CN109859499B - 一种交通流量检测系统及其检测方法 - Google Patents
一种交通流量检测系统及其检测方法 Download PDFInfo
- Publication number
- CN109859499B CN109859499B CN201910182650.5A CN201910182650A CN109859499B CN 109859499 B CN109859499 B CN 109859499B CN 201910182650 A CN201910182650 A CN 201910182650A CN 109859499 B CN109859499 B CN 109859499B
- Authority
- CN
- China
- Prior art keywords
- traffic flow
- detection
- data
- fitting
- time
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交通流量检测系统,包括道路两侧相向安装的两个激光检测仪,用于统计通过检测位置的车辆数量;数据预处理模块,用于对激光检测仪检测到的车辆数量进行预处理;数据拟合模块,用于对预处理后的离散数据进行拟合;交通流量判定模块,用于根据拟合后的数据进行交通流量的判定;交通流量预测模块,用于根据交通流量判定的结果对未来交通流量进行预测。本发明能够改进现有技术的不足,提高交通流量检测的准确性。
Description
技术领域
本发明涉及交通管理技术领域,尤其是一种交通流量检测系统及其检测方法。
背景技术
随着我国居民收入的提高,城市中的车辆数量也逐年快速增长。随之而来的就是道路交通拥堵问题。为了准确对不同道路状况制定具有针对性的交通管理方法,首先需要对道路交通流量进行准确检测。
发明内容
本发明要解决的技术问题是提供一种交通流量检测系统及其检测方法,能够解决现有技术的不足,提高交通流量检测的准确性。
为解决上述技术问题,本发明所采取的技术方案如下。
一种交通流量检测系统,包括,
道路两侧相向安装的两个激光检测仪,用于统计通过检测位置的车辆数量;
数据预处理模块,用于对激光检测仪检测到的车辆数量进行预处理;
数据拟合模块,用于对预处理后的离散数据进行拟合;
交通流量判定模块,用于根据拟合后的数据进行交通流量的判定;
交通流量预测模块,用于根据交通流量判定的结果对未来交通流量进行预测。
一种上述的交通流量检测系统的检测方法,包括以下步骤:
A、将两个激光检测仪交错安装,两个激光检测仪之间沿车流方向的间距为3~5m;两个激光检测仪同时对道路上的车辆数量进行统计;
B、数据预处理模块分别接收两个激光检测仪独立统计的测量数量,然后对车辆数量数据进行预处理,降低检测误差;
C、数据拟合模块对离散数据进行拟合,根据拟合曲线获得交通流量数据集;
D、交通流量判定模块根据交通流量曲线数据集对交通流量进行判定;
E、交通流量预测模块根据交通流量判定的结果对未来交通流量进行预测。
作为优选,步骤B中,对车辆数量数据进行预处理包括以下步骤,
B1、将两个激光检测仪检测到车辆的时间点分布图进行对比,得出车流平均时速;
B2、根据车流平均时速和两个激光检测仪的安装距离得到两个激光检测仪的检测时间差,根据检测时间差将任意一个激光检测仪检测到车辆的时间点分布图的时间轴平移至另一个激光检测仪检测到车辆的时间点分布图的时间轴;然后对两个激光检测仪的检测结果进行对比,将两个激光检测仪检测车辆时间点偏差小于设定阈值的检测结果进行保留,将其余检测结果进行二次分析;二次分析过程中,对于在任意一个激光检测仪中出现的孤立检测点,检测孤立检测点的两侧是否连续出现其它的孤立检测点,如果连续出现3个或大于3个孤立检测点,则判定此孤立检测点为干扰数据,否则判定此孤立检测点为车辆检测信号;对于同时出现在两个激光检测仪中的相关检测点,且时间偏差大于等于设定阈值,则检测这一相关检测点的两侧是否紧邻有判定为干扰数据的孤立检测点,若有,则判定这一相关检测点为干扰数据,否则判定这一相关检测点为车辆检测信号。
作为优选,步骤B2中,设定阈值与实时的车流平均时速成正比,并与两个激光检测仪之间沿车流方向的间距成反比。
作为优选,步骤C中,对离散数据进行拟合包括以下步骤,
C11、设定拟合时段,建立每个拟合时段的状态向量集L=[L1,L2,…,Ln],n为拟合时段的总数量;
C12、逐一计算相邻拟合时段上状态向量的相似度R=|Li-Lj|,Li和Lj为两个相邻的状态向量,i与j均小于等于n;
C13、将相似度大于设定阈值的连续拟合时段的数据进行线性拟合,其余拟合时段进行非线性拟合,并对拟合之后的曲线进行平滑处理。
作为优选,步骤C中,根据拟合曲线获得交通流量数据集包括以下步骤,
