CN110766938B - 路网拓扑结构的构建方法、装置、计算机设备及存储介质 - Google Patents
路网拓扑结构的构建方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110766938B CN110766938B CN201910883358.6A CN201910883358A CN110766938B CN 110766938 B CN110766938 B CN 110766938B CN 201910883358 A CN201910883358 A CN 201910883358A CN 110766938 B CN110766938 B CN 110766938B
- Authority
- CN
- China
- Prior art keywords
- bayonet
- downstream
- group
- upstream
- bayonets
- 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.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 24
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 192
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000002452 interceptive effect Effects 0.000 claims abstract description 11
- 238000012795 verification Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Analytical Chemistry (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例属于人工智能领域,涉及一种路网拓扑结构的构建方法,包括获取预设的时间周期内道路网络的各个卡口的车流数据;以任意一个卡口作为基准卡口,将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组;根据候选上游卡口组确定基准卡口的上游卡口;根据候选下游卡口组确定基准卡口的下游卡口;根据各基准卡口和各基准卡口对应的上游卡口、下游卡口构建起路网拓扑结构,并在交互界面处展示路网拓扑结构。本申请还提供一种路网拓扑结构的构建装置、计算机设备及存储介质。本申请能够实现路网拓扑结构的自动化构建。
Description
技术领域
本申请涉及人工智能领域,尤其涉及一种路网拓扑结构的构建方法、装置、计算机设备及存储介质。
背景技术
道路网络的拓扑结构对于电子导航、交通流量监控具有重要作用,特别是道路网络拓扑结构的方向性和连通性对于智能交通系统的自动路径规划具有决定性的作用。然而,现有道路路网拓扑结构的获取大多是通过人工采集绘制,其存在耗时费力,且不准确、不完整的问题。因此,现有技术中还缺少一种自动化的路网拓扑结构的构建方法。
发明内容
本申请实施例的目的在于提出一种无须人工采集绘制的、自动化的路网拓扑结构的构建方法。
为了解决上述技术问题,本申请实施例提供一种路网拓扑结构的构建方法,采用了如下所述的技术方案:
一种路网拓扑结构的构建方法,包括下述步骤:
获取预设的时间周期内道路网络的各个卡口的车流数据;
以任意一个卡口作为基准卡口,将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组;所述候选上游卡口组包含有多个候选上游卡口,所述候选下游卡口组包含有多个候选下游卡口;
将所述候选上游卡口组中相同的候选上游卡口分为一组,并统计每组中候选上游卡口的个数,当个数大于或等于确定阈值时,将该组的候选上游卡口作为所述基准卡口的上游卡口;
将所述候选下游卡口组中相同的候选下游卡口分为一组,并统计每组中候选下游卡口的个数,当个数大于或等于确定阈值时,将该组的候选下游卡口作为所述基准卡口的下游卡口;
根据各基准卡口和所述各基准卡口对应的上游卡口、下游卡口构建起路网拓扑结构,并在交互界面处展示所述路网拓扑结构。
进一步的,所述车流数据包括有车辆通过卡口时的通过图像和车辆通过卡口时的通过时间,所述将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组包括:
提取所述基准卡口和所述其他卡口的通过图像中车牌区域的图像,将所述车牌区域的图像作为比对图像;
计算各个比对图像间的相似值,将相似值大于相似阈值的比对图像对应的车流数据置入同一车流数据组;
在同一车流数据组内,以所述基准卡口对应的车流数据中的通过时间为基准时间,将通过时间大于所述基准时间的车流数据对应的其他卡口置入所述基准卡口的候选下游卡口组,将通过时间小于所述基准时间的车流数据对应的其他卡口置入所述基准卡口的候选上游卡口组。
进一步的,所述提取所述基准卡口和所述其他卡口的通过图像中车牌区域的图像包括:
识别所述通过图像中的字符,并提取所述字符在所述通过图像中的中心像素坐标值、左上角像素坐标值、左下角像素坐标值、右上角像素坐标值和右下角像素坐标值;
计算所有字符的中心像素坐标值的平均值,并将其作为平均中心像素坐标值;
计算各个字符的中心像素坐标值与所述平均中心像素坐标值的差值,当所述差值小于相近阈值时,将对应字符的左上角像素坐标值、左下角像素坐标值、右上角像素坐标值和右下角像素坐标值分别置入车牌左上角像素坐标值组、车牌左下角像素坐标值组、车牌右上角像素坐标值组和车牌右下角像素坐标值组;
在所述车牌左上角像素坐标值组的所有像素坐标中,取最小的横坐标作为车牌左上角像素坐标值的横坐标,取最大的纵坐标作为车牌左上角像素坐标值的纵坐标,以构成左上角目标像素坐标值;
在所述车牌左下角像素坐标值组的所有像素坐标中,取最小的横坐标作为车牌左下角像素坐标值的横坐标,取最小的纵坐标作为车牌左下角像素坐标值的纵坐标,以构成左下角目标像素坐标值;
