CN112634634A - 智能杆辅助决策方法、智能杆及系统 - Google Patents
智能杆辅助决策方法、智能杆及系统 Download PDFInfo
- Publication number
- CN112634634A CN112634634A CN202011377228.4A CN202011377228A CN112634634A CN 112634634 A CN112634634 A CN 112634634A CN 202011377228 A CN202011377228 A CN 202011377228A CN 112634634 A CN112634634 A CN 112634634A
- Authority
- CN
- China
- Prior art keywords
- pole
- road traffic
- information
- data
- observation value
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Abstract
本发明提供了一种智能杆辅助决策方法,其包括步骤:步骤S1、智能杆采集实时道路交通信息;步骤S2、智能杆将道路交通信息依次进行滤波处理和采用二次加权数据融合算法计算出最优观测值;步骤S3、智能杆通过数据通信将最优观测值发送出,用于车载终端接收后辅助驾驶人驾驶,或用于广播传输至设定范围区域的所有终端,智能杆将最优观测值和与该最优观测值相对应的道路交通信息形成结构化数据,并将结构化数据通过网络传输至云台融合中心。本发明还提供了一种智能杆和智能杆辅助决策系统。与相关技术相比,采用本发明的技术方案的智能杆辅助决策方法、智能杆及系统的道路通行效率高。
Description
【技术领域】
本发明涉及交通技术领域,尤其涉及一种智能杆辅助决策方法、智能杆及系统。
【背景技术】
近年来,以照明为基础的智能杆发展迅速。智能杆由于点位多、距离近的优势,更加有利于对道路和车辆信息的收集和处理。同时随着机动车保有量的不断增长,道路交通问题日益突出,基于智能杆的位置和功能优势,智能杆系统越来越重要。
相关技术的智能杆系统一般包括智能杆和与所述智能杆通讯联系的后台中心。智能杆包括道路信息采集设备。
然而,目前的智能杆系统路侧设备安装分散,对空间资源的利用效率低下,并且不能收集到全面的道路信息;现有的道路检测设备没有统一化管理,造成了部分设备重复安装、缺少安装等情况,不能充分发挥作用;道路信息采集设备收集到的数据不能共享至云平台,通常情况下是各个部门负责各自的数据,道路信息数据的隔离造成的数据孤岛效应严重;车路协同的能力低下,车辆所获取的信息非常有限;智能杆的服务效率偏低,现有的智能杆主要作用就是照明或违章拍照,以至于杆体上的空间大部分闲置。因此,现有的智能杆系统路很难缓解道路拥堵现状,提高道路通行效率。
因此,实有必要提供一种新的方法、智能杆和系统来解决上述技术问题。
【发明内容】
本发明的目的是克服上述技术问题,提供一种道路通行效率高的智能杆辅助决策方法、智能杆及系统。
为了实现上述目的,本发明提供一种智能杆辅助决策方法,其特征在于,该方法包括如下步骤:
步骤S1、智能杆采集实时道路交通信息;
步骤S2、所述智能杆将所述道路交通信息依次进行滤波处理和采用二次加权数据融合算法计算出最优观测值;
步骤S3、所述智能杆通过数据通信将所述最优观测值发送出,用于车载终端接收后辅助驾驶人驾驶,或用于广播传输至设定范围区域的所有终端,所述智能杆将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据,并将所述结构化数据通过网络传输至云台融合中心;所述结构化数据用于所述云台融合中心进行区域化数据融合计算,以计算出道路交通决策信息,所述道路交通决策信息用于传输至交管部门使用。
更优的,所述步骤S1中,所述道路交通信息包括道路上的人、车以及环境的视频信息和传感器数据。