C21、建立数据采集窗口,数据采集窗口的宽度小于拟合时段的宽度;
C22、将数据采集窗口在拟合曲线上滑动,当位于数据采集窗口内的拟合曲线标准差小于设定阈值,则进行数据采集否则将数据采集窗口继续向前滑动;
C23、使用采集到的数据建立交通流量数据集。
作为优选,步骤D中,根据交通流量曲线数据集对交通流量进行判定包括以下步骤,
D1、建立回归模型y=ax2+b,利用最小二乘法将参数a和b进行确定;
D2、将交通流量曲线数据集带入回归模型的自变量x,将因变量y与预先设定的判定列表进行比对,选取与因变量y重合度最大的列表项目作为判定结果。
采用上述技术方案所带来的有益效果在于:本发明通过采用双检测仪的检测系统,利用两个激光检测仪的检测数据通过校正算法对车辆数量检测进行校正,提高数据采集准确性。接下来通过优化离散数据的拟合和信息二次采集的过程,提高判定过程中有效数据的比例,从而提高判定准确性。
附图说明
图1是本发明一个具体实施方式的结构图。
图中:1、激光检测仪;2、数据预处理模块;3、数据拟合模块;4、交通流量判定模块;5、交通流量预测模块。
具体实施方式
参照图1,本发明一个具体实施方式包括,
道路两侧相向安装的两个激光检测仪1,用于统计通过检测位置的车辆数量;
数据预处理模块2,用于对激光检测仪检测到的车辆数量进行预处理;
数据拟合模块3,用于对预处理后的离散数据进行拟合;
交通流量判定模块4,用于根据拟合后的数据进行交通流量的判定;
交通流量预测模块5,用于根据交通流量判定的结果对未来交通流量进行预测。
一种上述的交通流量检测系统的检测方法,包括以下步骤:
A、将两个激光检测仪1交错安装,两个激光检测仪1之间沿车流方向的间距为4m;两个激光检测仪1同时对道路上的车辆数量进行统计;
B、数据预处理模块2分别接收两个激光检测仪1独立统计的测量数量,然后对车辆数量数据进行预处理,降低检测误差;
C、数据拟合模块3对离散数据进行拟合,根据拟合曲线获得交通流量数据集;
D、交通流量判定模块4根据交通流量曲线数据集对交通流量进行判定;
E、交通流量预测模块5根据交通流量判定的结果对未来交通流量进行预测。
步骤B中,对车辆数量数据进行预处理包括以下步骤,
B1、将两个激光检测仪1检测到车辆的时间点分布图进行对比,得出车流平均时速;
B2、根据车流平均时速和两个激光检测仪1的安装距离得到两个激光检测仪1的检测时间差,根据检测时间差将任意一个激光检测仪1检测到车辆的时间点分布图的时间轴平移至另一个激光检测仪1检测到车辆的时间点分布图的时间轴;然后对两个激光检测仪1的检测结果进行对比,将两个激光检测仪1检测车辆时间点偏差小于设定阈值的检测结果进行保留,将其余检测结果进行二次分析;二次分析过程中,对于在任意一个激光检测仪1中出现的孤立检测点,检测孤立检测点的两侧是否连续出现其它的孤立检测点,如果连续出现3个或大于3个孤立检测点,则判定此孤立检测点为干扰数据,否则判定此孤立检测点为车辆检测信号;对于同时出现在两个激光检测仪1中的相关检测点,且时间偏差大于等于设定阈值,则检测这一相关检测点的两侧是否紧邻有判定为干扰数据的孤立检测点,若有,则判定这一相关检测点为干扰数据,否则判定这一相关检测点为车辆检测信号。
步骤B2中,设定阈值与实时的车流平均时速成正比,并与两个激光检测仪1之间沿车流方向的间距成反比。
步骤C中,对离散数据进行拟合包括以下步骤,
C11、设定拟合时段,建立每个拟合时段的状态向量集L=[L1,L2,…,Ln],n为拟合时段的总数量;
C12、逐一计算相邻拟合时段上状态向量的相似度R=|Li-Lj|,Li和Lj为两个相邻的状态向量,i与j均小于等于n;
C13、将相似度大于设定阈值的连续拟合时段的数据进行线性拟合,其余拟合时段进行非线性拟合,并对拟合之后的曲线进行平滑处理。
步骤C中,根据拟合曲线获得交通流量数据集包括以下步骤,
C21、建立数据采集窗口,数据采集窗口的宽度小于拟合时段的宽度;
C22、将数据采集窗口在拟合曲线上滑动,当位于数据采集窗口内的拟合曲线标准差小于设定阈值,则进行数据采集否则将数据采集窗口继续向前滑动;
C23、使用采集到的数据建立交通流量数据集。
步骤D中,根据交通流量曲线数据集对交通流量进行判定包括以下步骤,
D1、建立回归模型y=ax2+b,利用最小二乘法将参数a和b进行确定;
D2、将交通流量曲线数据集带入回归模型的自变量x,将因变量y与预先设定的判定列表进行比对,选取与因变量y重合度最大的列表项目作为判定结果。
步骤E中,按照时间顺序使用K均值聚类方法对判定结果进行分类,同一时刻的各分类的聚类中心线性相关;对于预测时刻,建立这一时刻各个聚类中心的修正核心,修正核心满足以下条件,
(di)2×Ni=(dj)2×Nj
其中,d为修正核心到对应聚类中心的欧氏距离,N为对应聚类中心所代表的分类中的数据数量,i和j为任意两个不同的聚类中心标号;
