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。
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。