CN109816971A - 基于多源数据融合的危险品运输车辆预防跟踪系统及方法 - Google Patents

Abstract

一种基于多源数据融合的危险品运输车辆预防跟踪系统及方法，跟踪系统包括车载终端模块、路侧节点装置、边缘数据处理模块、网络传输模块、远程监控系统以及数据存储模块；车载终端模块通过网络传输模块向远程监控系统上传危险品运输车辆的位置信息，边缘数据处理模块能够作为某一区域的边缘节点实现数据的处理及存储。本发明通过路侧节点采集多源数据，通过边缘数据处理模块进行处理，本发明具有很强的抗外界干扰能力，跟踪系统的设备简单，成本较低，解决了卫星定位系统在特殊地形无信号、信号差、数据误差大等问题。有助于在交通管理部门的平台上实时展示危险品运输车辆的位置和身份等信息。

Description

基于多源数据融合的危险品运输车辆预防跟踪系统及方法

技术领域

本发明涉及边缘计算领域，具体涉及一种基于多源数据融合的危险品运输车辆预防跟踪系统及方法，通过将边缘计算和各种设备采集的多源数据进行融合，实现高精度跟踪。

背景技术

近年来，随着我国经济的高速发展，机动车保有量持续快速增长，道路交通事故频发，大城市道路拥堵不堪，并有向中小城市蔓延之势，为此交通管理部门在关键路段、交叉口广泛使用了图像识别系统，对车辆运行状态进行监控，为违法行为的处罚提供证据，以此规范交通秩序，一定程度上缓解了事故发生率及道路拥堵程度。然而，在实际应用中，图像识别系统的识别率易受环境因素影响，甚至部分驾驶人为逃避执法，故意采取遮挡号牌、污损号牌、不按规定安装号牌、使用假牌套牌等不法手段，使图像识别系统难以有效识别，在一定程度上助长了此类违法行为的发生。因此，亟需进一步完善车辆识别技术。

随着物联网和大数据技术的不断发展，已经逐步进入“万物互联”的新时代，产生了大量的数据信息，针对云端的超负荷运载和数据处理速度等问题，提出了边缘计算，介于云计算和个人计算之间的一种半虚拟化的服务。边缘计算是新一代的分布式计算，符合互联网的“去中心化”要求。它有几个明显特征：低延时和位置感知，更为广泛的地理分布，适应移动性的应用，支持更多的边缘节点。其特点是处理能力强的单个设备接受多个端点来的信息，处理后的信息发送回需要的地方，故在本系统中适合采用边缘节点对多源数据的处理。

随着RFID技术的发展，部分城市尝试将基于RFID的车辆识别技术应用于交通管理领域，取得了积极效果。RFID(Radio Frequency Identification)全称无线射频识别技术，由电子标签、读写器以及后台应用管理系统组成，能够对携带有电子标签的物体实现非接触式的信息识别和交互处理。使用RFID读写器能够在车辆高速行驶过程中自动识别车辆身份、类型等，有效识别率达到95％以上，为甄别假牌套牌等违法行为提供有效的技术保障，解决现有图像识别系统在识别率及准确率上的技术瓶颈。车辆跟踪是智能交通系统的核心技术之一，其任务是在车辆识别的基础上实时确定目标车辆的位置与行驶轨迹，目前车辆跟踪主要使用GPS技术。随着美国国防部将GPS免费向大众开放以及GIS(地理信息系统)、移动通讯技术的日益发展，许多科研机构和公司都针对运输车辆的跟踪、定位导航等功能结合GIS、GPS、传感器、RFID以及移动通信技术都进行了研究,并取得了一定的研究成果。在这种科技技术背景的环境下，国外很多公司将GPS和移动通信单元结合起来，用于多种领域。

