CN109544946A - 基于车流量大数据的隧道实时监控管理系统及其实现方法 - Google Patents

Abstract

本发明公开了一种基于车流量大数据的隧道实时监控管理系统及其实现方法，该系统主要包括隧道口数据收集模块、车流参数统计处理模块、最优车流导向大数据分析处理单元、车辆分流联动控制模块和隧道内数据收集模块，通过隧道口数据收集模块进行车流量的数据采集，然后依次通过车流参数统计处理模块和最优车流导向大数据分析处理单元进行分析和计算最优化控制方法，并发送相应的指令到隧道口交通信号控制设备，实现联动。本发明能够实时监管隧道内的车流量，并且根据车流量大数据分析实现控制车流量控制和调节，保证隧道内的通行安全和高效。

Description

基于车流量大数据的隧道实时监控管理系统及其实现方法

技术领域

本发明属于隧道监控及大数据分析，具体涉及基于车流量大数据的隧道实时监控管理系统及其实现方法。

背景技术

智能交通是当今交通运输业的热点话题，公路隧道是交通道路上的特殊环境，存在着空间狭小、环境封闭、光线不充足、洞内外差异大等问题，公路隧道作为交通运输的重要组成，其智能化也影响着千万的出行者。

随着我国隧道工程技术的进步，目前高速公路隧道长度动辄数公里，甚至几十上百公里，正是这些隧道极大缩短了高速行程，拉近了人们的时空距离。然而，高速公路隧道也是交通流的重大瓶颈，也是交通事故频发之地。随着智能交通时代的来临，“智能隧道”已经兴起，一些新近建成的隧道设有隧道监控站，在隧道内埋设光纤，能直接接入智能交通系统；为了提高隧道交通的安全性，现有技术采用在隧道内安装集成化智能化监控系统，主要包括通风控制系统、照明控制系统、消防安全控制系统、远程信号灯控制系统、交通广播系统和智能监控系统，这些系统在一定程度上保障了隧道交通的安全。但现有隧道监控系统依然存在以下缺陷：

1、事故发生后，在报警求援的同时无法及时的控制和调节后续车辆，造成进一步的拥堵和严重安全隐患；

2、在隧道内通行能力较差的时候缺少必要的应对措施，造成长时间的拥堵和导致车主浪费大量的时间。

发明内容

发明目的：针对上述现有技术的不足，本发明提供一种基于车流量大数据的隧道实时监控管理系统及其实现方法，提高隧道监控和管理能力。

技术方案：一种基于车流量大数据的隧道实时监控管理系统，包括隧道口数据收集模块、车流参数统计处理模块、最优车流导向大数据分析处理单元、车辆分流联动控制模块和隧道内数据收集模块，所述隧道口数据收集模块依次与车流参数统计处理模块、最优车流导向大数据分析处理单元、车辆分流联动控制模块连接，所述隧道内数据收集模块与车辆分流联动控制模块连接，所述车辆分流联动控制模块连接隧道入口的交通信号控制设备，所述系统通过隧道口数据收集模块和隧道内数据采集模块采集的车辆通行大数据通过最优车流导向大数据分析处理单元进行分析得到隧道口信号控制设备的控制指令，实现隧道内车流量的监控和管理。

进一步的，所述系统的各模块具体如下：

所述隧道口数据收集模块设置在隧道的入口处，设置有卡扣抓拍单元和补光灯，所述卡扣抓拍单元通过ISP处理抓拍数据，所述补光灯的控制信号输出与卡扣抓拍单元联动；该模块还包括无线磁阻传感器、接入点设备、雷达测速仪、视频图像采集单元和上位机，所述无线磁阻传感器通过接入点设备与上位机连接，雷达测速仪和视频图像采集单元分别与上位机连接，所述上位机包括工业控制计算机或计算机，共同完成对车辆进入隧道口的数据采集；

所述车流参数统计处理模块包括车辆识别单元、流量数据分析单元，通过对于隧道口数据收集模块采集的图像和视频进行车辆识别，借助于识别数据，及车辆通过隧道口的其他数据，分析发现车辆进入隧道的参数信息；