在所述车牌右上角像素坐标值组的所有像素坐标中,取最大的横坐标作为车牌右上角像素坐标值的横坐标,取最大的纵坐标作为车牌右上角像素坐标值的纵坐标,以构成右上角目标像素坐标值;
在所述车牌右下角像素坐标值组的所有像素坐标中,取最大的横坐标作为车牌右下角像素坐标值的横坐标,取最小的纵坐标作为车牌右下角像素坐标值的纵坐标,以构成右下角目标像素坐标值;
在所述通过图像中提取由所述左上角目标像素坐标值、所述左下角目标像素坐标值、所述右上角目标像素坐标值和所述右下角目标像素坐标值组成的区域中的图像,并将其作为车牌区域的图像。
进一步的,所述车流数据包括车辆通过卡口的通过时间,在所述将每个卡口的车流数据和其他卡口的车流数据进行比对以获得每个卡口的候选上游卡口组和候选下游卡口组的步骤之后,还包括:
判断所述每个卡口的车流数据中的通过时间与所述其他卡口的车流数据中的通过时间的差值是否小于时间阈值,若是,则在所述每个卡口的候选上游卡口组和候选下游卡口组中去除所述其他卡口,若否,则在所述每个卡口的候选上游卡口组和候选下游卡口组中保留所述其他卡口。
进一步的,在所述将所述候选下游卡口组中相同的候选下游卡口分为一组,并统计每组中候选下游卡口的个数,当个数大于或等于确定阈值时,将该组的候选下游卡口作为所述基准卡口的下游卡口的步骤之后,还包括:
以基准卡口的上游卡口作为上游校验卡口,获取所述上游校验卡口的下游卡口;
将所述下游卡口与所述基准卡口进行比较,若相同,则在所述基准卡口的上游卡口中保留所述上游校验卡口,若不相同,则在所述基准卡口的上游卡口中去除所述上游校验卡口;
以基准卡口的下游卡口作为下游校验卡口,获取所述下游校验卡口的上游卡口;
将所述上游卡口与所述基准卡口进行比较,若相同,则在所述基准卡口的下游卡口中保留所述下游校验卡口,若不相同,则在所述基准卡口的下游卡口中去除所述下游校验卡口。
进一步的,所述各基准卡口对应的上游卡口、下游卡口均包含有多个卡口,所述根据各基准卡口和所述各基准卡口对应的上游卡口、下游卡口构建起路网拓扑结构,并在交互界面处展示所述路网拓扑结构包括:
以基准卡口的上游卡口作为待连接上游卡口,并以任意一个待连接上游卡口作为连接基准卡口,若所述连接基准卡口的下游卡口中不存在其他待连接上游卡口,则将所述连接基准卡口作为连接上游卡口;
以基准卡口的下游卡口作为待连接下游卡口,并以任意一个待连接下游卡口作为连接基准卡口,若所述连接基准卡口的上游卡口中不存在其他待连接下游卡口,则将所述连接基准卡口作为连接下游卡口;
在交互界面处将基准卡口和连接上游卡口连接,将基准卡口和连接下游卡口连接。
为了解决上述技术问题,本申请实施例还提供一种路网拓扑结构的构建装置,采用了如下所述的技术方案:
一种路网拓扑结构的构建装置,包括:
获取模块,用于获取预设的时间周期内道路网络的各个卡口的车流数据;
候选卡口确定模块,用于以任意一个卡口作为基准卡口,将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组;所述候选上游卡口组包含有多个候选上游卡口,所述候选下游卡口组包含有多个候选下游卡口;
上游卡口确定模块,用于将所述候选上游卡口组中相同的候选上游卡口分为一组,并统计每组中候选上游卡口的个数,当个数大于或等于确定阈值时,将该组的候选上游卡口作为所述基准卡口的上游卡口;
下游卡口确定模块,用于将所述候选下游卡口组中相同的候选下游卡口分为一组,并统计每组中候选下游卡口的个数,当个数大于或等于确定阈值时,将该组的候选下游卡口作为所述基准卡口的下游卡口;及
构建模块,用于根据各基准卡口和所述各基准卡口对应的上游卡口、下游卡口构建起路网拓扑结构,并在交互界面处展示所述路网拓扑结构。
进一步的,所述车流数据包括有车辆通过卡口时的通过图像和车辆通过卡口时的通过时间,所述候选卡口确定模块包括:
提取单元,用于提取所述基准卡口和所述其他卡口的通过图像中车牌区域的图像,将所述车牌区域的图像作为比对图像;
归类单元,用于计算各个比对图像间的相似值,将相似值大于相似阈值的比对图像对应的车流数据置入同一车流数据组;
确定单元,用于在同一车流数据组内,以所述基准卡口对应的车流数据中的通过时间为基准时间,将通过时间大于所述基准时间的车流数据对应的其他卡口置入所述基准卡口的候选下游卡口组,将通过时间小于所述基准时间的车流数据对应的其他卡口置入所述基准卡口的候选上游卡口组。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现上述构建方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述构建方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
通过将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组,然后统计候选上游卡口组中的候选上游卡口以获得基准卡口的上游卡口,统计候选下游卡口组中的候选下游卡口以获得基准卡口的下游卡口,最后根据各基准卡口和各基准卡口对应的上游卡口、下游卡口构建起路网拓扑结构,从而能够实现路网拓扑结构的自动化构建,解决现有技术中还缺少一种自动化的路网拓扑结构的构建方法的问题。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的路网拓扑结构的构建方法的一个实施例的流程图;
图3是本申请的路网拓扑结构的构建方法中卡口的实际示意图;
图4是图2中步骤30的一种具体实施方式的流程图;
图5是图4中步骤301的一种具体实施方式的流程图;
图6是图2中步骤60的一种具体实施方式的流程图;
图7是根据本申请的路网络拓扑结构的构建方法的另一个实施例的流程图;
图8是根据本申请的路网拓扑结构的构建方法的又一个实施例的流程图;
图9是根据本申请的路网拓扑结构的构建装置的一个实施例的结构示意图;
图10是图9所示候选卡口确定模块402的一种具体实施方式的结构示意图;