与得到的修正核心欧氏距离最近的判定结果作为预测结果。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种交通流量检测系统,其特征在于:包括,
道路两侧相向安装的两个激光检测仪(1),用于统计通过检测位置的车辆数量;
数据预处理模块(2),用于对激光检测仪检测到的车辆数量进行预处理;将两个激光检测仪(1)检测到车辆的时间点分布图进行对比,得出车流平均时速;根据车流平均时速和两个激光检测仪(1)的安装距离得到两个激光检测仪(1)的检测时间差,根据检测时间差将任意一个激光检测仪(1)检测到车辆的时间点分布图的时间轴平移至另一个激光检测仪(1)检测到车辆的时间点分布图的时间轴;然后对两个激光检测仪(1)的检测结果进行对比,将两个激光检测仪(1)检测车辆时间点偏差小于设定阈值的检测结果进行保留,将其余检测结果进行二次分析;二次分析过程中,对于在任意一个激光检测仪(1)中出现的孤立检测点,检测孤立检测点的两侧是否连续出现其它的孤立检测点,如果连续出现3个或大于3个孤立检测点,则判定此孤立检测点为干扰数据,否则判定此孤立检测点为车辆检测信号;对于同时出现在两个激光检测仪(1)中的相关检测点,且时间偏差大于等于设定阈值,则检测这一相关检测点的两侧是否紧邻有判定为干扰数据的孤立检测点,若有,则判定这一相关检测点为干扰数据,否则判定这一相关检测点为车辆检测信号;
数据拟合模块(3),用于对预处理后的离散数据进行拟合;
交通流量判定模块(4),用于根据拟合后的数据进行交通流量的判定;
交通流量预测模块(5),用于根据交通流量判定的结果对未来交通流量进行预测。
2.一种权利要求1所述的交通流量检测系统的检测方法,其特征在于包括以下步骤:
A、将两个激光检测仪(1)交错安装,两个激光检测仪(1)之间沿车流方向的间距为3~5m;两个激光检测仪(1)同时对道路上的车辆数量进行统计;
B、数据预处理模块(2)分别接收两个激光检测仪(1)独立统计的测量数量,然后对车辆数量数据进行预处理,降低检测误差;
B1、将两个激光检测仪(1)检测到车辆的时间点分布图进行对比,得出车流平均时速;
B2、根据车流平均时速和两个激光检测仪(1)的安装距离得到两个激光检测仪(1)的检测时间差,根据检测时间差将任意一个激光检测仪(1)检测到车辆的时间点分布图的时间轴平移至另一个激光检测仪(1)检测到车辆的时间点分布图的时间轴;然后对两个激光检测仪(1)的检测结果进行对比,将两个激光检测仪(1)检测车辆时间点偏差小于设定阈值的检测结果进行保留,将其余检测结果进行二次分析;二次分析过程中,对于在任意一个激光检测仪(1)中出现的孤立检测点,检测孤立检测点的两侧是否连续出现其它的孤立检测点,如果连续出现3个或大于3个孤立检测点,则判定此孤立检测点为干扰数据,否则判定此孤立检测点为车辆检测信号;对于同时出现在两个激光检测仪(1)中的相关检测点,且时间偏差大于等于设定阈值,则检测这一相关检测点的两侧是否紧邻有判定为干扰数据的孤立检测点,若有,则判定这一相关检测点为干扰数据,否则判定这一相关检测点为车辆检测信号。
C、数据拟合模块(3)对离散数据进行拟合,根据拟合曲线获得交通流量数据集;
D、交通流量判定模块(4)根据交通流量曲线数据集对交通流量进行判定;
E、交通流量预测模块(5)根据交通流量判定的结果对未来交通流量进行预测。
3.根据权利要求2 所述的交通流量检测系统的检测方法,其特征在于:步骤B2中,设定阈值与实时的车流平均时速成正比,并与两个激光检测仪(1)之间沿车流方向的间距成反比。
4.根据权利要求2所述的交通流量检测系统的检测方法,其特征在于:步骤C中,对离散数据进行拟合包括以下步骤,
C11、设定拟合时段,建立每个拟合时段的状态向量集L=[L1,L2,…,Ln],n为拟合时段的总数量;
C12、逐一计算相邻拟合时段上状态向量的相似度R=|Li-Lj|,Li和Lj为两个相邻的状态向量,i与j均小于等于n;
C13、将相似度大于设定阈值的连续拟合时段的数据进行线性拟合,其余拟合时段进行非线性拟合,并对拟合之后的曲线进行平滑处理。
5.根据权利要求4所述的交通流量检测系统的检测方法,其特征在于:步骤C中,根据拟合曲线获得交通流量数据集包括以下步骤,
C21、建立数据采集窗口,数据采集窗口的宽度小于拟合时段的宽度;
C22、将数据采集窗口在拟合曲线上滑动,当位于数据采集窗口内的拟合曲线标准差小于设定阈值,则进行数据采集否则将数据采集窗口继续向前滑动;
C23、使用采集到的数据建立交通流量数据集。
6.根据权利要求2所述的交通流量检测系统的检测方法,其特征在于:步骤D中,根据交通流量曲线数据集对交通流量进行判定包括以下步骤,
D1、建立回归模型y=ax2+b,利用最小二乘法将参数a和b进行确定;