所述最优车流导向大数据分析处理单元主要包括终端管理服务器、存储管理服务器和Web服务器，集成车流量大数据处理模型，实时分析隧道口的车流量信息，根据车辆进入隧道的信息输出隧道口交通信号灯的决策指令；

所述车辆分流联动控制模块包括交通接入服务器，实时处理统计服务器，交通数据分发中心和联动服务器，利用最优车流导向大数据分析处理单元的决策指令以及隧道内数据收集模型的有关数据，输出隧道口交通信号灯的控制指令；

所述隧道内数据收集模块包括烟雾传感器、温度传感器、双波长火灾探测器、手动火灾报警器和远程电话。

实施上述一种基于车流量大数据的隧道实时监控管理系统的方法，该系统的各模块具体如下：

所述隧道口数据收集模块所采集的数据包括进入隧道的车辆信息、车辆通行速度、入口通行图像及通行视频数据；

所述隧道内数据收集模块所采集的数据包括隧道内部车流速度、车祸、火灾、停车视频监控和图像数据；

所述车流量统计处理模块对所隧道口数据采集模块所采集的数据进行分析处理，计算车流量数据；

所述最优车流导向大数据分析处理单元搭载运行最优车流导向大数据模型，通过隧道历史数据以及隧道入口实时数据进行运算和处理，以流量最大化为目标，得出信号灯控制参数；

所述车辆分流联动控制模块利用大数据模型的控制参数以及隧道内信息数据，发送并执行信号灯控制指令，控制机电或交通信号控制设备。

一种基于车流量大数据的隧道实时监控管理系统的实现方法，包括如下步骤：

(1)隧道口通行数据采集：所述信息包括进入隧道内的车辆行驶速度、车辆号牌信息、车辆颜色信息；

(2)车流参数统计：通过步骤(1)中所采集的隧道口通行数据确定车流参数，所述车流参数为单位时间内的通行车辆数和平均行驶速度；

(3)构建最优车流导向大数据模型：基于步骤(2)所确定的车流参数建立构建最优车流导向大数据模型，所述模型通过数据分析，得出车辆速度和通行能力的对应关系，其函数关系式近似表示为：

隧道实际通行饱和度为：

其中：表示车辆限速，表示隧道的通行能力，为实际的车流量，S_单向用于衡量单向通道饱和度，据此给出最优车流控制参数；

(4)车辆分流联动控制：通过最优导向大数据模型分析得到的结果以及隧道内的数据确定隧道口交通信号设备的控制指令，控制相应的交通信号设备。

进一步的，所述最优车流导向大数据模型的构建包括计算隧道通行能力、隧道饱和度、隧道拥堵程度和交通信号灯转化时间；包括求解饱和车流量S、红灯持续时长t和隧道拥堵等级X。

进一步的，所述的隧道通行能力为隧道单方向的通行能力，计算表达式如下：

表示隧道单向通行能力，n为隧道单向车道数；i为车道编号，为第i条车道的通行能力，为第i条车道的理论通行能力，该值取决于车道限速其中：

式中：α_i为车道折减系数，β_i为车道宽度折减系数。

更进一步的，所述的隧道饱和度计算如下：

单车道饱和度定义为：

若定义单向实际通行能力为：

则单向饱和度为：S_单向＝C_单向 ^R/C_单向 ^T；

其中，表示第i条车道实际通行能力。

进一步的，所述隧道拥堵程度按照拥堵程序划分，其隧道拥堵等级X通过统计学原理采用3σ原则对拥堵程度划分为四等级，具体如下：

当单向饱和度在[0,S_3σ]为A级，所述A级表示畅通；

当单向饱和度在[S_3σ,S_2σ]为B级，所述B级表示轻微拥堵；

当单向饱和度在[S_2σ,S_σ]为C级，所述C级表示中度拥堵；

当单向饱和度在[S_σ,1]为D级，所述D级表示严重拥堵。

进一步的，所述红灯持续时长t计算过程如下：

(a)定义将开启红灯后，隧道车道单向饱和度从S_σ降到S_2σ所需要的时间为有效红灯时间T_j，单位为秒，则：

(b)当隧道车道单向饱和度达到S_σ时表示开始严重拥堵，开启红灯，经过有效红灯时间t_j后，隧道车道单向饱和度从S_σ降到S_2σ，此时关闭红灯，开启绿灯，增加车辆进入隧道的车道数。

