含如下信息：
R(i)＝{No.,Distance,Horizon,Angle,Speed,RCS}；
其中，No.为MCU控制单元新识别的车辆编号。
根据实时轨迹数据，中心系统单元3对交通流量进行如下判别：
c1:对单毫米波雷达检测器实时过车量进行计算；对单个所述毫米波雷达检测器，其覆盖范围内的车辆数即为实时过车数，通过统计探测范围内的车辆轨迹数q对实时过车量进行计算；q＝number{No.},当前时刻所述毫米波雷达检测器探测范围内的车辆轨迹数，即车辆编号数；
c2:对单毫米波雷达检测器全天过车辆进行计算；基本统计粒度为5min，全天0:00-24:00按5min划分288个时段，计算每个时段的流量数据；在每个时段起始时刻，统计实时过车辆q作为该时段过车辆计算基数Q，Q＝q；在每个时段过程中，接收所述MCU控制单元传输的轨迹数据，并根据数据内容作如下判断：
case1:与上一个采样点数据对比，车辆编号No.(i)仍存在，且|Distance(i)n-Distance(i)n-1|＞Dthreshold，表示同一个编号的车发生距离突变，认为上一秒检测的车辆驶出检测范围，同时新车辆进入检测范围，统计流量Q＝Q+1；其中，Distance(i)n为当前采样点的数据，Distance(i)n-1为上一个采样点的数据，Dthreshold为距离突变判别阈值；
case2:与上一个采样点数据对比，车辆编号No.(i)为新增编号，说明车辆新进入检测范围，统计流量Q＝Q+1；
case3:与上一秒对比，No.(i)消失，说明车辆驶出检测范围，不做处理；
在每个时段结束时刻的Q即为当前毫米波雷达检测器的5min流量；全天过车量即为288个5min流量的总和；
c3:对路段交通流量进行计算；
若路段仅包含1-2个车道，每个断面仅布设一个所述毫米波雷达检测器，共布设N(N≥1)个断面，则路段的5min统计流量为各个断面检测流量的平均值；其实时交通流量平均值求值公式为其中，q为单个毫米波雷达检测器实时流量，N为断面数量；其统计交通流量平均值求值公式为其中Q为单个毫米波雷达检测器的5min统计流量，N为断面数量；
若多路段车道数多于2，为实现断面交通检测的全覆盖，同一断面需布设M(2≤M≤nlane)个毫米波雷达检测器(nlane为车道数)，且同一路段布设N(N≥1)个断面，在此情形下，先求同一断面检测流量之和，然后取沿路段纵向布设的检测器断面数量的平均值，该平均值就是路段流量；其实时交通流量平均值求值公式为其中，q为单个毫米波雷达检测器实时流量，N为断面数量，M为同一断面毫米波雷达检测器布设数量；其统计交通流量平均值求值公式为其中Q为单个检测器的5min统计流量，N为断面数量，M为同一断面毫米波雷达检测器布设数量。
本发明有效解决了传统线圈、地磁、视频检测器存在的交通流漏检以及传统微波雷达在车辆速度较低时检测准确率低的问题；创新性地将毫米波雷达检测技术应用道路智能交通技术领域，通过对毫米波雷达检测器采集的车辆行驶状态数据进行分析，利用轨迹判别矩阵实现离散数据的分类，进而实现轨迹识别与车辆编号，并在此基础上根据不同路段场景和毫米波雷达检测器部署方案，提出了基于轨迹数据的单检测器过车流量和路段流量计算方法；本发明能够准确判别道路交通流量状态，准确率可达95％以上，为交通管控提供精细化的道路基础流量数据支持，对提高交通控制效果、提升交通管理效率具有重要意义。
综上所述，仅为本发明的较佳实施例而已，并非用来限定本发明实施的范围，凡依本发明权利要求范围所述的形状、构造、特征及精神所为的均等变化与修饰，均应包括于本发明的权利要求范围内。

Claims (10)