在目标检测领域，许多算法已经成熟并应用于人脸识别、行人跟踪、文字识别等领域。由于复杂交通场景下，车辆的运行速度快，同时受限于当前视频质量，实时精准地检测出车辆的位置和大小信息还需要更深一步的研究。在复杂的交通视频条件下，车辆是主要的检测跟踪对象，车辆的瞬时速度、环境的变化等都会对车辆的跟踪造成影响；另一方面，交通车辆检测和跟踪应用是为了确保交通管理便捷有效、交通秩序良好稳定以及安全，因此，对于实时性和准确性的要求相对较高。利用GPS、RFID或交通视频实现车辆的辨识跟踪，目前在国内外均有一定的研究，无论是通过车载GPS获取车辆跟踪轨迹点，借助车辆的电子标识在各高速公路卡口所记录的行车历史路线，亦或是借助计算机算法，从交通视频中完成识别跟踪的识别跟踪等均具有一定的效果。但相较于我国道路运输实际情况以及公安交通管理部门和物流企业的实际需求，上述车辆跟踪技术方法均存在一定局限性，在特定的交通场景下无法达到车辆跟踪所需的精度和实时性，且跟踪丢失的情况时有发生。基于GPS技术的车辆跟踪经常会因为隧道、建筑物以及山区遮挡发生信号丢失问题、漂移也会造成的定位精度的偏差。基于RFID的车辆跟踪，可以保证到达卡口或检测点的时空精准定位，但在跟踪时间上的盲区也较为明显。基于视频的车辆跟踪，相比于GPS，对车辆轨迹的跟踪精度有大幅提高，但因为交通摄像头的设置一般不能保证跟踪的连续性，所以车辆跟踪的路径较短，对实际的危险品运输车辆监管意义不大，而且视频处理过程中受天气、光照的影响也较大。

发明内容

本发明的目的在于针对上述现有技术中的问题，提供一种基于多源数据融合的危险品运输车辆预防跟踪系统及方法，在GPS信号丢失时依据历史行车数据和位置信息做出部分跟踪预测，弥补各个传感器采集信息的不足，保证了车辆跟踪的实时性和有效性。

为了实现上述目的，本发明基于多源数据融合的危险品运输车辆预防跟踪系统，包括车载终端模块、路侧节点装置、边缘数据处理模块、网络传输模块、远程监控系统以及数据存储模块；所述的路侧节点装置通过串口与边缘数据处理模块相连，边缘数据处理模块通过网络传输模块与远程监控系统相连，远程监控系统与数据存储模块之间实现数据的存储和读取，车载终端模块通过网络传输模块向远程监控系统上传危险品运输车辆的位置信息，边缘数据处理模块能够实现数据的处理及存储，作为某一区域的边缘节点。

本发明基于多源数据融合的危险品运输车辆预防跟踪方法，包括以下步骤：

步骤一、车载终端模块上传危险品运输车辆的位置信息，远程监控系统进入状态1，远程监控系统在状态1下进行基于GPS的位置跟踪；

步骤二、当车载终端模块上传异常信息时，远程监控系统将收到的异常信息打包，存放于数据存储模块且发送至路侧节点装置；

步骤三、路侧节点装置收到异常信息包之后，搜索目标车辆，实现基于RFID的路段跟踪，找到目标车辆的所在路段位置上传至远程监控系统；

步骤四、远程监控系统进入状态2，远程监控系统在状态2下控制设置在边缘节点上的智能摄像头进行目标车辆的视频目标识别跟踪；

步骤五、当车载终端模块再次上传正常的位置信息，远程监控系统停止区域跟踪，跳转至步骤一，远程监控系统在状态1下进行基于GPS的位置跟踪。

步骤一所述基于GPS的位置跟踪具体包括车辆的主动跟踪和路侧节点的跟踪；主动跟踪时GPS周期性的上传位置信息至车载终端模块，车载终端模块将车辆位置信息打包发送至远程监控系统；路侧节点的跟踪通过电子车牌读识装置和智能摄像头实现；