图11是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的路网拓扑结构的构建方法一般由服务器/ 终端设备执行,相应地,路网拓扑结构的构建装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的路网拓扑结构的构建方法的一个实施例的流程图。所述的路网拓扑结构的构建方法,包括以下步骤:
步骤20:获取预设的时间周期内道路网络的各个卡口的车流数据。
在上述步骤20中,车流数据可以是由设置于卡口的监控设备(例如,视频监控设备)采集的数据,其可以包括车辆通过卡口时的图像、车辆通过卡口时的时间、卡口的唯一标识、通过车辆的车牌号等。如图3所示,道路网络的卡口是指道路上设置有监控设施以监控道路情况的位置,监控设备是指监控设施中用于采集数据的电子设备。预设的时间周期可以是1小时、2小时等。预设的时间周期也可以根据实际需要的车流数据的多少进行调整,例如,需要较多的车流数据,则可以将预设的时间周期设定在交通高峰期(例如,早上八点至早上九点的时间段),需要较少的车流数据,则可以将预设的时间周期设定在交通低谷期(例如,晚上十一点至晚上十二点的时间段)。另外,为了避免因监控设备偶然失常造成卡口的车流数据丢失,预设的时间周期还可以跨越多个天数和多个时间段,例如,预设的时间周期包括:6月27日9点00分至6月27日10点00分,6月27日13点00分至6月27日14点00分,6月28日9点00分至6月28日10点00分,6月28日13点00分至6月28日14点00分。
步骤30:以任意一个卡口作为基准卡口,将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组;候选上游卡口组包含有多个候选上游卡口,候选下游卡口组包含有多个候选下游卡口。
进一步地,如图4所示,当车流数据包括有车辆通过卡口时的通过图像和车辆通过卡口时的通过时间时,上述步骤30可以包括:
步骤301:提取基准卡口和其他卡口的通过图像中车牌区域的图像,将车牌区域的图像作为比对图像。
步骤302:计算各个比对图像间的相似值,将相似值大于相似阈值的比对图像对应的车流数据置入同一车流数据组。
在上述步骤302中,可以通过卷积神经网络直接计算各比对图像间的相似值。所得到的相似值可以处于0~1的范围内,此时,相似阈值可以取值为0.6、0.7、0.8等。相似阈值可以根据实际应用情况选择合适的值。
步骤303:在同一车流数据组内,以基准卡口对应的车流数据中的通过时间为基准时间,将通过时间大于基准时间的车流数据对应的其他卡口置入基准卡口的候选下游卡口组,将通过时间小于基准时间的车流数据对应的其他卡口置入基准卡口的候选上游卡口组。
在上述步骤303中,例如,在同一车流数据组内包含有以下三条车流数据:“卡口A,9点00分”、“卡口B,9点10分”、“卡口C,9点20分”。以卡口A为基准卡口时,卡口B和卡口C将被置入基准卡口的候选下游卡口组。以卡口B为基准卡口时,卡口A将被置入基准卡口的候选上游卡口组,卡口C将被置入基准卡口的候选下游卡口组。
再进一步地,如图5所示,上述步骤301可以包括:
步骤3011:识别通过图像中的字符,并提取字符在通过图像中的中心像素坐标值、左上角像素坐标值、左下角像素坐标值、右上角像素坐标值和右下角像素坐标值。
在上述步骤3011中,识别通过图像中的字符可以通过识别字符的轮廓,形状等方式实现。识别通过图像中的字符后可以得到矩形的提取框,字符区域的图像被容纳在提取框内,此时,字符的中心像素坐标值、左上角像素坐标值、左下角像素坐标值、右上角像素坐标值和右下角像素坐标值即分别为该字符的提取框的中点像素的坐标值、左上角像素的坐标值、左下角像素的坐标值、右上角像素的坐标值和右下角像素的坐标值。例如,提取到字符“粤”的中心像素坐标值、左上角像素坐标值、左下角像素坐标值、右上角像素坐标值和右下角像素坐标值分别为(100,100)、(80,140)、(80,60)、(120,140)和(120,60)......字符“5”的中心像素坐标值、左上角像素坐标值、左下角像素坐标值、右上角像素坐标值和右下角像素坐标值分别为(300,110)、(280,150)、(280,70)、(320,150)、(280,70)。
步骤3012:计算所有字符的中心像素坐标值的平均值,并将其作为平均中心像素坐标值。
步骤3013:计算各个字符的中心像素坐标值与平均中心像素坐标值的差值,当差值小于相近阈值时,将对应字符的左上角像素坐标值、左下角像素坐标值、右上角像素坐标值和右下角像素坐标值分别置入车牌左上角像素坐标值组、车牌左下角像素坐标值组、车牌右上角像素坐标值组和车牌右下角像素坐标值组。
在上述步骤3013中,字符的中心像素坐标值与平均中心像素坐标值的差值可以是欧式距离值。例如,中心像素坐标值为(100,100),平均中心像素坐标值为(130,140),即欧式距离值为相近阈值可以根据实际测试设置成不同的值。由于通过图像的分辨率一般是保持不变的,车牌区域的图像在通过图像中所占的像素一般也是变化不大的,所以通过设定相近阈值为合适的值,判断差值是否小于相近阈值能够判断出该字符是否是车牌区域内的字符。当差值大于相近阈值即表示该字符在通过图像中与车牌区域的图像相隔较远,有极大的可能不是车牌的字符,而是其他的干扰字符,因此,不将该字符的像素坐标值置入坐标值组。这样,能够减少干扰字符对图像提取结果的影响。
步骤3014:在车牌左上角像素坐标值组的所有像素坐标中,取最小的横坐标作为车牌左上角像素坐标值的横坐标,取最大的纵坐标作为车牌左上角像素坐标值的纵坐标,以构成左上角目标像素坐标值。
在上述步骤3014中,以车牌左上角像素坐标值组的所有像素坐标为(100,100)、(80,99)、(60,110)为例,此时,左上角目标像素坐标值为(60,110)。
步骤3015:在车牌左下角像素坐标值组的所有像素坐标中,取最小的横坐标作为车牌左下角像素坐标值的横坐标,取最小的纵坐标作为车牌左下角像素坐标值的纵坐标,以构成左下角目标像素坐标值。
在上述步骤3015中,以车牌左下角像素坐标值组的所有像素坐标为(100,50)、(80,48)、(60,59)为例,此时,左下角目标像素坐标值为(60,48)。