1.一种基于毫米波雷达的交通流量检测系统,其特征在于：包括架设于检测道路上方的毫米波雷达检测器、MCU控制单元以及中心系统单元；所述毫米波雷达检测器对探测范围内的车辆进行跟踪，识别每个目标的行驶状态信息，并将采集到的离散车辆点的运动信息输入所述MCU控制单元，由所述MCU控制单元对离散车辆点的运动信息进行分类，识别出所述毫米波雷达检测器检测范围内的车辆轨迹，并对识别车辆进行编号；所述MCU控制单元将车辆编号和轨迹数据发送至所述中心系统单元，所述中心系统单元根据探测范围内的目标车辆数和驶入驶出探测范围的车辆运动特性，结合毫米波雷达检测器断面部署方案，对路段实时交通流量和统计交通流量进行计算，实现交通状态参数的精确判别。
2.一种如权利要求1所述的基于毫米波雷达的交通流量检测系统的检测方法，其特征在于，包括如下步骤：
a.根据所述毫米波雷达检测器的雷达波发射角度范围，在实际道路选择毫米波雷达检测器断面部署方案，所述雷达检测器实时检测路段行驶车辆状态，并按照50ms/次的频率将离散车辆点的运行信息传输至所述MCU控制单元进行融合处理；
b.所述MCU控制单元对输入的离散车辆点数据进行分类，对车辆进行编号、对雷达检测范围内的车辆轨迹进行判别，并对驶离所述毫米波雷达检测器检测范围的车辆进行轨迹消除；
c.所述MCU控制单元对离散车辆点的运动信息进行融合处理后，通过有线或无线方式将车辆轨迹数据发送至中心系统单元，根据实时轨迹数据，所述中心系统单元对交通流量进行判别。
3.根据权利要求2所述的基于毫米波雷达的交通流量检测系统的检测方法，其特征在于：所述步骤a中毫米波雷达检测器所采集的每个离散车辆点的运动信息格式为P(i)＝{Distance,Horizon,Angle,Speed,RCS}；其中，Distance是指毫米波雷达检测器安装位置与目标的径向距离，单位为m；Horizon是指毫米波雷达检测器探测范围内目标的水平位置，单位为m；Angle是指目标的运动方向角；Speed 是指目标的运动速度，单位为m/s；RCS是指目标的信号反射强度，单位为dB。
4.根据权利要求2所述的基于毫米波雷达的交通流量检测系统的检测方法，其特征在于，所述步骤b中对雷达检测范围内的车辆轨迹判别的方法包括如下步骤：
b1.所述MCU控制单元在存储单元中开辟32*(N+2)维存储空间作为轨迹判别矩阵，即为32个行向量、(N+2)个列向量，其中N＝采集间隔/50ms，另外两个列向量分别为矩阵行号No.和Latest；矩阵行号No.表示矩阵行号，矩阵每一行代表同一辆车的行驶状态信息，每行根据是否有车辆进一步分为“空”或“占用”状态；Latest是表示最近一次收到的目标行驶状态，与第N列向量各单元对应，N取值为采样间隔/50ms；用S[i,j]表达每隔50ms的同一车辆行驶状态，包括目标运动状态消息中的Distance、Horizon、Speed；所述轨迹判别矩阵每行还设定专用定时器T(i)；
b2.所述MCU控制单元每50ms接收来自所述毫米波雷达检测器的检测数据，假设收到M个数据，遍历该M个数据，并对第M个数据作判别；第M个数据的径向距离和水平位置数据分别为Distance(m)和Horizon(m)，将其径向距离和水平位置数据依次与所述轨迹判别矩阵中处于“占用”状态的行向量的Latest数据进行判别，判别公式为
其中，Distance(i)、Horizon(i)分别为轨迹判别矩阵中第i个车辆Latest所记录的径向距离和水平位置数据，DistanceThreshold、HorizonThreshold分别为径向距离判别阈值和水平位置判别阈值；
b3.若满足公式(1)，则第M个数据归类到轨迹判别矩阵中i所对应的向量中，认为第M个数据点为当前轨迹判别矩阵中第i个车辆的数据，并根据公式(2)进行更新，所述公式(2)为
b4.若遍历M个数据，轨迹判别矩阵中不存在满足公式(1)的车辆，则认为M为新进入检测范围的车辆数据，在轨迹判别矩阵中将其写入状态为“空”的新一行向量中，并将其状态更新为“占用”状态。
5.根据权利要求4所述的基于毫米波雷达的交通流量检测系统的检测方法,其特征在于：所述轨迹判别矩阵中的每一行向量的No.即为该车辆的编号。