D2、将交通流量曲线数据集带入回归模型的自变量x,将因变量y与预先设定的判定列表进行比对,选取与因变量y重合度最大的列表项目作为判定结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910182650.5A CN109859499B (zh) | 2019-03-12 | 2019-03-12 | 一种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 |
---|---|---|---|
CN201910182650.5A CN109859499B (zh) | 2019-03-12 | 2019-03-12 | 一种交通流量检测系统及其检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109859499A CN109859499A (zh) | 2019-06-07 |
CN109859499B true CN109859499B (zh) | 2021-03-26 |
Family
ID=66900544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910182650.5A Expired - Fee Related CN109859499B (zh) | 2019-03-12 | 2019-03-12 | 一种交通流量检测系统及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109859499B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4105809A1 (de) * | 1991-02-23 | 1992-09-03 | Industrieanlagen Betriebsges | Dynamische verkehrsflussanalyse und -steuerung mittels bilderkennung |
CN1967623A (zh) * | 2006-11-23 | 2007-05-23 | 河北理工大学 | 用红外线矩阵检测车流量的方法及交通监测系统 |
CN102496284A (zh) * | 2011-12-24 | 2012-06-13 | 重庆大学 | 一种道路交通流量采集及预测方法 |
CN103730006A (zh) * | 2014-01-26 | 2014-04-16 | 吉林大学 | 一种短时交通流量的组合预测方法 |
CN205140210U (zh) * | 2015-11-30 | 2016-04-06 | 浪潮集团有限公司 | 一种基于激光测距的道路汽车流量采集装置 |
CN205264053U (zh) * | 2015-12-21 | 2016-05-25 | 重庆市勘测院 | 一种基于激光的交通流量监测装置 |
CN205644967U (zh) * | 2016-05-13 | 2016-10-12 | 长安大学 | 基于激光测距的车流量检测装置 |
CN106355895A (zh) * | 2016-11-22 | 2017-01-25 | 四川农业大学 | 基于红外矩阵的交通流量和车速采集的装置及方法 |
CN106600981A (zh) * | 2016-10-29 | 2017-04-26 | 浙江大学 | 基于分布式传感信息的道路断面双向车辆速度估计方法 |
CN108269401A (zh) * | 2018-01-30 | 2018-07-10 | 银江股份有限公司 | 一种基于数据驱动的高架桥交通拥堵预测方法 |
CN108550269A (zh) * | 2018-06-01 | 2018-09-18 | 中物汽车电子扬州有限公司 | 基于毫米波雷达的交通流量检测系统及其检测方法 |
-
2019
- 2019-03-12 CN CN201910182650.5A patent/CN109859499B/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4105809A1 (de) * | 1991-02-23 | 1992-09-03 | Industrieanlagen Betriebsges | Dynamische verkehrsflussanalyse und -steuerung mittels bilderkennung |
CN1967623A (zh) * | 2006-11-23 | 2007-05-23 | 河北理工大学 | 用红外线矩阵检测车流量的方法及交通监测系统 |
