CN109637126A - 一种基于v2x终端的交通对象识别系统及其方法 - Google Patents

Abstract

本发明公开了一种基于V2X终端的交通对象识别系统及其方法，个体携带的终端采集传感器数据，将传感器数据通过状态模型识别其行走、骑自行车、坐或驾驶车辆、做公交车等行为状态，然后把其状态、位置和速度等信息传输到其他车辆和云平台，车载信息终端和云平台把个体的状态、位置和速度等信息输入到聚类模型中识别出相关联的个体，从而达到识别出不同交通对象的目的。通过上述方式，本发明方法采用V2X终端识别交通对象，使其具有覆盖范围广，数据丰富，成本比较低，识别简单可靠，所得到的数据准确，时效性高，为交通调度实时提供大量的数据支持。

Description

一种基于V2X终端的交通对象识别系统及其方法

技术领域

本发明涉及智能交通信息采集技术领域，特别是涉及一种基于V2X便携式终端的交通对象识别系统及其方法。

背景技术

近年来，随着微型机电系统技术的发展和传感器的微型化、智能化，使用传感器对人体活动状态的识别越来越受到人们的重视。目前许多智能手持设备如智能手机、智能手表等电子设备内置了许多的传感器，而且计算能力越来越强，因此智能手持设备对人体活动状态识别提供了可能性，并且在健康、运动等许多领域有了广泛应用。目前V2X通信技术中基于移动蜂窝网络的C-V2X具备直通和蜂窝通信方式，简化了芯片的复杂度更有利于集成到智能终端上，未来C-V2X可以平滑演进到5G，应用前景更加光明。

智能交通系统(ITS)主要由交通信息采集系统、信息处理分析系统和信息发布系统组成，其中交通信息采集系统是智能交通系统中最基础和最关键的部分。目前交通信息采集的方式主要有环行感应线圈、视频和浮动车等。

环行感应线圈采集方式是把环行线圈铺设在道路上形成一个电磁场，依靠电磁感应变化来检测通过的车辆。主要优点是检测精确，稳定性好，不受环境变化的影响。缺点是由于线圈需要铺设在地下，增加了施工难度和成本，而且对公路进行了破坏影响道路的使用期限；长时间使用线圈容易被重型车辆损坏，维护成本与工作量比较大。

视频采集方式是利用摄像头作为采集设备，运用图像处理技术分析获取需要的交通信息。其主要优点是安装简单、获取的信息比较直观、维护费用低，但是目前的视频采集方式还存在成本较高、覆盖范围有限、容易受外界环境的影响的问题，且数据处理量大，计算复杂度高。

浮动车采集方式是指安装有定位系统和无线通信装置的车辆，通过自身的设备来采集交通数据。其优点是采集精度高、投资少，能实时反映出道路运行状态的变化，但是受限于车辆必须要安装定位系统和无线通信装置，在一定程度上限制了覆盖的范围广度。

发明内容

本发明提供了一种覆盖面广、数据多样性且成本较低的基于V2X终端的交通对象识别系统及其方法，能够解决目前其他采集方式存在的覆盖范围有限、数据多样性不足以及降低成本及计算量。

为了实现上述目的，本发明采用的技术方案是：一种基于V2X终端的交通对象识别系统，包括采集个体数据的V2X终端和接收并分析V2X终端输出数据的信息平台，所述V2X终端包括传感器模块、交通状态识别模块和V2X通信模块；所述传感器模块采集运动数据并输出到交通状态识别模块；所述交通状态识别模块接收传感器模块输出的数据，分析当前个体的交通状态数据，通过V2X 通信模块发送到信息平台；所述信息平台包括交通对象聚类识别模块，其根据多个个体的交通状态数据分析出所述个体是否在同一个交通工具上，从而识别出交通对象。

所述传感器模块包括加速度传感器、陀螺仪和高精度定位传感器，加速度和陀螺仪用以采集运动数据，高精度定位传感器用以采集当前位置经纬度数据，并与地图匹配以判断当前位置是否在交通道路附近。