步骤101：GPS得到目标车辆的位置；

步骤102：GPS上传T时刻的车辆位置信息至车载终端模块；

步骤103：车载终端模块将T时刻的车辆位置信息通过网络传输模块上传至远程监控系统，定时报送车辆在行驶过程中的状态；

步骤104：远程监控系统实时显示目标车辆的位置，实现基于GPS的位置跟踪。

所述的步骤二具体包括以下步骤：

步骤201：车载终端模块在T₁时刻上传异常信息至远程监控系统；

步骤202：远程监控系统接收到步骤201所述的异常信息之时，记录异常信息于数据存储模块，并且将车载终端模块最后一次上传的正确信息和车辆信息进行打包，使分布式环境中部署的所有边缘节点的IP地址都存在远程监控系统里，远程监控系统通过IP地址将打包的信息发送到T时刻经过的边缘节点F。

所述步骤三中基于RFID的路段跟踪包括以下步骤：

步骤301：边缘节点F收到异常信息包之后，通过网络给其附近的其他边缘节点发送信息包，开始局部搜索目标车辆；

步骤302：危险品运输车辆装有一枚RFID电子车牌标签，当目标车辆经过装有电子车牌识别装置的路段时，会对RFID电子车牌标签上的数据进行识别；

步骤303：得到信息包的每个边缘节点将信息包里面的信息和电子车牌识别装置读取的信息相结合，通过判断得到车辆的身份信息，过程如下：

1)判断车牌号是否一致；

2)判断车型是否一致；

3)判断车的颜色是否一致；

当上述判断全部满足，即得到目标车辆的局部位置，此时通过电子车牌识别装置实现基于RFID的路段跟踪，识别到车辆的边缘节点F通知其附近的边缘节点已经检测到目标车辆；

步骤304：若边缘节点F附近最近的边缘节点都没有检测到目标车辆，则扩大寻找范围；最大寻找范围为S，当前公路所允许的最大车速是V，当前时刻为T2，S＝π*[(T2-T)*V]²；

步骤305：若在其最大寻找范围内的所有边缘节点均未找到目标车辆，边缘节点通知远程监控系统未找到。

所述的步骤四中基于智能摄像头的视频目标识别跟踪包括以下步骤：

步骤401：车辆在局部区域中的位置已经确定，进入智能摄像头的视频目标识别跟踪；

步骤402：检测到车辆的边缘节点F1中含有其相连智能摄像头的IP地址，边缘节点F1得到与其相连的智能摄像头C1抓拍的视频信息；

步骤403：边缘节点F1对智能摄像头C1抓拍的图片处理操作如下：

1)通过图像特征检测算子将车牌轮廓从车辆图片中检测出来；

2)将车牌进行几何校正和归一化，再采取人工神经网络算法进行车牌数字和汉字识别；

3)根据车辆轮廓，对车身颜色进行颜色直方图统计，从而得出车身颜色信息；

4)针对同一车辆经过视频传感器所抓拍的图片，对这些图片的识别结果采取投票的办法进行判断选择，得到最终车辆的车牌信息、颜色信息和车型信息进行输出；

5)将视频得到的车辆信息和收到的信息包里面的信息进行匹配，确定是否为目标车辆；

步骤404：在视频中实现对目标车辆的识别跟踪。

步骤405：假设两个相连的智能摄像头之间没有盲区，则两个摄像头都会检测到目标车辆，远程监控系统显示距离目标车辆最近的摄像头的画面；

步骤406：若边缘节点未识别到目标车辆，上传结果至远程监控系统，跟踪结束。

与现有技术相比，本发明具有如下的有益效果：危险品运输车辆预防跟踪包括车辆的主动跟踪和路侧节点的跟踪，车辆的主动跟踪包含车载终端模块和网络传输模块，是指GPS周期性的上传位置信息至车载终端，车载终端模块将位置信息打包发送至远程监控系统，路侧节点的跟踪通过路侧节点装置的电子车牌识别装置和路侧节点智能摄像头实现。本发明通过在公路上建立被动追踪区域，并在该区域内通过边缘计算处理采集的多源数据，完成在两种视图下对于危险品运输车辆的预防性跟踪。本发明具有很强的抗外界干扰能力，跟踪系统的设备简单，成本较低，解决了卫星定位系统在特殊地形无信号、信号差、数据误差大等问题。有助于在交通管理部门的平台上实时展示危险品运输车辆的位置和身份等信息。