CN102496284A (zh) * | 2011-12-24 | 2012-06-13 | 重庆大学 | 一种道路交通流量采集及预测方法 |
CN103730006A (zh) * | 2014-01-26 | 2014-04-16 | 吉林大学 | 一种短时交通流量的组合预测方法 |
CN205140210U (zh) * | 2015-11-30 | 2016-04-06 | 浪潮集团有限公司 | 一种基于激光测距的道路汽车流量采集装置 |
CN205264053U (zh) * | 2015-12-21 | 2016-05-25 | 重庆市勘测院 | 一种基于激光的交通流量监测装置 |
CN205644967U (zh) * | 2016-05-13 | 2016-10-12 | 长安大学 | 基于激光测距的车流量检测装置 |
CN106600981A (zh) * | 2016-10-29 | 2017-04-26 | 浙江大学 | 基于分布式传感信息的道路断面双向车辆速度估计方法 |
CN106355895A (zh) * | 2016-11-22 | 2017-01-25 | 四川农业大学 | 基于红外矩阵的交通流量和车速采集的装置及方法 |
CN108269401A (zh) * | 2018-01-30 | 2018-07-10 | 银江股份有限公司 | 一种基于数据驱动的高架桥交通拥堵预测方法 |
CN108550269A (zh) * | 2018-06-01 | 2018-09-18 | 中物汽车电子扬州有限公司 | 基于毫米波雷达的交通流量检测系统及其检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109859499A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111898501B (zh) | 一种针对拥堵路段的无人机在线航拍车辆识别及统计方法 | |
CN111539454B (zh) | 一种基于元学习的车辆轨迹聚类方法及系统 | |
CN112382095B (zh) | 一种多源数据融合的城市快速路交通状态估计方法 | |
CN111724589B (zh) | 一种基于多源数据的高速公路断面流量估计方法 | |
CN116644373B (zh) | 基于人工智能的汽车流量数据分析管理系统 | |
CN109446881B (zh) | 一种基于异构数据的高速公路路段交通状态检测方法 | |
CN111898491B (zh) | 一种车辆逆向行驶的识别方法、装置及电子设备 | |
CN109859468A (zh) | 基于YOLOv3的多车道车流量计数及车辆跟踪方法 | |
CN112069944A (zh) | 一种道路拥堵等级确定方法 | |
CN107146409B (zh) | 路网中设备检测时间异常的识别和真实时差估算方法 | |
CN111640304B (zh) | 面向连续流交通设施的交通拥堵传播特征自动化量化提取方法 | |
CN115691120A (zh) | 一种基于高速公路流水数据的拥堵识别方法及系统 | |
Biswas et al. | Assessment of level-of-service on urban arterials: a case study in Kolkata metropolis | |
CN117058600B (zh) | 区域桥梁群车流荷载识别方法及系统 | |
CN114155706A (zh) | 一种服务区车辆判别方法、装置、电子设备和存储介质 | |
CN103413046A (zh) | 车流量统计方法 | |
CN112364910B (zh) | 基于峰值聚类高速公路收费数据异常事件检测方法及装置 | |
CN112767684A (zh) | 一种基于收费数据的高速公路交通拥堵检测方法 | |
CN103310199A (zh) | 基于高分辨率遥感数据的车辆型号识别方法 | |
CN114973659A (zh) | 一种高速公路的间接事件检测的方法、装置及系统 | |
CN112700473A (zh) | 一种基于图像识别进行车厢拥挤度判断系统 | |
CN116206451A (zh) | 一种智慧交通车流数据分析方法 | |
CN109147322B (zh) | 一种城市交通大数据处理中多源数据自适应融合方法 | |
CN109859499B (zh) | 一种交通流量检测系统及其检测方法 | |
CN117475624A (zh) | 一种监测高速公路基本路段交通状态的里程桩布设方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210326 |