步骤3016:在车牌右上角像素坐标值组的所有像素坐标中,取最大的横坐标作为车牌右上角像素坐标值的横坐标,取最大的纵坐标作为车牌右上角像素坐标值的纵坐标,以构成右上角目标像素坐标值。
在上述步骤3016中,以车牌右上角像素坐标值组的所有像素坐标为(400,100)、(380,99)、(360,110)为例,此时,右上角目标像素坐标值为(400,110)。
步骤3017:在车牌右下角像素坐标值组的所有像素坐标中,取最大的横坐标作为车牌右下角像素坐标值的横坐标,取最小的纵坐标作为车牌右下角像素坐标值的纵坐标,以构成右下角目标像素坐标值。
在上述步骤3017中,以车牌右下角像素坐标值组的所有像素坐标为(400,50)、(380,49)、(360,60)为例,此时,右下角目标像素坐标值为(400,49)。
步骤3018:在通过图像中提取由左上角目标像素坐标值、左下角目标像素坐标值、右上角目标像素坐标值和右下角目标像素坐标值组成的区域中的图像,并将其作为车牌区域的图像。
在上述步骤3018中,以上述步骤3014、上述步骤3015、上述步骤3016和上述步骤3017的例子为基础,即提取通过图像中(60,110)、(60,48)、(400,110)和(400,49)坐标值组成的区域中的图像,作为车牌区域的图像。
在上述步骤30中,将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组也可以通过以下两种方式实现:
(1)当车流数据中包括有车辆通过卡口时的图像、车辆通过卡口时的时间和车辆所通过的卡口的唯一标识时,可以通过比较整副图像的相似度来确定两条车流数据的车辆是否同一辆,若是同一辆,则继续比较两条车流数据的时间,将时间在前的车流数据对应的卡口的唯一标识置入时间在后的车流数据对应的卡口的候选上游卡口数组,将时间在后的车流数据对应的卡口的唯一标识置入时间在前的车流数据对应的卡口的候选下游卡口数组。
(2)当车流数据中包括有通过卡口的车辆的车牌号、车辆通过卡口时的时间和车辆所通过的卡口的唯一标识时,也可以通过比较车牌号是否相同来确定两条车流数据的车辆是否同一辆,若是同一辆,则继续比较两条车流数据的时间,将时间在前的车流数据对应的卡口的唯一标识置入时间在后的车流数据对应的卡口的候选上游卡口数组,将时间在后的车流数据对应的卡口的唯一标识置入时间在前的车流数据对应的卡口的候选下游卡口数组。
步骤40:将候选上游卡口组中相同的候选上游卡口分为一组,并统计每组中候选上游卡口的个数,当个数大于或等于确定阈值时,将该组的候选上游卡口作为基准卡口的上游卡口。
在上述步骤40中,将候选上游卡口组中相同的候选上游卡口分为一组,并统计每组中候选上游卡口的个数可以通过计算同一卡口的唯一标识在候选上游卡口数组中出现的次数来实现。例如,候选上游卡口数组中的唯一标识包括“0001、0002、0001、0002、0002”,则“0001”在数组中出现了2次,“0002”在数组中出现了3次,则卡口A组的候选上游卡口的个数为2,卡口B组的候选上游卡口的个数为3。确定阈值可以根据实际情况调整,其可以是1、2、10、50、100等。例如,确定阈值取值为3,则将卡口B作为上游卡口,卡口A并不能作为上游卡口。
步骤50:将候选下游卡口组中相同的候选下游卡口分为一组,并统计每组中候选下游卡口的个数,当个数大于或等于确定阈值时,将该组的候选下游卡口作为基准卡口的下游卡口。
在上述步骤50中,将候选下游卡口组中相同的候选下游卡口分为一组,并统计每组中候选下游卡口的个数也可以通过计算同一卡口的唯一标识在候选下游卡口数组中出现的次数来实现。例如,候选下游卡口数组中的唯一标识包括“0001、0002、0001、0002、0002”,则“0001”在数组中出现了2次,“0002”在数组中出现了3次,则卡口A组的候选下游卡口的个数为2,卡口B组的候选下游卡口的个数为3。确定阈值可以根据实际情况调整,其可以是1、2、10、50、100等。例如,确定阈值取值为3,则将卡口B作为下游卡口,卡口A并不能作为下游卡口。
步骤60:根据各基准卡口和各基准卡口对应的上游卡口、下游卡口构建起路网拓扑结构,并在交互界面处展示路网拓扑结构。
在上述步骤60中,当各基准卡口对应的上游卡口、下游卡口的数量均为单个的时候,可以将存在有上下游关系的卡口相互连接起来从而得到道路网络拓扑结构。
进一步地,如图6所示,当各基准卡口对应的上游卡口、下游卡口均包含有多个卡口,上述步骤60可以包括:
步骤601:以基准卡口的上游卡口作为待连接上游卡口,并以任意一个待连接上游卡口作为连接基准卡口,若连接基准卡口的下游卡口中不存在其他待连接上游卡口,则将连接基准卡口作为连接上游卡口。
在上述步骤601中,例如,基准卡口为卡口A,卡口A的上游卡口有卡口B和卡口C,卡口B的下游卡口仅有A,卡口C的下游卡口有卡口A和卡口B。其中,卡口C的下游卡口中存在其他待连接上游卡口(即卡口B),所以卡口C不能作为卡口A的连接上游卡口,而卡口B将作为卡口A的连接上游卡口。即后续的步骤中将不连接卡口A和卡口C,只连接卡口B和卡口A。从中可以看出卡口A、B、C是在同一条线路上的三个卡口,且卡口B在卡口A和卡口C之间,通过上述步骤601,能够使卡口A、B、C按实际的线路依次连接,避免了卡口A同时连接卡口B和卡口C的错误情况。
步骤602:以基准卡口的下游卡口作为待连接下游卡口,并以任意一个待连接下游卡口作为连接基准卡口,若连接基准卡口的上游卡口中不存在其他待连接下游卡口,则将连接基准卡口作为连接下游卡口。
在上述步骤602中,例如,基准卡口为卡口A,卡口A的下游卡口有卡口B和卡口C,卡口B的上游卡口仅有A,卡口C的上游卡口有卡口A和卡口B。其中,卡口C的上游卡口中存在其他待连接上游卡口(即卡口B),所以卡口C不能作为卡口A的连接下游卡口,而卡口B将作为卡口A的连接下游卡口。即后续的步骤中将不连接卡口A和卡口C,只连接卡口B和卡口A。从中可以看出卡口A、B、C是在同一条线路上的三个卡口,且卡口B在卡口A和卡口C之间,通过上述步骤602,能够使卡口A、B、C按实际的线路依次连接,避免了卡口A同时连接卡口B和卡口C的错误情况。
步骤603:在交互界面处将基准卡口和连接上游卡口连接,将基准卡口和连接下游卡口连接。