有益效果：本发明所提供的系统能够满足隧道内的交通监控需要，并且所采集的数据更具有实际意义，并且所述系统联动隧道口的交通控制信号设备，能够满足实时监控和调度需求；另一方面，本发明所提供的方法通过建立最优化车流导向大数据模型，能够综合考虑隧道的通行能力各项参数，合理引导进入隧道的车辆，实现最优化调配。

附图说明

图1是本发明所述系统的结构示意图；

图2是隧道内单向行车道车道编号示意图；

图3是本发明中系统运行流程示意图；

图4是实施例中车道参数确定与计算示意图；

图5是实施例车速判断临界值的正态分布密度函数图；

图6是本发明交通流量与速度关系反函数图；

图7是本发明单条车道交通流量和速度关系函数关系示意图。

具体实施方式

为了详细的说明本发明所公开的技术方案，下面结合说明书附图及具体实施例做进一步的阐述。

本发明所公开的是一种基于车流量大数据的隧道实时监控管理系统及其实现方法。结合隧道历史数据，利用隧道车流实时动态信息，借助大数据技术构建隧道车流量联动控制模型，通过控制隧道入口信号灯，实现隧道车流通过能力最大化的目标。

如图1和图2所示，一种基于车流量大数据的隧道实时监控管理系统包含隧道口数据收集模块、车流量参数统计处理模块、最优车流导向大数据分析处理单元和车辆分流联动控制模块五个模块。

隧道口数据收集模块：采集进入隧道车流量、测速以及视频监控等数据；

隧道内数据收集模块：采集隧道内部车流速度、车祸、火灾等全程监控数据；该模块用于判断隧道内是否有异常，由烟雾传感器、温感传感器，双波长火灾探测器，手动火灾报警器构成，各传感器独立接入系统中，有检测到的数据进行单独判断，有触发就由系统判断为异常，进而有远程电话模块实行人工监控或所在位置的监控视频调取进行核实。

车流参数统计处理模块：对采集的所有数据进行处理和加工以获得车流量数据；

最优车流导向大数据分析处理单元：该单元搭载运行最优车流导向大数据模型，利用隧道历史数据以及隧道入口实时数据进行运算和处理，以流量最大化为目标，给出信号灯控制参数。

车辆分流联动控制模块：利用大数据模型的控制参数，结合隧道内数据，启动机电设备，发送并执行信号灯控制指令，机电设备在本实施例为隧道口的交通信息控制装置或隧道内的广播系统。

对于该系统的组成，基于现有技术的不在赘述，包括必要的电源及其安装设设施组件。其次，根据上述的方案组建该监控系统，对于各模块及功能单元具体如下：

隧道口数据收集模块设置在隧道的洞口，包括数个700万像素的卡扣抓拍单元和补光灯，根据现场要求置于隧道洞口的每个方向，用于采集行驶车辆的完整外形图片和实时数据处理。其中ISP成像控制，补光灯联动信号输出等均集成于拍单元中。

车流参数统计处理模块包括车牌识别，视频触发，通行车辆信息捕获。

当利用视频触发时，车辆的捕获率大于等于95％。

最优车流导向大数据分析处理单元主要包括配套的终端管理服务器，存储管理服务器，Web服务器等。

车辆分流联动控制模块包括交通接入服务器，实时处理统计服务器，交通数据分发中心(TDDC),联动服务器。车流参数统计处理模块包括无线磁阻传感器、接入点设备、雷达测速仪、视频图像采集单元和上位机，所述无线磁阻传感器通过接入点设备与上位机连接，雷达测速仪和视频图像采集单元分别与上位机连接，所述上位机包括工业控制计算机或计算机，所述车流参数统计处理模块进行车牌识别、视频触发和通行车辆信息捕获；