更优的,所述步骤S2中,所述最优观测值包括道路上的车的基础信息,所述基础信息包括车流量、平均车速、车距以及车型。
更优的,所述步骤S2之前,所述的智能杆辅助决策方法还包括如下步骤:
步骤S11、所述智能杆将所述道路交通信息进行数据清理。
更优的,所述步骤S3中,所述智能杆将所述道路交通信息通过基于深度学习的目标检测和跟踪算法进行计算,以实现对人、车、环境中的物体进行识别和异常状态监测,并将计算结果整合并入所述最优观测值。
更优的,所述步骤S3中,所述智能杆将所述道路交通信息通过预测算法对道路上的车的行为进行预测和跟踪,并将所述预测算法的计算结果整合并入所述最优观测值。
更优的,所述预测算法包括卡尔曼滤波或者核相关滤波的目标跟踪算法。
本发明还提供一种智能杆,其应用如上中任意一项所述的智能杆辅助决策方法,所述智能杆包括:
传感器,用于采集实时道路交通信息;
杆载边缘计算处理器,用于将所述道路交通信息依次进行滤波处理和采用二次加权数据融合算法,计算出最优观测值,并同时将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据,所述结构化数据用于所述云台融合中心进行区域化数据融合计算,以计算出道路交通决策信息,所述道路交通决策信息用于传输至交管部门使用;
杆载通讯模块,用于将所述最优观测值发送出,用于车载终端接收后辅助驾驶人驾驶,或用于广播传输至设定范围区域的所有终端,将所述结构化数据传输至所述云台融合中心。
更优的,所述传感器包括视频传感器、雷达传感器、红外传感器以及环境监测传感器,所述视频传感器包括工业摄像机,所述雷达传感器包括毫米波雷达,所述环境监测传感器包括温度传感器。
本发明还提供一种智能杆辅助决策系,所述智能杆辅助决策系统包括云台融合中心和如上中任意一项所述的智能杆,所述云台融合中心与所述智能杆通讯连接,所述云台融合中心用于将各个所述智能杆传输至的所述结构化数据进行区域化数据融合计算,并计算出道路交通决策信息,所述道路交通决策信息用于传输至交管部门使用。
与现有技术相比,本发明的智能杆辅助决策方法、智能杆及系统的将采集的实时道路交通信息在所述智能杆进行初步计算并计算出最优观测值,所述智能杆通过数据通信将所述最优观测值发送至各个车载终端以辅助驾驶人驾驶或广播传输至设定范围区域的所有终端,从而可以为机动车驾驶人提供实时的道路信息(拥堵信息、视觉盲区信息、红绿灯信息等),并且可以为驾驶人提供定制化的出行方案和驾驶决策方案,提高道路通行效率,降低交通事故发生频率。所述智能杆将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据通过网络传输至云台融合中心,所述云台融合中心将各个所述智能杆传输至的所述结构化数据进行区域化数据融合计算,并计算出道路交通决策信息。该方法通过采集的实时道路交通信息后,由所述智能杆进行初步计算并计算出最优观测值,再将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据通过网络传输至云台融合中心,从而避免了相关技术的将全部的原始数据全部传输至云台融合中心,很好地解决由于多个所述智能杆的位置比较分散,用一个云台融合中心进行信息处理则容易产生数据传输错误,云台融合中心数据处理量增大等问题,提高系统的检测能力和可靠性。另外,还可以使得交管部门可以通过PC终端查看道路视频和交通数据并对路况进行实时调控,以便对异常的行为做出应急指挥,提高道路实时应急援助效率,降低道路交通拥堵可能,优化道路交通管理的运作,充分实现人、车、路信息的有效协同和驾驶人的辅助决策,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。综上所述,本发明的智能杆辅助决策方法、智能杆及系统的道路通行效率高。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它的附图,
其中:
图1为本发明智能杆辅助决策方法的流程框图;
图2为本发明智能杆辅助决策方法一种实施例的流程框图;