附图说明

图1本发明跟踪系统的结构框架示意图；

图2本发明的精确定位路线图；

图3本发明的车辆跟踪系统信息交互示意图；

图4本发明危险品运输车辆的区域追踪系统图；

图5本发明的系统体系架构示意图；

图6本发明跟踪方法的流程示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

在危险品运输车辆上安装车载终端和电子车牌，在路上部署路侧节点，本发明通过对多源数据采集、融合和处理，实现对于目标车辆的辨别跟踪。

参见图1，本发明基于多源数据融合的危险品运输车辆预防跟踪系统，包括车载终端模块101、远程监控系统105、数据存储模块106、网络传输模块104、边缘数据处理模块103以及路侧节点装置102，参见图5，6，跟踪方法具体按照以下步骤进行：

步骤一、车载终端模块101上传危险品运输车辆的位置信息，远程监控系统105进入状态1，远程监控系统105在状态1下进行基于GPS的位置跟踪；

步骤二：车载终端模块101上传异常信息，远程监控系统105将收到的异常信息打包，存储至数据存储模块106且发送至路侧节点装置102。

步骤三：路侧节点装置102收到异常信息包，搜索目标车辆，基于RFID进行路段跟踪；

步骤四：得到目标车辆的路段位置后进入状态2(基于智能摄像头的视频目标识别跟踪)；

步骤五：当车载终端模块再次上传正常的位置信息，停止区域跟踪，继续跳转至步骤一。

参考图1和图2，以下对步骤一的基于GPS的位置跟踪方法作说明：

图2的C_i代表相机，F_i代表边缘节点，边缘节点之间的网络通信在实际中正常联通。在实际部署的时候，给每一个路侧节点装置附近都部署一个边缘节点，所有的边缘节点都连在同一个云端；代表目标车辆，代表智能摄像头，代表边缘节点，代表卡口。

步骤101：GPS得到目标车辆的位置；

步骤102：车辆行驶在边缘节点F4，GPS上传T时刻位置信息至车载终端模块101。

步骤103：车载终端模块将T时刻的位置信息通过Internet上传至远程监控系统105。

步骤104：远程监控系统105显示目标车辆的位置，实现基于GPS的位置跟踪。

参考图2，以下对步骤二异常信息作说明：

步骤201：车载终端模块101在T时刻上传信息之后，车载终端模块101在T₁时刻上传关于GPS丢失信号的异常信息至远程监控系统105。

步骤202：远程监控系统105在收到步骤201所述的异常信息之时，记录这些数据于数据存储模块106，并且车载终端模块101将T时刻上传的位置信息和车辆信息进行打包，远程监控系统通过IP地址将打包的信息发送到T时刻经过的边缘节点F。

参考图3和图4，步骤三中基于RFID的路段跟踪包括以下步骤：

步骤301：边缘节点F₄在收到信息包之后，通过网络将信息包组播给其东南西北方向上相邻的边缘节点F₂、F₃以及F₆，收到信息包的边缘节点开始局部搜索目标车辆。

步骤302：危险品运输车辆装有一枚RFID电子车牌标签，RFID电子车牌标签作为车辆基本信息的载体，包含车牌号、车型、颜色。当目标车辆经过装有电子车牌识别装置的路段时，射频识别读写器会对RFID电子车牌标签上的数据进行识别。

步骤303：得到信息包的每个边缘节点F₂、F₃以及F₆将信息包中的信息与电子车牌识别装置读取的信息相匹配，包括对车牌号、车型以及车的颜色进行判断。假设边缘节点F₃检测到了目标车辆，每个边缘节点里面存储着距离比较近(其东南西北四个方向上相邻的两三个边缘节点)的其他边缘节点的IP地址，边缘节点F₃通过IP地址发送检测成功的结果至边缘节点F₂、F₄以及F₆。边缘节点F₂、F₄以及F₆停止跟踪识别。