所述V2X终端采集数据为个体的状态、位置、速度、航向角、海拔等。

所述信息平台为车载信息终端或云平台。

所述个体指的是使用智能终端的人，所述V2X终端是便携式的，直接利用个体的智能终端中内置的传感器即可。

本发明还提供了一种基于V2X终端的交通对象识别方法，包括以下步骤：

步骤一，采集个体的运动数据；

步骤二，建立状态识别模型，对采集到的运动数据进行分类识别，得到个体的当前交通状态数据；

步骤三，通过V2X网络将得到的当前交通状态数据传送到信息平台；

步骤四，当前交通状态数据传送到信息平台后，根据多个个体的运动状态、位置和速度等数据聚类分析出个体是否在同一个交通工具上，从而识别出交通对象。

在所述采集交通对象的运动数据前，可先利用高精度定位装置对交通对象的位置与地图信息进行匹配，判断交通对象是否在交通道路附近。若判断在交通道路附近，采集交通对象的运动数据；若判断不在交通道路附近，将不采集交通对象的运动数据。

所述交通对象，包括行人、自行车、公交车和小汽车等。

所述个体状态，包括：走路、跑步、骑自行车、乘公交、坐汽车等。

利用高精度定位装置判断前，可判读交通对象的便携式通信设备是否具有V2X功能。

所述建立状态识别模型，对采集到的运动数据进行分类识别的步骤为：

在交通状态识别模型的训练阶段生成个体状态识别模型，再在测试阶段利用采集到的当前状态数据与所述训练阶段生成的个体状态识别模型进行分类识别，得到当前个体的行为状态。

所述聚类分析采用K-means聚类算法，对识别出的个体状态数据进行聚类分析的步骤为：

从多个个体的运动状态、位置和速度等数据随机选择质心，把每个数据点匹配到最近的质心，形成簇群，直到簇质心不再发生变化，每个簇的个体就是在相关联的交通工具上，从而识别出交通对象。

与现有技术相比，本发明的有益效果是：

1.识别范围广，V2X终端是便携式的，可直接利用个体的智能终端中内置的传感器，只要是行人携带终端所到之处都能够被识别。

2.动态跟踪车辆轨迹，本发明方法，采集的传感器数据判断出车辆信息时，之后能一直动态实时的跟踪车辆轨迹，不像有的现有技术中，只能在安装了设备的位置采集交通信息。

3.成本低，本发明方法，可以用智能终端充当便携式终端的功能，由于现在智能终端的普及度已经非常高，因此硬件成本极大的降低了。

4.计算复杂度小相对较小，对象的信息采集都是在各个终端上完成的，因此就形成了分布式的采集系统，把数据采集就分散在不同终端上，并且采集的是传感器数据相比视频数据也要简单，所以计算复杂度比较小。采集个体的运动数据前利用高精度定位装置对个体的位置进行判断，减少了需要采集分析处理的数据量，降低了计算复杂度。

5.根据多个个体的运动状态、位置和速度等数据聚类分析，能更为准确的识别出交通对象。

附图说明

图1是本发明提供优选实施例的基于V2X便携式终端的交通对象识别方法的系统总体架构图；

图2是本发明提供优选实施例的基于V2X便携式终端的交通对象识别方法的流程图；

图3是本发明提供优选实施例的基于V2X便携式终端的行人活动识别模型的训练和测试流程图；

图4是本发明提供优选实施例的基于V2X便携式终端的交通对象识别方法的示意图；

图5是本发明提供优选实施例的基于V2X便携式终端的交通对象识别方法系统示意图。

具体实施方式

下面将结合发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

图1为本发明的一种基于V2X便携式终端的交通对象识别方法的系统总体架构图。如图1所示，V2X便携式终端由传感器模块、交通状态识别模块和V2X 通信模块组成，信息平台包含交通对象聚类识别模型。

V2X便携式终端根据采样频率通过传感器模块采集运动数据，然后把数据输入到交通状态识别模块中识别出当前个体的交通状态，最后通过V2X通信模块把个体的交通状态发送到信息平台上。

传感器模块，包括加速度传感器、陀螺仪和高精度定位等传感器，加速度传感器和陀螺仪传感器用于采集个体的运动数据，高精度定位传感器用于采集个体的当前位置数据。

交通状态识别模块，在进行个体状态识别前，需要先通过高精度定位传感器采集当前位置经纬度数据与地图匹配出当前位置是否在交通道路附近，如果是在交通道路附近再采集传感器模块的速度、加速度和位置等数据输入到交通状态识别模块中，通过识别模型判别出当前个体具体的交通状态。V2X通信模块，实现个体与车辆和云平台之间的信息交互。V2X便携式终端把识别出的个体交通状态等信息通过V2X通信模块发送到车辆或云平台上。