在上述步骤20、步骤30、步骤40、步骤50和步骤60中,通过将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组,然后统计候选上游卡口组中的候选上游卡口以获得基准卡口的上游卡口,统计候选下游卡口组中的候选下游卡口以获得基准卡口的下游卡口,最后根据各基准卡口和各基准卡口对应的上游卡口、下游卡口构建起路网拓扑结构,从而能够实现路网拓扑结构的自动化构建,解决现有技术中还缺少一种自动化的路网拓扑结构的构建方法的问题。
如图7所示,在本实施例的一些可选的实现方式中,在步骤30之后,步骤60之前,上述电子设备还可以执行以下步骤:
步骤31:判断每个卡口的车流数据中的通过时间与其他卡口的车流数据中的通过时间的差值是否小于时间阈值,若是,则在每个卡口的候选上游卡口组和候选下游卡口组中去除其他卡口,若否,则在每个卡口的候选上游卡口组和候选下游卡口组中保留其他卡口。
在上述步骤31中,时间阈值可以根据实际情况调整,例如取值为1分钟,2分钟,10分钟等。例如,卡口A的车流数据中的通过时间是11点00分,卡口B的车流数据中的通过时间是11点01分,时间阈值取值为2分钟,则通过时间的差值为1分钟,小于时间阈值,则将卡口B从卡口A的候选上游卡口组和候选下游卡口组中去除。
在实际应用中,有些卡口设置在掉头车道上,这些卡口之间并不是真实的上下游关系,通过上述步骤31能够检测出卡口之间是否是掉头关系,而不是真实的上下游关系,并将实际为掉头关系的卡口从候选上游卡口组和候选下游卡口组中去除,从而使构建的道路网络拓扑结构更加准确。
如图8所示,在本实施例的一些可选的实现方式中,在步骤50之后,步骤60之前,上述电子设备还可以执行以下步骤:
步骤51:以基准卡口的上游卡口作为上游校验卡口,获取上游校验卡口的下游卡口。
步骤52:将下游卡口与基准卡口进行比较,若相同,则在基准卡口的上游卡口中保留上游校验卡口,若不相同,则在基准卡口的上游卡口中去除上游校验卡口。
步骤53:以基准卡口的下游卡口作为下游校验卡口,获取下游校验卡口的上游卡口。
步骤54:将上游卡口与基准卡口进行比较,若相同,则在基准卡口的下游卡口中保留下游校验卡口,若不相同,则在基准卡口的下游卡口中去除下游校验卡口。
在上述步骤51、步骤52、步骤53和步骤54中,例如,经过步骤50后,获得卡口B的上游卡口为A,下游卡口为C。卡口A的上游卡口为D,下游卡口为C。卡口C的上游卡口为A,下游卡口为E。则卡口B的上游卡口为A与卡口A的下游卡口C冲突,卡口B的下游卡口为C与卡口C的上游卡口为A冲突,卡口A和卡口C才是真实的互为上下游的关系,故将卡口A从卡口B的上游卡口中去除,将卡口C从卡口B的下游卡口中去除。
在实际应用中,监控设备的偶然失常容易导致某一卡口的数据缺失,一旦发生数据缺失也有可能导致错误地设置卡口间的上下游关系。另外,车辆的行驶情况较为复杂多变,并不能保证车辆一定会按照道路的方向行走。例如,卡口A和卡口C之间有可能存在乡村小道,乡村小道不应构建于道路网络中,而这些乡村小道将车流导向了卡口B,这容易导致卡口B的上游卡口和下游卡口错误地设置为卡口A和卡口C,但实际上卡口A和卡口C才是真实的互为上下游关系。通过上述步骤51、步骤52、步骤53和步骤54能够对卡口的上下游关系进行校验,消除偶然情况导致的错误上下游关系,从而使构建的道路网络拓扑结构更加准确。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图9,作为对上述图2所示方法的实现,本申请提供了一种路网拓扑结构的构建装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图9所示,本实施例的路网拓扑结构的构建装置400包括:获取模块401、候选卡口确定模块402、上游卡口确定模块403、下游卡口确定模块404以及构建模块405。其中:
获取模块401,用于获取预设的时间周期内道路网络的各个卡口的车流数据。
候选卡口确定模块402,用于以任意一个卡口作为基准卡口,将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组;候选上游卡口组包含有多个候选上游卡口,候选下游卡口组包含有多个候选下游卡口。
上游卡口确定模块403,用于将候选上游卡口组中相同的候选上游卡口分为一组,并统计每组中候选上游卡口的个数,当个数大于或等于确定阈值时,将该组的候选上游卡口作为基准卡口的上游卡口。
下游卡口确定模块404,用于将候选下游卡口组中相同的候选下游卡口分为一组,并统计每组中候选下游卡口的个数,当个数大于或等于确定阈值时,将该组的候选下游卡口作为基准卡口的下游卡口。
构建模块405,用于根据各基准卡口和各基准卡口对应的上游卡口、下游卡口构建起路网拓扑结构,并在交互界面处展示路网拓扑结构。
在本实施例中,通过将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组,然后统计候选上游卡口组中的候选上游卡口以获得基准卡口的上游卡口,统计候选下游卡口组中的候选下游卡口以获得基准卡口的下游卡口,最后根据各基准卡口和各基准卡口对应的上游卡口、下游卡口构建起路网拓扑结构,从而能够实现路网拓扑结构的自动化构建,解决现有技术中还缺少一种自动化的路网拓扑结构的构建方法的问题。
参阅图10,为候选卡口确定模块402的一种具体实施方式的结构示意图,候选卡口确定模块402包括提取单元4021、归类单元4022以及确定单元4023。
其中:
提取单元4021,用于提取基准卡口和其他卡口的通过图像中车牌区域的图像,将车牌区域的图像作为比对图像;
归类单元4022,用于计算各个比对图像间的相似值,将相似值大于相似阈值的比对图像对应的车流数据置入同一车流数据组;
确定单元4023,用于在同一车流数据组内,以基准卡口对应的车流数据中的通过时间为基准时间,将通过时间大于基准时间的车流数据对应的其他卡口置入基准卡口的候选下游卡口组,将通过时间小于基准时间的车流数据对应的其他卡口置入基准卡口的候选上游卡口组。