图3为本发明一种智能杆辅助决策系统的结构框图;
图4为本发明一种智能杆辅助决策系统的智能杆的结构框图。
【具体实施方式】
下面将结合本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、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请同时参图1-2所示,本发明提供一种智能杆辅助决策方法。
所述智能杆辅助决策方法包括如下步骤:
步骤S1、智能杆采集实时道路交通信息。
其中,所述道路交通信息包括道路上的人、车以及环境的视频信息和传感器数据。
所述道路交通信息通过所述智能杆安装的多种传感器进行实时采集。例如,采用工业摄像机、毫米波雷达、红外传感器等多种传感器进行信息收集。多种类的传感器安装于所述智能杆,可以避免所述道路交通信息单一引起的信息不全。
本实施方式中,为了减少所述智能杆的计算量和提高计算效率,所述的智能杆辅助决策方法还包括如下步骤:
步骤S11、所述智能杆将所述道路交通信息进行数据清理。
由于原始的所述道路交通信息数据量大,经过所述数据清理可以滤除由于环境、设备等不良因素给数据带来的影响。只有拥有了保证质量的动态交通数据,交通管理者才能制定出有效的交通管理措施,从而进一步解决道路交通拥堵,降低交通事件产生的不良后果,使得道路最大化的发挥其功能。针对如何保证城市道路交通流数据质量问题进行研究,在交通管理者做出决策前,对所述智能杆采集到的交通流数据质量进行必要的数据清洗,以保证交通决策的有效性,从而缓解道路交通拥堵问题,及时有效地处理交通事件,使得整个城市路网交通顺畅的运行。所述智能杆可以采用有效的数据清理规则对交通脏数据进行处理,通过对采集到的信息的分析,对噪声数据、无意义数据、重复数据、异常数据和一些缺失数据进行清洗。更优的,所述智能杆结合数据清洗和可视化技术,对交通数据进行有效地处理和可视分析,以便得到有效正确的可视化结果。
步骤S2、所述智能杆将所述道路交通信息依次进行滤波处理和采用二次加权数据融合算法计算出最优观测值。
其中,所述最优观测值包括道路上的车的基础信息,所述基础信息包括车流量、平均车速、车距以及车型。在所述智能杆进行计算出最优观测值。可以硬件上将计算过程由所述智能杆实现,从而避免了相关技术的将全部的原始数据全部传输至云台融合中心,很好地解决由于多个所述智能杆的位置比较分散,用一个云台融合中心进行信息处理则容易产生数据传输错误,云台融合中心数据处理量增大等问题,提高系统的检测能力和可靠性。所述智能杆对采集到的信息进行分析、处理和融合,以达到智能辅助驾驶决策支持。
步骤S3、所述智能杆通过数据通信将所述最优观测值发送出,用于车载终端接收后辅助驾驶人驾驶,或用于广播传输至设定范围区域的所有终端,所述智能杆将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据,并将所述结构化数据通过网络传输至云台融合中心。
其中,所述结构化数据用于所述云台融合中心进行区域化数据融合计算,以计算出道路交通决策信息。所述道路交通决策信息用于传输至交管部门使用。
相对于各个车载终端或者设定范围区域的所有终端来说,所述智能杆实时处理收集到的本地交通数据,分析道路上的拥堵信息、交通事故等,可以为机动车驾驶人提供实时的道路信息(拥堵信息、视觉盲区信息、红绿灯信息等),并且可以为驾驶人提供定制化的出行方案和驾驶决策方案,即给机动车驾驶人提供最优的辅助驾驶决策;提高道路通行效率,降低交通事故发生频率。该步骤有利于解决目前道路交通面临诸多问题,例如:驾驶人获取的道路碎片化信息不足以使其对路况有一个清楚的认知、驾驶过程中视觉盲区经常出现以及信号灯停车频率高。