6.根据权利要求4所述的基于毫米波雷达的交通流量检测系统的检测方法，其特征在于：所述步骤b中轨迹消除是指当车辆驶离所述毫米波雷达检测器检测范围，所述毫米波雷达检测器无法再探测该目标的行驶状态数据，轨迹判别矩阵每行的轨迹数据不再更新，每50ms判别一次，当轨迹数据不再更新时，启动专用定时器T(i)；若T(i)＞TThreshold，判定该车辆驶出探测范围，清除轨迹判别矩阵该行的数据，并置其状态为“空”，其中，TThreshold为时间判别阈值。
7.根据权利要求6所述的基于毫米波雷达的交通流量检测系统的检测方法，其特征在于，所述步骤c中所述中心系统单元对交通流量判别方法如下：
c1:对单毫米波雷达检测器实时过车量进行计算；对单个所述毫米波雷达检测器，其覆盖范围内的车辆数即为实时过车数，通过统计探测范围内的车辆轨迹数q对实时过车量进行计算；q＝number{No.},当前时刻所述毫米波雷达检测器探测范围内的车辆轨迹数，即车辆编号数；
c2:对单毫米波雷达检测器全天过车辆进行计算；基本统计粒度为5min，全天0:00-24:00按5min划分288个时段，计算每个时段的流量数据；在每个时段起始时刻，统计实时过车辆q作为该时段过车辆计算基数Q，Q＝q；在每个时段结束时刻的Q即为当前毫米波雷达检测器的5min流量；全天过车量即为288个5min流量的总和；在每个时段过程中，接收所述MCU控制单元传输的轨迹数据，并根据数据内容作如下判断：
case1:与上一个采样点数据对比，车辆编号No.(i)仍存在，且|Distance(i)n-Distance(i)n-1|＞Dthreshold，表示同一个编号的车发生距离突变，认为上一秒检测的车辆驶出检测范围，同时新车辆进入检测范围，统计流量Q＝Q+1；其中，Distance(i)n为当前采样点的数据，Distance(i)n-1为上一个采样点的数据，Dthreshold为距离突变判别阈值；
case2:与上一个采样点数据对比，车辆编号No.(i)为新增编号，说明车辆新进入检测范围，统计流量Q＝Q+1；
case3:与上一秒对比，No.(i)消失，说明车辆驶出检测范围，不做处理；
c3:对路段交通流量进行计算；
若路段仅包含1-2个车道，每个断面仅布设一个所述毫米波雷达检测器，共布设N(N≥1)个断面，则路段的5min统计流量为各个断面检测流量的平均值；其实时交通流量平均值求值公式为其中，q为单个毫米波雷达检测器实时流量，N为断面数量；其统计交通流量平均值求值公式为其中Q为单个毫米波雷达检测器的5min统计流量，N为断面数量；
若多路段车道数多于2，为实现断面交通检测的全覆盖，同一断面需布设M(2≤M≤nlane)个毫米波雷达检测器(nlane为车道数)，且同一路段布设N(N≥1)个断面，在此情形下，先求同一断面检测流量之和，然后取沿路段纵向布设的检测器断面数量的平均值，该平均值就是路段流量；其实时交通流量平均值求值公式为其中，q为单个毫米波雷达检测器实时流量，N为断面数量，M为同一断面毫米波雷达检测器布设数量；其统计交通流量平均值求值公式为其中Q为单个检测器的5min统计流量，N为断面数量，M为同一断面毫米波雷达检测器布设数量。
8.根据权利要求2所述的基于毫米波雷达的交通流量检测系统的检测方法，其特征在于：所述毫米波雷达检测器断面部署方案包括单车道覆盖部署方案和双车道部署方案。
9.根据权利要求2所述的基于毫米波雷达的交通流量检测系统的检测方法，其特征在于：所述单车道覆盖部署方案的毫米波雷达检测器检测范围为0-110m；所述双车道覆盖部署方案的毫米波雷达检测器检测范围为0-60m。
10.根据权利要求2所述的基于毫米波雷达的交通流量检测系统的检测方法，其特征在于：所述毫米波雷达检测器最大检测目标为32个。
CN201810554907.0A 2018-06-01 2018-06-01 基于毫米波雷达的交通流量检测系统及其检测方法 Active CN108550269B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810554907.0A CN108550269B (zh) 2018-06-01 2018-06-01 基于毫米波雷达的交通流量检测系统及其检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810554907.0A CN108550269B (zh) 2018-06-01 2018-06-01 基于毫米波雷达的交通流量检测系统及其检测方法