关于路网拓扑结构的构建装置的具体限定,与上述路网拓扑结构的构建方法一致,为避免重复,不再一一赘述。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图11,图11为本实施例计算机设备基本结构框图。
所述计算机设备11包括通过系统总线相互通信连接存储器111、处理器112、网络接口113。需要指出的是,图中仅示出了具有组件111-113的计算机设备11,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器111至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器111可以是所述计算机设备11的内部存储单元,例如该计算机设备11的硬盘或内存。在另一些实施例中,所述存储器111也可以是所述计算机设备11的外部存储设备,例如该计算机设备11上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器111还可以既包括所述计算机设备11的内部存储单元也包括其外部存储设备。本实施例中,所述存储器111通常用于存储安装于所述计算机设备11的操作系统和各类应用软件,例如路网拓扑结构的构建方法的程序代码等。此外,所述存储器111还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器112在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器112通常用于控制所述计算机设备11的总体操作。本实施例中,所述处理器112用于运行所述存储器111中存储的程序代码或者处理数据,例如运行所述路网拓扑结构的构建方法的程序代码。
所述网络接口113可包括无线网络接口或有线网络接口,该网络接口113通常用于在所述计算机设备11与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有路网拓扑结构的构建程序,所述路网拓扑结构的构建程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的路网拓扑结构的构建方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (7)
1.一种路网拓扑结构的构建方法,其特征在于,包括下述步骤:
获取预设的时间周期内道路网络的各个卡口的车流数据;
以任意一个卡口作为基准卡口,将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组;所述候选上游卡口组包含有多个候选上游卡口,所述候选下游卡口组包含有多个候选下游卡口;
将所述候选上游卡口组中相同的候选上游卡口分为一组,并统计每组中候选上游卡口的个数,当个数大于或等于确定阈值时,将该组的候选上游卡口作为所述基准卡口的上游卡口;
将所述候选下游卡口组中相同的候选下游卡口分为一组,并统计每组中候选下游卡口的个数,当个数大于或等于确定阈值时,将该组的候选下游卡口作为所述基准卡口的下游卡口;
根据各基准卡口和所述各基准卡口对应的上游卡口、下游卡口构建起路网拓扑结构,并在交互界面处展示所述路网拓扑结构;
所述车流数据包括有车辆通过卡口时的通过图像和车辆通过卡口时的通过时间,所述将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组包括:
提取所述基准卡口和所述其他卡口的通过图像中车牌区域的图像,将所述车牌区域的图像作为比对图像;
计算各个比对图像间的相似值,将相似值大于相似阈值的比对图像对应的车流数据置入同一车流数据组;
在同一车流数据组内,以所述基准卡口对应的车流数据中的通过时间为基准时间,将通过时间大于所述基准时间的车流数据对应的其他卡口置入所述基准卡口的候选下游卡口组,将通过时间小于所述基准时间的车流数据对应的其他卡口置入所述基准卡口的候选上游卡口组;
所述车流数据包括车辆通过卡口的通过时间,在所述将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组的步骤之后,还包括:
判断所述每个卡口的车流数据中的通过时间与所述其他卡口的车流数据中的通过时间的差值是否小于时间阈值,若是,则在所述每个卡口的候选上游卡口组和候选下游卡口组中去除所述其他卡口,若否,则在所述每个卡口的候选上游卡口组和候选下游卡口组中保留所述其他卡口。
2.根据权利要求1所述的构建方法,其特征在于,所述提取所述基准卡口和所述其他卡口的通过图像中车牌区域的图像包括:
识别所述通过图像中的字符,并提取所述字符在所述通过图像中的中心像素坐标值、左上角像素坐标值、左下角像素坐标值、右上角像素坐标值和右下角像素坐标值;
计算所有字符的中心像素坐标值的平均值,并将其作为平均中心像素坐标值;
计算各个字符的中心像素坐标值与所述平均中心像素坐标值的差值,当所述差值小于相近阈值时,将对应字符的左上角像素坐标值、左下角像素坐标值、右上角像素坐标值和右下角像素坐标值分别置入车牌左上角像素坐标值组、车牌左下角像素坐标值组、车牌右上角像素坐标值组和车牌右下角像素坐标值组;
在所述车牌左上角像素坐标值组的所有像素坐标中,取最小的横坐标作为车牌左上角像素坐标值的横坐标,取最大的纵坐标作为车牌左上角像素坐标值的纵坐标,以构成左上角目标像素坐标值;
在所述车牌左下角像素坐标值组的所有像素坐标中,取最小的横坐标作为车牌左下角像素坐标值的横坐标,取最小的纵坐标作为车牌左下角像素坐标值的纵坐标,以构成左下角目标像素坐标值;
在所述车牌右上角像素坐标值组的所有像素坐标中,取最大的横坐标作为车牌右上角像素坐标值的横坐标,取最大的纵坐标作为车牌右上角像素坐标值的纵坐标,以构成右上角目标像素坐标值;
在所述车牌右下角像素坐标值组的所有像素坐标中,取最大的横坐标作为车牌右下角像素坐标值的横坐标,取最小的纵坐标作为车牌右下角像素坐标值的纵坐标,以构成右下角目标像素坐标值;
在所述通过图像中提取由所述左上角目标像素坐标值、所述左下角目标像素坐标值、所述右上角目标像素坐标值和所述右下角目标像素坐标值组成的区域中的图像,并将其作为车牌区域的图像。