相对于云台融合中心来说,所述智能杆产生的所述结构化数据通过网络传输至云台融合中心,从而避免了相关技术的将全部的原始数据全部传输至云台融合中心,很好地解决由于多个所述智能杆的位置比较分散,用一个云台融合中心进行信息处理则容易产生数据传输错误,云台融合中心数据处理量增大等问题,提高系统的检测能力和可靠性。另外,还可以使得交管部门可以通过PC终端查看道路视频和交通数据并对路况进行实时调控,以便对异常的行为做出应急指挥,提高道路实时应急援助效率,降低道路交通拥堵可能,优化道路交通管理的运作,充分实现人、车、路信息的有效协同和驾驶人的辅助决策,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统,从而使得本发明的智能杆辅助决策方法道路通行效率高。
本实施方式中,所述智能杆将所述道路交通信息通过基于深度学习的目标检测和跟踪算法进行计算,以实现对人、车、环境中的物体进行识别和异常状态监测,并将计算结果整合并入所述最优观测值。
所述智能杆深度学习的目标检测和跟踪算法进行计算,实现对道路中的人、车、物的分辨和识别,便于辅助决策的实现。
本实施方式中,采用基于回归的目标检测与识别算法,通过深度学习搭建一个能够识别人、车、物的视频监控系统,将收集到的各类数据进行可视化分析,构建交通数据库,并与传感器收集到的信息进行对比分析,最优化取值,做到优势互补。再将分析后的信息通过多种途径(如杆载可变信息情报板、杆载广播、应用程序APP等)发布出去,供驾驶人进行参考和判断。
以所述智能杆采集的所述道路交通信息为视频图像为例,将采集的图像在所述智能杆计算,利用算法对图像进行预处理,然后再对图像中的物体进行预测和筛选,最后对道路上的事件(拥堵情况、闯红灯行为等)进行监控和预警,并以上述的两种方式反馈给用户,以及上传至云台融合中心提供给交通部门。
本实施方式中,所述智能杆将所述道路交通信息通过预测算法对道路上的车的行为进行预测和跟踪,并将所述预测算法的计算结果整合并入所述最优观测值。
其中,所述预测算法包括卡尔曼滤波或者核相关滤波的目标跟踪算法。所述智能杆实现车路协同预警、交通实时路况监测、交通信息预测、智能辅助驾驶员的决策判断等功能,将所述智能杆空间充分利用,极大提高了信息交互效率。
本实施方式中,所述云台融合中心将各个所述智能杆传输至的所述结构化数据进行区域化数据融合计算,并计算出道路交通决策信息,所述道路交通决策信息用于传输至交管部门使用。
交管部门可以通过PC终端查看道路视频和交通数据并对路况进行实时调控,以便对异常的行为做出应急指挥,提高道路实时应急援助效率,降低道路交通拥堵可能,优化道路交通管理的运作,充分实现人、车、路信息的有效协同和驾驶人的辅助决策,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。
所述智能杆辅助决策方法在智能化处理交通数据、提升交通数据利用率、简化交通管理、更敏捷地辅助交警业务、绿色节能等方面。智能杆系统作为边缘端与云端相结合,共同处理大量交通数据,充分利用数据为出行者提供智能化出行服务,以减少由于车流长时间停滞,频繁启停与怠速,缺乏控制与引导等问题引起的汽车燃油消耗增加和尾气排放等既浪费资源又污染环境问题,还可以实时监测环境信息,以便控制空气质量,以促进城市绿色化发展。综上所述,本发明的智能杆辅助决策方法的道路通行效率高。
请参图3所示,本发明还提供一种智能杆100。
所述智能杆100应用所述智能杆辅助决策方法。
所述智能杆100用于将所述道路交通信息依次进行滤波处理和采用二次加权数据融合算法计算出最优观测值;所述智能杆100还用于通过数据通信将所述最优观测值发送出,用于车载终端接收后辅助驾驶人驾驶,或用于广播传输至设定范围区域的所有终端,所述智能杆将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据,并将所述结构化数据通过网络传输至云台融合中心;所述结构化数据用于所述云台融合中心进行区域化数据融合计算,以计算出道路交通决策信息,所述道路交通决策信息用于传输至交管部门使用。