Publications (2)

Publication Number Publication Date
CN108550269A true CN108550269A (zh) 2018-09-18
CN108550269B CN108550269B (zh) 2021-06-11

Family

ID=63511704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810554907.0A Active CN108550269B (zh) 2018-06-01 2018-06-01 基于毫米波雷达的交通流量检测系统及其检测方法

Country Status (1)

Country Link
CN (1) CN108550269B (zh)

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109410584A (zh) * 2018-12-11 2019-03-01 北京小马智行科技有限公司 一种路况检测方法及装置
CN109615880A (zh) * 2018-10-29 2019-04-12 浙江浙大列车智能化工程技术研究中心有限公司 一种基于雷达图像处理的车流量测量方法
CN109658715A (zh) * 2019-01-31 2019-04-19 厦门精益远达智能科技有限公司 多车道的车流量统计方法、装置、设备和存储介质
CN109686108A (zh) * 2019-02-19 2019-04-26 山东科技大学 一种车辆目标轨迹跟踪系统及车辆轨迹跟踪方法
CN109814102A (zh) * 2019-01-31 2019-05-28 厦门精益远达智能科技有限公司 一种单车道的超高监控方法、装置、设备和存储介质
CN109859499A (zh) * 2019-03-12 2019-06-07 华北理工大学 一种交通流量检测系统及其检测方法
CN110118966A (zh) * 2019-05-28 2019-08-13 长沙莫之比智能科技有限公司 基于毫米波雷达的人员检测与计数系统
CN110335458A (zh) * 2019-04-23 2019-10-15 深圳市戴升智能科技有限公司 行人检测装置部署方法、装置、计算机设备及存储介质
CN110389338A (zh) * 2019-06-26 2019-10-29 深圳市华讯方舟微电子科技有限公司 判断交通状况的方法、装置、毫米波雷达及存储介质
CN110517514A (zh) * 2019-08-23 2019-11-29 深圳成谷科技有限公司 一种车流量的管控方法、装置和设备
CN110807924A (zh) * 2019-11-04 2020-02-18 吴钢 基于全量全样实时交通数据的多参数融合方法及系统
CN110942636A (zh) * 2019-12-17 2020-03-31 南京浦和数据有限公司 多雷达级联实现交通流量统计的方法
CN110969855A (zh) * 2019-12-13 2020-04-07 长沙莫之比智能科技有限公司 一种基于毫米波雷达的交通流量监测系统
CN111583671A (zh) * 2020-06-05 2020-08-25 南京信息职业技术学院 一种毫米波雷达路口车流量监测方法及其系统
CN111681418A (zh) * 2020-05-26 2020-09-18 南京信息职业技术学院 一种基于多个毫米波雷达的道路状态监测系统及其工作方法
CN111880155A (zh) * 2020-07-15 2020-11-03 森思泰克河北科技有限公司 基于外定标rcs序列的交通雷达目标分类方法及终端设备
CN112433203A (zh) * 2020-10-29 2021-03-02 同济大学 一种基于毫米波雷达数据的车道线形检测方法
CN112562329A (zh) * 2020-11-28 2021-03-26 山西省交通科技研发有限公司 一种基于毫米波雷达数据的交通事件感知方法
CN112991774A (zh) * 2021-02-02 2021-06-18 深圳市天鼎微波科技有限公司 一种基于毫米波的交通流量检测方法及装置
CN113093128A (zh) * 2021-04-09 2021-07-09 阿波罗智联(北京)科技有限公司 用于标定毫米波雷达的方法、装置、电子设备及路侧设备
CN113219425A (zh) * 2021-05-11 2021-08-06 上海涵润汽车电子有限公司 一种雷达目标检测性能的测试方法及系统
CN113393675A (zh) * 2021-05-24 2021-09-14 青岛海信网络科技股份有限公司 一种车辆id确定方法、装置、设备和介质
CN113936463A (zh) * 2021-10-19 2022-01-14 上海交通大学 一种基于雷达和视频数据融合的隧道交通管控方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561970A (zh) * 2009-05-25 2009-10-21 中国人民解放军理工大学气象学院 一种微波车辆检测雷达的控制方法
CN103164956A (zh) * 2011-12-15 2013-06-19 西安大昱光电科技有限公司 一种道路交通路口车流量获取系统
CN105261215A (zh) * 2015-10-09 2016-01-20 南京慧尔视智能科技有限公司 基于微波的智能交通行为感知方法及系统
CN105702060A (zh) * 2016-03-04 2016-06-22 重庆交通大学 基于全息投影技术的城市信号交叉口安全导向方法及系统
CN105788252A (zh) * 2016-03-22 2016-07-20 连云港杰瑞电子有限公司 基于定点检测器和信号配时数据融合的城市干道车辆轨迹重构方法
WO2017041524A1 (zh) * 2015-09-11 2017-03-16 杭州海康威视数字技术股份有限公司 处理交通道路信息的方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561970A (zh) * 2009-05-25 2009-10-21 中国人民解放军理工大学气象学院 一种微波车辆检测雷达的控制方法
CN103164956A (zh) * 2011-12-15 2013-06-19 西安大昱光电科技有限公司 一种道路交通路口车流量获取系统
WO2017041524A1 (zh) * 2015-09-11 2017-03-16 杭州海康威视数字技术股份有限公司 处理交通道路信息的方法及装置
CN105261215A (zh) * 2015-10-09 2016-01-20 南京慧尔视智能科技有限公司 基于微波的智能交通行为感知方法及系统
CN105702060A (zh) * 2016-03-04 2016-06-22 重庆交通大学 基于全息投影技术的城市信号交叉口安全导向方法及系统
CN105788252A (zh) * 2016-03-22 2016-07-20 连云港杰瑞电子有限公司 基于定点检测器和信号配时数据融合的城市干道车辆轨迹重构方法