3.根据权利要求1所述的构建方法,其特征在于,在所述将所述候选下游卡口组中相同的候选下游卡口分为一组,并统计每组中候选下游卡口的个数,当个数大于或等于确定阈值时,将该组的候选下游卡口作为所述基准卡口的下游卡口的步骤之后,还包括:
以基准卡口的上游卡口作为上游校验卡口,获取所述上游校验卡口的下游卡口;
将所述下游卡口与所述基准卡口进行比较,若相同,则在所述基准卡口的上游卡口中保留所述上游校验卡口,若不相同,则在所述基准卡口的上游卡口中去除所述上游校验卡口;
以基准卡口的下游卡口作为下游校验卡口,获取所述下游校验卡口的上游卡口;
将所述上游卡口与所述基准卡口进行比较,若相同,则在所述基准卡口的下游卡口中保留所述下游校验卡口,若不相同,则在所述基准卡口的下游卡口中去除所述下游校验卡口。
4.根据权利要求1所述的构建方法,所述各基准卡口对应的上游卡口、下游卡口均包含有多个卡口,其特征在于,所述根据各基准卡口和所述各基准卡口对应的上游卡口、下游卡口构建起路网拓扑结构,并在交互界面处展示所述路网拓扑结构包括:
以基准卡口的上游卡口作为待连接上游卡口,并以任意一个待连接上游卡口作为连接基准卡口,若所述连接基准卡口的下游卡口中不存在其他待连接上游卡口,则将所述连接基准卡口作为连接上游卡口;
以基准卡口的下游卡口作为待连接下游卡口,并以任意一个待连接下游卡口作为连接基准卡口,若所述连接基准卡口的上游卡口中不存在其他待连接下游卡口,则将所述连接基准卡口作为连接下游卡口;
在交互界面处将基准卡口和连接上游卡口连接,将基准卡口和连接下游卡口连接。
5.一种路网拓扑结构的构建装置,其特征在于,包括:
获取模块,用于获取预设的时间周期内道路网络的各个卡口的车流数据;
候选卡口确定模块,用于以任意一个卡口作为基准卡口,将基准卡口的车流数据和其他卡口的车流数据进行比对以获得每一个基准卡口的候选上游卡口组和候选下游卡口组;所述候选上游卡口组包含有多个候选上游卡口,所述候选下游卡口组包含有多个候选下游卡口;
上游卡口确定模块,用于将所述候选上游卡口组中相同的候选上游卡口分为一组,并统计每组中候选上游卡口的个数,当个数大于或等于确定阈值时,将该组的候选上游卡口作为所述基准卡口的上游卡口;
下游卡口确定模块,用于将所述候选下游卡口组中相同的候选下游卡口分为一组,并统计每组中候选下游卡口的个数,当个数大于或等于确定阈值时,将该组的候选下游卡口作为所述基准卡口的下游卡口;及
构建模块,用于根据各基准卡口和所述各基准卡口对应的上游卡口、下游卡口构建起路网拓扑结构,并在交互界面处展示所述路网拓扑结构;
所述车流数据包括有车辆通过卡口时的通过图像和车辆通过卡口时的通过时间,所述候选卡口确定模块包括:
提取单元,用于提取所述基准卡口和所述其他卡口的通过图像中车牌区域的图像,将所述车牌区域的图像作为比对图像;
归类单元,用于计算各个比对图像间的相似值,将相似值大于相似阈值的比对图像对应的车流数据置入同一车流数据组;
确定单元,用于在同一车流数据组内,以所述基准卡口对应的车流数据中的通过时间为基准时间,将通过时间大于所述基准时间的车流数据对应的其他卡口置入所述基准卡口的候选下游卡口组,将通过时间小于所述基准时间的车流数据对应的其他卡口置入所述基准卡口的候选上游卡口组;
所述车流数据包括车辆通过卡口的通过时间,所述装置还包括:
时间差值判断单元,用于判断所述每个卡口的车流数据中的通过时间与所述其他卡口的车流数据中的通过时间的差值是否小于时间阈值,若是,则在所述每个卡口的候选上游卡口组和候选下游卡口组中去除所述其他卡口,若否,则在所述每个卡口的候选上游卡口组和候选下游卡口组中保留所述其他卡口。
6.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的构建方法的步骤。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的构建方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910883358.6A CN110766938B (zh) | 2019-09-18 | 2019-09-18 | 路网拓扑结构的构建方法、装置、计算机设备及存储介质 |
PCT/CN2019/117699 WO2021051568A1 (zh) | 2019-09-18 | 2019-11-12 | 路网拓扑结构的构建方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910883358.6A CN110766938B (zh) | 2019-09-18 | 2019-09-18 | 路网拓扑结构的构建方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110766938A CN110766938A (zh) | 2020-02-07 |
CN110766938B true CN110766938B (zh) | 2023-04-07 |
Family
ID=69329714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910883358.6A Active CN110766938B (zh) | 2019-09-18 | 2019-09-18 | 路网拓扑结构的构建方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110766938B (zh) |
WO (1) | WO2021051568A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071929B (zh) * | 2023-03-06 | 2023-08-01 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于卡口车牌识别数据的实时路况监测系统及其方法 |