步骤304：若边缘节点F₄附近最近的边缘节点都没有检测到目标车辆，当前时刻是T2，则扩大寻找范围，其最大范围为S＝π*[(T2-T)*V]²。

步骤305：若在其最大寻找范围内的所有边缘节点均未找到目标车辆，边缘节点通知远程监控系统105未找到。

参考图2、图3和图4，以下对步骤四中基于智能摄像头的视频目标识别跟踪作说明：

步骤401：如上述步骤303所述，车辆在局部区域中的位置已经确定，此时车辆进入智能摄像头的视频目标识别跟踪状态。

步骤402：检测到车辆的边缘节点F₃中含有其相连智能摄像头C₃的IP地址，F₃得到其相连的智能摄像头C₃抓拍的视频信息。

步骤403：边缘节点F₃对智能摄像头C₃抓拍的图片处理操作如下：1)通过图像特征检测算子将车牌轮廓从车辆图片中检测出来；2)针对车辆车牌识别，将车牌进行几何校正和归一化，然后采用人工神经网络方法进行车牌数字和汉字识别；3)针对车身颜色识别，根据车辆轮廓，对车身颜色进行颜色直方图统计，从而得出车身颜色信息；4)针对同一车辆经过视频传感器所抓拍的图片，为了减少车辆智能分析的错误概率，对这些图片的识别结果采用投票办法进行判断选择，最终得到车辆的车牌信息，颜色信息和车型信息。5)然后将视频中得到的车辆信息与收到的信息包中的信息进行匹配，确定是否为目标车辆。

步骤404：根据步骤403，会在视频中实现对目标车辆的识别跟踪。

步骤405：假设两个相连的智能摄像头之间没有盲区，两个摄像头都会检测到目标车辆，远程监控系统105显示距离目标车辆最近的摄像头的画面。

步骤406：若边缘节点未识别到目标车辆，则上传结果至远程监控系统105，车辆的预防性跟踪过程结束。

以上所述仅仅是本发明的较佳实施例，并非用以对本发明做任何形式上的限定，本领域普通技术人员应当理解的是，在不脱离本发明精神原则的条件下，上述技术方案还可以做出简单的修改和替换，这些修改和替换也均会落入由权利要求划定的保护范围之内。

Claims (6)

1.一种基于多源数据融合的危险品运输车辆预防跟踪系统，其特征在于：包括车载终端模块(101)、路侧节点装置(102)、边缘数据处理模块(103)、网络传输模块(104)、远程监控系统(105)以及数据存储模块(106)；所述的路侧节点装置(102)通过串口与边缘数据处理模块(103)相连，边缘数据处理模块(103)通过网络传输模块(104)与远程监控系统(105)相连，远程监控系统(105)与数据存储模块(106)之间实现数据的存储和读取，车载终端模块(101)通过网络传输模块(104)向远程监控系统(105)上传危险品运输车辆的位置信息，边缘数据处理模块(103)能够实现数据的处理及存储，作为某一区域的边缘节点。

2.一种基于多源数据融合的危险品运输车辆预防跟踪方法，其特征在于，包括以下步骤：

步骤一、车载终端模块(101)上传危险品运输车辆的位置信息，远程监控系统(105)进入状态1，远程监控系统(105)在状态1下进行基于GPS的位置跟踪；

步骤二、当车载终端模块(101)上传异常信息时，远程监控系统(105)将收到的异常信息打包，存放于数据存储模块(106)且发送至路侧节点装置(102)；

步骤三、路侧节点装置(102)收到异常信息包之后，搜索目标车辆，实现基于RFID的路段跟踪，找到目标车辆的所在路段位置上传至远程监控系统(105)；

步骤四、远程监控系统(105)进入状态2，远程监控系统(105)在状态2下控制设置在边缘节点上的智能摄像头进行目标车辆的视频目标识别跟踪；

步骤五、当车载终端模块(101)再次上传正常的位置信息，远程监控系统(105)停止区域跟踪，跳转至步骤一，远程监控系统(105)在状态1下进行基于GPS的位置跟踪。

3.根据权利要求2所述基于多源数据融合的危险品运输车辆预防跟踪方法，其特征在于，步骤一所述基于GPS的位置跟踪具体包括车辆的主动跟踪和路侧节点的跟踪；主动跟踪时GPS周期性的上传位置信息至车载终端模块(101)，车载终端模块(101)将车辆位置信息打包发送至远程监控系统(105)；路侧节点的跟踪通过电子车牌读识装置和智能摄像头实现；