隧道内数据收集模块包括烟感、温感传感器，双波长火灾探测器，手动火灾报警器，远程电话模块等硬件。

在上述系统中，对于功能及视频信息等数据的处理优选工业计算机，同时也包括采用具有处理分析数据能力的芯片和计算机和现有在交通管理和监控中已经采用的设备。

整个系统运行的流程如图3所示。其中IN表示隧道内是否异常标识(IN＝1表示异常，IN＝0表示正常)，EN表示隧道入口通过量是否拥堵的标识(EN＝1表示车入量过大，需要利用红色交通灯禁止进入隧道，EN＝0表示交通畅通)。

本发明中最优车流导向大数据模型构建如下：

1、车道参数

如图4所示，车道参数的确定包括饱和车流量S、红灯持续时长t和隧道拥堵等级X；

2、通行能力计算

计算隧道单方向的通行能力，如“由东向西的通行能力”、“由南向北的通行能力”。

——隧道单向通行能力；

n——隧道单向车道数。

i——车道编号，从道路中心至道路边缘依次编号(见图2)，i的取值可以从1到n；

——第i条车道的通行能力，i的取值可以从1到n；

——第i条车道的理论通行能力，该值依赖于车道限速根据道路设计速度取表1中对应值：

表1单条车道理论通行能力

在隧道的情况下：的取值通常与车道编号i无关。

α_i——车道折减系数

表2车道折减系数

车道i	车道折减系数α<sub>i</sub>
		1	1.00
2	0.80～0.89
		3	0.65～0.78
4	0.50～0.65
		≥5	0.40～0.52

β_i——车道宽度折减系数

表3车道宽度折减系数

车道宽度w(m)	通行能力折减系数β<sub>i</sub>
		3.50	1.00
3.25	0.94
		3.00	0.85
2.75	0.77

3、饱和度计算

单车道饱和度其中，表示第i条车道实际通行能力。

若定义单向实际通行能力为

单向饱和度S_单向＝C_单向 ^R/C_单向 ^T——实际通行能力除以理论通行能力。

4、拥堵程度划分

本文根据统计学原理采用3σ原则对拥堵程度划分为四等级。

从行车经验及实际数据分析可得：车辆在限速一定的情况下的车辆速度基本符合正态分布，并且在正态分布或近似正态分布中σ代表标准差,μ代表均值。μ即为密度图像的对称轴。

3σ原则：

数值分布在(μ-σ,μ+σ)中的概率为0.6827

数值分布在(μ-2σ,μ+2σ)中的概率为0.9545

数值分布在(μ-3σ,μ+3σ)中的概率为0.9973

(1)车速均值和方差的计算

a.车速数据的获取

根据隧道的历史视频数据，进行图像处理，采用背景差分算法和背景帧间差分算法提取出车辆实时车速数据，背景的方法能够检测到运动的和静止的车辆，运动区域可以用差分背景和差分帧间来分成运动目标和静止目标，把相邻帧间的聚类结果进行匹配，从而获取运动目标的轨迹。最后利用差分帧间算法准确的跟踪运动目标，计算单个车辆速度v_m。

b.车辆速度均值和标准差的计算

其中，v_m表示第m辆车的车速，m＝1,2,…,N

c.临界值的计算

首先计算出三个临界值：V_σ＝μ-σ,V_2σ＝μ-2σ,V_3σ＝μ-3σ；其交通流量与速度关系反函数如图5和图6所示，当隧道内实际车速达到V_σ或以上，即开始严重拥堵时开启红灯。

表3拥堵程度表

车速范围	拥堵程度X级
		[0,V<sub>3σ</sub>]	A级畅通
[V<sub>3σ</sub>,V<sub>2σ</sub>]	B级轻微拥堵
		[V<sub>2σ</sub>,V<sub>σ</sub>]	C级中度拥堵
[V<sub>σ</sub>,v<sup>limit</sup>]	D级严重拥堵