信息平台包括车载信息终端和云平台，其中包含交通对象聚类识别模块，其根据多个个体的运动状态、位置和速度等数据分析出个体是否在同一个交通工具上，从而识别出交通对象。

基于以上系统，如图2，本发明的方法主要包括以下步骤：

(1)根据终端高精度位置与地图信息进行匹配，判断个体是否在交通道路附近；

(2)若检测到是在交通道路附近，终端就采集加速度和陀螺仪等传感器数据；

(3)把采集到的传感器数据输入到状态识别模型分析出当前的个体状态，将状态、位置、速度、航向角等数据通过V2X通信传送到信息平台；

(4)信息平台根据多个个体的运动状态、位置和速度等数据进行交通对象聚类分析出个体是否在同一个交通工具上，从而识别出交通对象。

在交通状态识别模型的训练阶段生成交通对象状态识别模型，再在测试阶段利用采集到的交通对象的当前状态数据与所述训练阶段生成的交通对象状态识别模型进行分类识别，得到当前个体的行为状态。具体参见图3，交通状态识别模型训练阶段，具体实施步骤如下：

(1)从与人体活动相关的开源传感器数据集中挑选出与交通相关的速度、加速度和位置等传感器数据，形成训练数据集，或者设计程序采集时间序列数据集，它由完成每种活动相关的速度、加速度和位置等传感器数据值所组成的；

(2)对训练数据集中的数据进行预处理包括插值填补、数据滤波和切分。差值填补可以补充丢失的数据，让它成为连续的时间序列；数据滤波可以过滤掉某些孤立的点和噪声数据等。对数据切分需要选择合适的切分窗口长度对数据进行切分；

(3)对预处理后的每个数据段提取特征，典型的特征包括但不限于均值、标准方差、均方根、四分位差、功率谱密度、平均绝对偏差、轴相关性、熵和峰度系数的时域特征和建立在傅里叶变换上的频率、信号能量和频域熵等频域特征；

(4)对同一数据段窗口提取的特征，按固定的顺序(比如加速度特征、陀螺仪特征等)组成特征向量，并标注对应的行为类别；

(5)对结构化表征人体行为的特征向量集利用分类学习算法进行分类训练产生活动识别模型。

对训练阶段产生的活动识别模型进行测试阶段的具体实施步骤如下：

(1)从V2X便携式终端的定位、加速度和陀螺仪等多种传感器采集个体运动数据；

(2)对采集的数据进行插值填补、数据滤波和切分等预处理；

(3)对预处理后的每个时间窗口数据提取特征，然后按照一定的次序(比如加速度特征、陀螺仪特征等)组成特征向量；

(4)把提取的特征向量送入到之前训练好的识别模型中进行评估，识别出该时间窗口对应的交通行为。

交通对象聚类分析模型用于分析多个个体间的关联性，判读个体是否所在同一个交通工具上，识别出交通对象。本方法采用K-means算法，具体参见图4，具体实施步骤如下：

(1)信息平台接收的多个个体的位置、速度和行为状态等交通数据形成数据集和；

(2)从数据集中选择K个点作为初始质心；

(3)将每个点分配到最近的质心，形成K个簇；

(4)重新计算每个簇的质心；

(5)重复步骤(3)(4)，直到簇质心不再变化或者达到最大迭代次数，得到的就是交通对象的信息。

K值表示需要得到的簇的数目，一般通过枚举来确定K的值。

初始质心的选取，初始质心的选取方法常用的有两种方法：一种是随机选取，一种是用户指定。

把样本点匹配到最近的质心，采用距离度量方法，本方法采用欧氏距离计算两点的距离，欧氏距离如下：

式中x_i、x_j表示的是数据样本点，n表示的是样本的维数，x_iu、x_ju表示的是样本x_i、x_j第u维的值。

重新计算簇质心，其计算公式为:

式中u_i表示第i个簇的质心，|C_i|是簇C_i的样本个数，x是簇C_i中的样本。

算法结束条件，一种是达到指定的最大迭代次数，一种是算法收敛即各个簇的质心不再发生变化。算法收敛就是代价函数最小化，代价函数就是每个样本点与其所属质心的距离的平方和，其表示为：

式中E表示误差平方和，k表示簇数，x表示属于簇C_i中的样本，C_i表示第i 个簇，u_i表示簇C_i的质心。

图5为本发明一种基于V2X便携式终端的交通对象识别方法系统示意图。如图5所示，此系统包括：车载信息终端、信息平台、V2X通信网络和个体携带的V2X便携式终端，如图5中的个体1、个体2、……、个体n。其中：

个体携带的V2X便携式终端按照一定的采样频率采集传感器数据，并把数据输入到行人状态识别模型中识别出当前的状态，然后把个体状态等信息通过 V2X通信网络传送到车载信息终端或云平台。个体状态的识别模型可按前述本发明所提供的方法来训练产生，这里就不再赘述。

车载信息终端或云平台接收到各个个体携带的V2X终端发送的行人状态、经纬度和航向角等数据，然后把各个个体的数据输入到交通对象聚类识别模型中，判断出相关联的个体在某种交通工具上，从而识别交通对象。交通对象聚类识别模型可按前述本发明所提供的，这里就不在赘述。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种基于V2X终端的交通对象识别系统，包括采集个体数据的V2X终端和接收并分析V2X终端输出数据的信息平台，其特征在于：所述V2X终端包括传感器模块、交通状态识别模块和V2X通信模块；所述传感器模块采集运动数据并输出到交通状态识别模块；所述交通状态识别模块接收传感器模块输出的数据，分析当前个体的交通状态数据，通过V2X通信模块发送到信息平台；所述信息平台包括交通对象聚类识别模块，其根据多个个体的交通状态数据分析出所述个体是否在同一个交通工具上，从而识别出交通对象。

2.根据权利要求1所述一种基于V2X终端的交通对象识别系统，其特征在于：所述传感器模块包括加速度传感器、陀螺仪和高精度定位传感器。

3.根据权利要求2所述一种基于V2X终端的交通对象识别系统，其特征在于：所述高精度定位传感器用以采集当前位置经纬度数据，并与地图匹配以判断当前位置是否在交通道路附近。

4.根据权利要求1所述一种基于V2X终端的交通对象识别系统，其特征在于：所述信息平台为车载信息终端或云平台。

5.根据权利要求1所述一种基于V2X终端的交通对象识别系统，其特征在于：所述V2X终端是便携式的，所述个体指的是使用智能终端的人。

6.一种基于V2X终端的交通对象识别方法，其特征在于，包括以下步骤：

步骤一，采集个体的运动数据；

步骤二，建立状态识别模型，对采集到的运动数据进行分类识别，得到个体的当前交通状态数据；

步骤三，通过V2X网络将得到的当前交通状态数据传送到信息平台；

步骤四，当前交通状态数据传送到信息平台后，根据多个个体的运动状态、位置和速度等数据聚类分析出个体是否在同一个交通工具上，从而识别出交通对象。

7.根据权利要求6所述一种基于V2X终端的交通对象识别方法，其特征在于：在所述采集个体的运动数据前，利用高精度定位装置对其位置与地图信息进行匹配，判断是否在交通道路附近；若判断在交通道路附近，采集个体的运动数据；若判断不在交通道路附近，将不采集运动数据。

8.根据权利要求6所述一种基于V2X终端的交通对象识别方法，其特征在于：所述建立状态识别模型，对采集到的运动数据进行分类识别的步骤为：

在交通状态识别模型的训练阶段生成个体状态识别模型，再在测试阶段利用采集到的当前状态数据与所述训练阶段生成的个体状态识别模型进行分类识别，得到当前个体的行为状态。

9.根据权利要求6所述的一种基于V2X终端的交通对象识别方法，其特征在于，所述聚类分析采用K-means聚类算法，对识别出的个体状态数据进行聚类分析的步骤为：

从多个个体的运动状态、位置和速度等数据随机选择质心，把每个数据点匹配到最近的质心，形成簇群，直到簇质心不再发生变化，每个簇的个体就是在相关联的交通工具上，从而识别出交通对象。