步骤101：GPS得到目标车辆的位置；

步骤102：GPS上传T时刻的车辆位置信息至车载终端模块(101)；

步骤103：车载终端模块(101)将T时刻的车辆位置信息通过网络传输模块(104)上传至远程监控系统(105)，定时报送车辆在行驶过程中的状态；

步骤104：远程监控系统(105)实时显示目标车辆的位置，实现基于GPS的位置跟踪。

4.根据权利要求3所述基于多源数据融合的危险品运输车辆预防跟踪方法，其特征在于，所述的步骤二具体包括以下步骤：

步骤201：车载终端模块(101)在T₁时刻上传异常信息至远程监控系统(105)；

步骤202：远程监控系统(105)接收到步骤201所述的异常信息之时，记录异常信息于数据存储模块(106)，并且将车载终端模块(101)最后一次上传的正确信息和车辆信息进行打包，使分布式环境中部署的所有边缘节点的IP地址都存在远程监控系统(105)里，远程监控系统(105)通过IP地址将打包的信息发送到T时刻经过的边缘节点F。

5.根据权利要求2所述基于多源数据融合的危险品运输车辆预防跟踪方法，其特征在于，所述步骤三中基于RFID的路段跟踪包括以下步骤：

步骤301：边缘节点F收到异常信息包之后，通过网络给其附近的其他边缘节点发送信息包，开始局部搜索目标车辆；

步骤302：危险品运输车辆装有一枚RFID电子车牌标签，当目标车辆经过装有电子车牌识别装置的路段时，会对RFID电子车牌标签上的数据进行识别；

步骤303：得到信息包的每个边缘节点将信息包里面的信息和电子车牌识别装置读取的信息相结合，通过判断得到车辆的身份信息，过程如下：

1)判断车牌号是否一致；

2)判断车型是否一致；

3)判断车的颜色是否一致；

当上述判断全部满足，即得到目标车辆的局部位置，此时通过电子车牌识别装置实现基于RFID的路段跟踪，识别到车辆的边缘节点F通知其附近的边缘节点已经检测到目标车辆；

步骤304：若边缘节点F附近最近的边缘节点都没有检测到目标车辆，则扩大寻找范围；最大寻找范围为S，当前公路所允许的最大车速是V，当前时刻为T2，S＝π*[(T2-T)*V]²；

步骤305：若在其最大寻找范围内的所有边缘节点均未找到目标车辆，边缘节点通知远程监控系统(105)未找到。

6.根据权利要求2所述基于多源数据融合的危险品运输车辆预防跟踪方法，其特征在于，所述的步骤四中基于智能摄像头的视频目标识别跟踪包括以下步骤：

步骤401：车辆在局部区域中的位置已经确定，进入智能摄像头的视频目标识别跟踪；

步骤402：检测到车辆的边缘节点F1中含有其相连智能摄像头的IP地址，边缘节点F1得到与其相连的智能摄像头C1抓拍的视频信息；

步骤403：边缘节点F1对智能摄像头C1抓拍的图片处理操作如下：

1)通过图像特征检测算子将车牌轮廓从车辆图片中检测出来；

2)将车牌进行几何校正和归一化，再采取人工神经网络算法进行车牌数字和汉字识别；

3)根据车辆轮廓，对车身颜色进行颜色直方图统计，从而得出车身颜色信息；

4)针对同一车辆经过视频传感器所抓拍的图片，对这些图片的识别结果采取投票的办法进行判断选择，得到最终车辆的车牌信息、颜色信息和车型信息进行输出；

5)将视频得到的车辆信息和收到的信息包里面的信息进行匹配，确定是否为目标车辆；

步骤404：在视频中实现对目标车辆的识别跟踪。

步骤405：假设两个相连的智能摄像头之间没有盲区，则两个摄像头都会检测到目标车辆，远程监控系统(105)显示距离目标车辆最近的摄像头的画面；

步骤406：若边缘节点未识别到目标车辆，上传结果至远程监控系统(105)，跟踪结束。