所述智能杆100包括多个。所述智能杆100由于点位多、距离近的优势,更加有利于对道路和车辆信息的收集和处理。同时随着机动车保有量的不断增长,道路交通问题日益突出,基于所述智能杆100的位置和功能优势,有利于城市资源充分利用。城市资源具有稀缺性,特别是在城市中心区,合理有效地使用有限的资源,有助于优化资源配置,提高经济效益。所述智能杆100充分利用杆体空间,将路侧设备集成到杆上,在提升道路检测水平的同时充分利用了资源,促进了城市美化。
具体的,所述智能杆100包括传感器1、杆载边缘计算处理器2以及杆载通讯模块3。
所述传感器1用于采集实时道路交通信息。
其中,所述传感器1包括视频传感器、雷达传感器、红外传感器以及环境监测传感器,所述视频传感器包括工业摄像机,所述雷达传感器包括毫米波雷达,所述环境监测传感器包括温度传感器。
本实施方式中,传感器均采用工业级标准RS485传感器配件,采用的网关具有RS485标准接口,可以直接将所需的路侧传感器通过标准接口接入网关终端。
所述杆载边缘计算处理器2用于将所述道路交通信息依次进行滤波处理和采用二次加权数据融合算法,计算出最优观测值,并同时将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据,所述结构化数据用于所述云台融合中心进行区域化数据融合计算,以计算出道路交通决策信息,所述道路交通决策信息用于传输至交管部门使用。
所述杆载通讯模块3用于将所述最优观测值发送出,用于车载终端接收后辅助驾驶人驾驶,或用于广播传输至设定范围区域的所有终端,将所述结构化数据传输至所述云台融合中心。
本实施方式中,所述杆载通讯模块3应用加密通信网关,提供功能强大的中心管理软件,采用加密专用芯片,基于IPsec VPN加密隧道通信协议,支持AES、SHA系列算法,支持国产自主研发密码算法SM1、SM2、SM4,为无线数据传输提供软硬件双重加密,产品采用高性能的工业级高端处理器,配备丰富的数据采集、控制与传输接口,集成2G/3G/4G/WIFI/有线等多种通信方式,能够实现数据采集、数据加密传输、全网通/4G无线通信、双无线网络备份、数据处理转发、VPN虚拟专网、WIFI覆盖、本地存储、本地与远程控制等功能。
本实施方式中,以所述智能杆100为硬件部分和软件部分组成,在物理方面,可以将所述智能杆100的杆体结构稳定,支持多种挂载设备接入,并为其他路侧设备留有接口,融合多种硬件设施。杆体结构设计符合国家标准,安全等级符合二级标准,杆上装载了充电桩、一键呼叫设备、信息发布设备、视频监控设备、公共广播、无线AP、交通信号灯、LED灯具、通信基站、环境检测器等多种硬件,充分利用杆体空间,并且在杆体上留有设备接口,以便根据不同地区的实际情况加装其他的路侧设备,实现一个拥有“集成性,开放性,独立性,一致性,可扩展性”的管理平台,从而达到“多杆合一,一杆多用”。
具体的,所述智能杆100的杆体分为四层:第一层:高度0m~2m,适用于充电桩、一键呼叫、设备舱、检修门等;第二层:高度2m~6m,适用于信息发布屏、视频监控设备、公共广播、路名牌、人行信号灯等;第三层:高度6m~8m,适用于无线AP、交通标志、交通信号灯等;第四层:高度8m以上,适用于LED灯具、通信基站、环境监测传感器等。在杆体上的对应层分别挂载前端设备视频监控设备、TrafiBot、TrafiRadar(基于视频、雷达的车辆检测传感器)、交通信号灯、道路指示牌、交通标识牌,以及保证多功能杆系统正常运行的设施:基础、电缆、光纤、配电箱等,搭建一个多功能管理平台。
在逻辑方面,也可将所述智能杆100分为四个层面:①路侧设备层:路侧设备层是整体系统的最底端,它侧重利用各种传感器收集道路上各种来源的数据,并提供存储设备满足数据存储的需要,其中交通数据主要是结构化数据,如速度数据、驾驶行为数据、北斗卫星定位数据等等。②智能杆层:它主要接收、处理、储存路侧设备层中各传感器采集的数据,从底层接入并得到数据之后,智能杆对这些数据进行提取、转换和处理。最终,数据接入智能杆嵌入式系统之中,随后经过数据的清洗、异构数据转化、数据汇总以及数据检测过程,转入数据服务环节。③多智能杆层:多智能杆系统通过单根智能杆处理的数据,在数据服务层之上,增加计算环境,以多方面地分析驾驶员的车周环境。④云平台层:云平台是预留接口,用户可以在此得到业务输入服务和基于生产系统下的数据分析模块,同时也为用户需求提供可视化的数据展现、稳定可靠的演示系统,最后实现出行数据分析功能。