需要说明的是：此处拥堵分类也可以转换为利用单向饱和度S_单向的临界值来划分拥堵程度，这样更容易解释拥堵等级的划分缘由。换算关系如下：

a.根据单条车道理论通行能力数据计算C和v^limit的非线性函数：C＝f(v^limit)，其交通流量与速度关系函数关系如图7所示。

计算出三个临界值：V_σ,V_2σ,V_3σ所对应的实际通行能力C_σ,C_2σ,C_3σ。

b.由于上文定义隧道单向饱和度S_单向＝C_单向 ^R/C_单向T，即实际通行能力除以理论通行能力，可以计算出S_σ,S_2σ,S_3σ

表1.4拥堵程度副表

饱和度范围	拥堵程度X级
		[0,S<sub>3σ</sub>]	A级畅通
[S<sub>3σ</sub>,S<sub>2σ</sub>]	B级轻微拥堵
		[S<sub>2σ</sub>,S<sub>σ</sub>]	C级中度拥堵
[S<sub>σ</sub>,1]	D级严重拥堵

此时，当隧道车道单向饱和度达到S_σ，即开始严重拥堵时开启红灯。

5、红灯时间计算：

定义将开启红灯后，隧道车道单向饱和度从S_σ降到S_2σ所需要的时间为有效红灯时间T_j，单位为秒。

当开始严重拥堵，即隧道车道单向饱和度达到S_σ时，开启红灯，经过有效红灯时间t_j后，隧道车道单向饱和度从S_σ降到S_2σ，此时可以关闭红灯，开启绿灯，增加车辆进入隧道的车道数。

Claims (9)

1.一种基于车流量大数据的隧道实时监控管理系统，其特征在于：包括隧道口数据收集模块、车流参数统计处理模块、最优车流导向大数据分析处理单元、车辆分流联动控制模块和隧道内数据收集模块，所述隧道口数据收集模块依次与车流参数统计处理模块、最优车流导向大数据分析处理单元、车辆分流联动控制模块连接，所述隧道内数据收集模块与车辆分流联动控制模块连接，所述车辆分流联动控制模块连接隧道入口的交通信号控制设备，所述系统通过隧道口数据收集模块和隧道内数据采集模块采集的车辆通行大数据通过最优车流导向大数据分析处理单元进行分析得到隧道口信号控制设备的控制指令，实现隧道内车流量的监控和管理。

2.根据权利要求1所述的一种基于车流量大数据的隧道实时监控管理系统，其特征在于：所述系统的各模块具体如下：

所述隧道口数据收集模块设置在隧道的入口处，设置有卡扣抓拍单元和补光灯，所述卡扣抓拍单元通过ISP处理抓拍数据，所述补光灯的控制信号输出与卡扣抓拍单元联动；该模块还包括无线磁阻传感器、接入点设备、雷达测速仪、视频图像采集单元和上位机，所述无线磁阻传感器通过接入点设备与上位机连接，雷达测速仪和视频图像采集单元分别与上位机连接，所述上位机包括工业控制计算机或计算机，共同完成对车辆进入隧道口的数据采集；

所述车流参数统计处理模块包括车辆识别单元、流量数据分析单元，通过对于隧道口数据收集模块采集的图像和视频进行车辆识别，借助于识别数据，及车辆通过隧道口的其他数据，分析发现车辆进入隧道的参数信息；

所述最优车流导向大数据分析处理单元主要包括终端管理服务器、存储管理服务器和Web服务器，集成车流量大数据处理模型，实时分析隧道口的车流量信息，根据车辆进入隧道的信息输出隧道口交通信号灯的决策指令；

所述车辆分流联动控制模块包括交通接入服务器，实时处理统计服务器，交通数据分发中心和联动服务器，利用最优车流导向大数据分析处理单元的决策指令以及隧道内数据收集模型的有关数据，输出隧道口交通信号灯的控制指令；