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109615880A (zh) * 2018-10-29 2019-04-12 浙江浙大列车智能化工程技术研究中心有限公司 一种基于雷达图像处理的车流量测量方法
CN109410584A (zh) * 2018-12-11 2019-03-01 北京小马智行科技有限公司 一种路况检测方法及装置
CN109814102B (zh) * 2019-01-31 2020-10-27 厦门精益远达智能科技有限公司 一种单车道的超高监控方法、装置、设备和存储介质
CN109658715A (zh) * 2019-01-31 2019-04-19 厦门精益远达智能科技有限公司 多车道的车流量统计方法、装置、设备和存储介质
CN109814102A (zh) * 2019-01-31 2019-05-28 厦门精益远达智能科技有限公司 一种单车道的超高监控方法、装置、设备和存储介质
CN109686108A (zh) * 2019-02-19 2019-04-26 山东科技大学 一种车辆目标轨迹跟踪系统及车辆轨迹跟踪方法
CN109859499A (zh) * 2019-03-12 2019-06-07 华北理工大学 一种交通流量检测系统及其检测方法
CN109859499B (zh) * 2019-03-12 2021-03-26 华北理工大学 一种交通流量检测系统及其检测方法
CN110335458B (zh) * 2019-04-23 2021-06-22 深圳市戴升智能科技有限公司 行人检测装置部署方法、装置、计算机设备及存储介质
CN110335458A (zh) * 2019-04-23 2019-10-15 深圳市戴升智能科技有限公司 行人检测装置部署方法、装置、计算机设备及存储介质
CN110118966A (zh) * 2019-05-28 2019-08-13 长沙莫之比智能科技有限公司 基于毫米波雷达的人员检测与计数系统
CN110389338A (zh) * 2019-06-26 2019-10-29 深圳市华讯方舟微电子科技有限公司 判断交通状况的方法、装置、毫米波雷达及存储介质
CN110517514A (zh) * 2019-08-23 2019-11-29 深圳成谷科技有限公司 一种车流量的管控方法、装置和设备
CN110807924A (zh) * 2019-11-04 2020-02-18 吴钢 基于全量全样实时交通数据的多参数融合方法及系统
CN110969855A (zh) * 2019-12-13 2020-04-07 长沙莫之比智能科技有限公司 一种基于毫米波雷达的交通流量监测系统
CN110942636B (zh) * 2019-12-17 2021-11-26 南京浦和数据有限公司 多雷达级联实现交通流量统计的方法
CN110942636A (zh) * 2019-12-17 2020-03-31 南京浦和数据有限公司 多雷达级联实现交通流量统计的方法
CN111681418A (zh) * 2020-05-26 2020-09-18 南京信息职业技术学院 一种基于多个毫米波雷达的道路状态监测系统及其工作方法
CN111583671A (zh) * 2020-06-05 2020-08-25 南京信息职业技术学院 一种毫米波雷达路口车流量监测方法及其系统
CN111583671B (zh) * 2020-06-05 2022-05-31 南京信息职业技术学院 一种毫米波雷达路口车流量监测方法及其系统
CN111880155A (zh) * 2020-07-15 2020-11-03 森思泰克河北科技有限公司 基于外定标rcs序列的交通雷达目标分类方法及终端设备
CN111880155B (zh) * 2020-07-15 2023-04-11 森思泰克河北科技有限公司 基于外定标rcs序列的交通雷达目标分类方法及终端设备
CN112433203A (zh) * 2020-10-29 2021-03-02 同济大学 一种基于毫米波雷达数据的车道线形检测方法
CN112562329A (zh) * 2020-11-28 2021-03-26 山西省交通科技研发有限公司 一种基于毫米波雷达数据的交通事件感知方法
CN112991774A (zh) * 2021-02-02 2021-06-18 深圳市天鼎微波科技有限公司 一种基于毫米波的交通流量检测方法及装置
CN113093128A (zh) * 2021-04-09 2021-07-09 阿波罗智联(北京)科技有限公司 用于标定毫米波雷达的方法、装置、电子设备及路侧设备
CN113219425A (zh) * 2021-05-11 2021-08-06 上海涵润汽车电子有限公司 一种雷达目标检测性能的测试方法及系统
CN113393675A (zh) * 2021-05-24 2021-09-14 青岛海信网络科技股份有限公司 一种车辆id确定方法、装置、设备和介质
CN113393675B (zh) * 2021-05-24 2023-03-21 青岛海信网络科技股份有限公司 一种车辆id确定方法、装置、设备和介质
CN113936463A (zh) * 2021-10-19 2022-01-14 上海交通大学 一种基于雷达和视频数据融合的隧道交通管控方法及系统
CN113936463B (zh) * 2021-10-19 2022-08-16 上海交通大学 一种基于雷达和视频数据融合的隧道交通管控方法及系统