CN116386336B (zh) * | 2023-05-29 | 2023-08-08 | 四川国蓝中天环境科技集团有限公司 | 基于卡口车牌数据的路网交通流量鲁棒计算方法及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110128A (zh) * | 2009-12-28 | 2011-06-29 | 日电(中国)有限公司 | 基于交通信息元素知识库的交通信息转化方法和装置 |
CN103235938B (zh) * | 2013-05-03 | 2016-01-27 | 通号通信信息集团有限公司 | 车牌检测与识别的方法及系统 |
CN105260699B (zh) * | 2015-09-10 | 2018-06-26 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法及装置 |
CN106709126A (zh) * | 2016-10-18 | 2017-05-24 | 电子科技大学 | 一种基于城市道路的路网构建模型 |
CN106856049B (zh) * | 2017-01-20 | 2020-04-24 | 东南大学 | 基于卡口号牌识别数据的关键交叉口需求集聚分析方法 |
CN108038430A (zh) * | 2017-11-30 | 2018-05-15 | 北京华道兴科技有限公司 | 一种车牌定位方法和装置 |
CN108363945A (zh) * | 2017-12-29 | 2018-08-03 | 中兴智能交通股份有限公司 | 一种卡口图片管理方法和装置 |
CN108898831B (zh) * | 2018-06-25 | 2020-11-06 | 广州市市政工程设计研究总院有限公司 | 基于道路高清卡口数据的路段状况评估方法及系统 |
CN109243173B (zh) * | 2018-08-15 | 2020-10-27 | 广州市市政工程设计研究总院有限公司 | 基于道路高清卡口数据的车辆轨迹分析方法及系统 |
CN109101649A (zh) * | 2018-08-23 | 2018-12-28 | 广东方纬科技有限公司 | 一种可计算路网建立方法和装置 |
CN109558823B (zh) * | 2018-11-22 | 2020-11-24 | 北京市首都公路发展集团有限公司 | 一种以图搜图的车辆识别方法及系统 |
CN109766642A (zh) * | 2019-01-15 | 2019-05-17 | 电子科技大学 | 一种自演化交通路网拓扑建模方法 |
-
2019
- 2019-09-18 CN CN201910883358.6A patent/CN110766938B/zh active Active
- 2019-11-12 WO PCT/CN2019/117699 patent/WO2021051568A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN110766938A (zh) | 2020-02-07 |
WO2021051568A1 (zh) | 2021-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107944450B (zh) | 一种车牌识别方法及装置 | |
CN108038937B (zh) | 一种迎宾信息的展示方法、装置、终端设备和存储介质 | |
CN112200081A (zh) | 异常行为识别方法、装置、电子设备及存储介质 | |
CN110197146A (zh) | 基于深度学习的人脸图像分析方法、电子装置及存储介质 | |
CN110738219A (zh) | 图像中线条提取方法和装置、存储介质及电子装置 | |
CN114155284A (zh) | 基于多目标行人场景的行人跟踪方法、装置、设备及介质 | |
CN112699775A (zh) | 基于深度学习的证件识别方法、装置、设备及存储介质 | |
CN110766938B (zh) | 路网拓扑结构的构建方法、装置、计算机设备及存储介质 | |
CN111860377A (zh) | 基于人工智能的直播方法、装置、电子设备及存储介质 | |
CN112541443B (zh) | 发票信息抽取方法、装置、计算机设备及存储介质 | |
CN110796135A (zh) | 目标的定位方法及装置、计算机设备、计算机存储介质 | |
CN112328657A (zh) | 特征衍生方法、装置、计算机设备及介质 | |
CN112132033A (zh) | 车型识别方法、装置、电子设备及存储介质 | |
CN111950345A (zh) | 摄像头的识别方法、装置、电子设备和存储介质 | |
CN115222427A (zh) | 基于人工智能的欺诈风险识别方法及相关设备 | |
CN111488798A (zh) | 指纹识别方法、装置、电子设备及存储介质 | |
CN114386013A (zh) | 学籍自动认证方法、装置、计算机设备及存储介质 | |
CN114168768A (zh) | 图像检索方法及相关设备 | |
CN114332809A (zh) | 一种图像识别方法、装置、电子设备和存储介质 | |
CN112396060B (zh) | 基于身份证分割模型的身份证识别方法及其相关设备 | |
CN112396048B (zh) | 图片信息提取方法、装置、计算机设备及存储介质 | |
CN112632249A (zh) | 产品不同版本信息的展示方法、装置、计算机设备及介质 | |
CN113537207A (zh) | 视频处理方法、模型的训练方法、装置以及电子设备 | |
CN110929704A (zh) | 车牌号码的匹配方法及装置、存储介质、电子装置 | |
CN115424335A (zh) | 活体识别模型训练方法、活体识别方法及相关设备 |
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 |