所述隧道内数据收集模块包括烟雾传感器、温度传感器、双波长火灾探测器、手动火灾报警器和远程电话。

3.实施如权利要求1所述的一种基于车流量大数据的隧道实时监控管理系统的方法，其特征在于：该系统的各模块数据采集如下：

所述隧道口数据收集模块所采集的数据包括进入隧道的车辆信息、车辆通行速度、入口通行图像及通行视频数据；

所述隧道内数据收集模块所采集的数据包括隧道内部车流速度、车祸、火灾、停车视频监控和图像数据；

所述车流量统计处理模块对所隧道口数据采集模块所采集的数据进行分析处理，计算车流量数据；

所述最优车流导向大数据分析处理单元搭载运行最优车流导向大数据模型，通过隧道历史数据以及隧道入口实时数据进行运算和处理，以流量最大化为目标，得出信号灯控制参数；

所述车辆分流联动控制模块利用大数据模型的控制参数以及隧道内信息数据，发送并执行信号灯控制指令，控制机电或交通信号控制设备。

4.根据权利要求3所述的一种基于车流量大数据的隧道实时监控管理系统的实现方法，其特征在于：包括如下步骤：

(1)隧道口通行数据采集：所述信息包括进入隧道内的车辆行驶速度、车辆号牌信息、车辆颜色信息；

(2)车流参数统计：通过步骤(1)中所采集的隧道口通行数据确定车流参数，所述车流参数为单位时间内的通行车辆数和平均行驶速度；

(3)构建最优车流导向大数据模型：基于步骤(2)所确定的车流参数建立构建最优车流导向大数据模型，所述模型通过数据分析，得出车辆速度和通行能力的对应关系，其函数关系式近似表示为：

隧道实际通行饱和度为：

其中：V_i ^max表示车辆限速，表示隧道的通行能力，为实际的车流量，S_单向用于衡量单向通道饱和度，据此给出最优车流控制参数；

(4)车辆分流联动控制：通过最优导向大数据模型分析得到的结果以及隧道内的数据确定隧道口交通信号设备的控制指令，控制相应的交通信号设备。

5.根据权利要求4所述的一种基于车流量大数据的隧道实时监控管理系统的实现方法，其特征在于：所述最优车流导向大数据模型的构建包括计算隧道通行能力、隧道饱和度、隧道拥堵程度和交通信号灯转化时间；包括求解饱和车流量S、红灯持续时长t和隧道拥堵等级X。

6.根据权利要求5所述的一种基于车流量大数据的隧道实时监控管理系统的实现方法，其特征在于：所述的隧道通行能力为隧道单方向的通行能力，计算表达式如下：

表示隧道单向通行能力，n为隧道单向车道数；i为车道编号，为第i条车道的通行能力，为第i条车道的理论通行能力，该值取决于车道限速V_i ^max，其中：

式中：α_i为车道折减系数，β_i为车道宽度折减系数。

7.根据权利要求5所述的一种基于车流量大数据的隧道实时监控管理系统的实现方法，其特征在于：所述的隧道饱和度计算如下：

单车道饱和度定义为：

若定义单向实际通行能力为：

则单向饱和度为：S_单向＝C_单向 ^R/C_单向 ^T；

其中，表示第i条车道实际通行能力。

8.根据权利要求5所述的一种基于车流量大数据的隧道实时监控管理系统的实现方法，其特征在于：所述隧道拥堵程度按照拥堵程序划分，其隧道拥堵等级X通过统计学原理采用3σ原则对拥堵程度划分为四等级，具体如下：

当单向饱和度在[0,S_3σ]为A级，所述A级表示畅通；

当单向饱和度在[S_3σ,S_2σ]为B级，所述B级表示轻微拥堵；

当单向饱和度在[S_2σ,S_σ]为C级，所述C级表示中度拥堵；

当单向饱和度在[S_σ,1]为D级，所述D级表示严重拥堵。

9.根据权利要求5所述的一种基于车流量大数据的隧道实时监控管理系统的实现方法，其特征在于：所述红灯持续时长t计算过程如下：

(a)定义将开启红灯后，隧道车道单向饱和度从S_σ降到S_2σ所需要的时间为有效红灯时间T_j，单位为秒，则：

(b)当隧道车道单向饱和度达到S_σ时表示开始严重拥堵，开启红灯，经过有效红灯时间t_j后，隧道车道单向饱和度从S_σ降到S_2σ，此时关闭红灯，开启绿灯，增加车辆进入隧道的车道数。