Also Published As

Publication number Publication date
CN108550269B (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN108550269A (zh) 基于毫米波雷达的交通流量检测系统及其检测方法
CN103258427B (zh) 基于信息物理网络的城市快速路交通实时监控方法
US11069233B1 (en) Video-based main road cooperative signal machine control method
CN105741573B (zh) 一种基于vsl的高速公路主线收费站速度控制方法
CN110515073A (zh) 多雷达跨区域组网多目标跟踪识别方法及装置
CN109584558A (zh) 一种面向城市交通信号配时的交通流统计方法
CN109993969A (zh) 一种路况判定信息获取方法、装置及设备
Cai et al. Shock wave approach for estimating queue length at signalized intersections by fusing data from point and mobile sensors
CN107301776A (zh) 基于视频检测技术的车道路况处理及发布方法
CN103914688A (zh) 一种城市道路障碍物识别系统
CN110176139A (zh) 一种基于dbscan+的道路拥堵识别可视化方法
CN104900057B (zh) 一种城市快速路主辅道的浮动车地图匹配方法
CN103021176A (zh) 基于断面检测器的城市道路交通状态判别方法
CN109272482B (zh) 一种基于序列图像的城市路口车辆排队检测系统
CN105654720B (zh) 基于城市道路拥堵识别的检测器布设方法
CN104750963A (zh) 交叉口延误时长估计方法及装置
CN102201167A (zh) 基于视频的汽车车道自动识别方法
CN109272745A (zh) 一种基于深度神经网络的车辆轨迹预测方法
CN116153078B (zh) 基于毫米波雷达的道路安全度评估方法、装置及存储介质
CN111882858A (zh) 一种基于多源数据的高速公路异常事件排队长度预测方法
CN111986483A (zh) 基于电警数据碰撞实现道路拥堵状态研判处理的方法、装置及存储介质
CN210119237U (zh) 路侧自动驾驶车辆定位导航系统
CN116128360A (zh) 道路交通拥堵等级评估方法、装置、电子设备及存储介质
CN110610118A (zh) 交通参数采集方法及装置
CN110310495A (zh) 协作式交通量检测方法及交通量检测系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 225000 5-storey Building B, Zhigu Science and Technology Building, 186 Yangtze River Middle Road, Yangzhou Economic and Technological Development Zone, Jiangsu Province

Applicant after: China automotive electronics Yangzhou Co., Ltd.

Address before: 225000 Zhigu Building B504, 186 Yangtze River Middle Road, Hangjiang District, Yangzhou City, Jiangsu Province

Applicant before: China automotive electronics Yangzhou Co., Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20211013

Address after: 610000 No. 879 Ganghua Road, north area of modern industrial port, Pidu District, Chengdu, Sichuan

Patentee after: Sichuan kunhong Yuanxiang Technology Co.,Ltd.

Address before: 225000 5-storey Building B, Zhigu Science and Technology Building, 186 Yangtze River Middle Road, Yangzhou Economic and Technological Development Zone, Jiangsu Province

Patentee before: YANGZHOU CAEP-AE Co.,Ltd.

TR01 Transfer of patent right