更优的,所述智能杆100提供城市便民服务。具体的,搭载了充电桩、无线AP、一键呼叫设备等设施,可以保证市民在道路上的一些基本需求,能够提升市民的幸福感和满足感,有利于建设文明、和谐的城市,有助于增强城市的活力和竞争力。
另外,所述智能杆100还具有升级优化的潜力空间。所述智能杆100充分利用了杆体空间,并且在杆体上留有设备接口,以便根据不同地区的实际情况加装其他的外置设备,并将外置设备接入管理系统,构建一个拥有“集成性,开放性,独立性,一致性,可扩展性”的智能杆平台,实现“一杆一系统,一杆多平台”。
请参图4所示,本发明还提供一种智能杆辅助决策系统200。具体的,所述智能杆辅助决策系统200包括智能杆100和云台融合中心20。所述云台融合中心20与所述智能杆100通讯连接。
所述云台融合中心20用于将各个所述智能杆1传输至的所述结构化数据进行区域化数据融合计算,并计算出道路交通决策信息,所述道路交通决策信息用于传输至交管部门使用。
本实施方式中,所述云台融合中心20通过微信小程序(或APP)、PC终端与用户进行交互,PC端主要供交通管控部门使用,可以帮助交管部门实时查看道路状况、交通调度和发布信息,并且可以对道路交通数据进行可视化分析,同时,交管部门还可以通过PC终端查看历史数据,回溯的历史数据;微信小程序(或APP)可以帮助驾驶人机动车驾驶人获取实时的道路信息(拥堵信息、视觉盲区信息等),并且提供给机动车驾驶人定制化的出行方案和驾驶决策方案。
与现有技术相比,本发明的智能杆辅助决策方法、智能杆及系统的将采集的实时道路交通信息在所述智能杆进行初步计算并计算出最优观测值,所述智能杆通过数据通信将所述最优观测值发送至各个车载终端以辅助驾驶人驾驶或广播传输至设定范围区域的所有终端,从而可以为机动车驾驶人提供实时的道路信息(拥堵信息、视觉盲区信息、红绿灯信息等),并且可以为驾驶人提供定制化的出行方案和驾驶决策方案,提高道路通行效率,降低交通事故发生频率。所述智能杆将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据通过网络传输至云台融合中心,所述云台融合中心将各个所述智能杆传输至的所述结构化数据进行区域化数据融合计算,并计算出道路交通决策信息。该方法通过采集的实时道路交通信息后,由所述智能杆进行初步计算并计算出最优观测值,再将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据通过网络传输至云台融合中心,从而避免了相关技术的将全部的原始数据全部传输至云台融合中心,很好地解决由于多个所述智能杆的位置比较分散,用一个云台融合中心进行信息处理则容易产生数据传输错误,云台融合中心数据处理量增大等问题,提高系统的检测能力和可靠性。另外,还可以使得交管部门可以通过PC终端查看道路视频和交通数据并对路况进行实时调控,以便对异常的行为做出应急指挥,提高道路实时应急援助效率,降低道路交通拥堵可能,优化道路交通管理的运作,充分实现人、车、路信息的有效协同和驾驶人的辅助决策,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。综上所述,本发明的智能杆辅助决策方法、智能杆及系统的道路通行效率高。
以上所述的仅是本发明的实施方式,在此应当指出,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出改进,但这些均属于本发明的保护范围。
Claims (10)
1.一种智能杆辅助决策方法,其特征在于,该方法包括如下步骤:
步骤S1、智能杆采集实时道路交通信息;
步骤S2、所述智能杆将所述道路交通信息依次进行滤波处理和采用二次加权数据融合算法计算出最优观测值;
步骤S3、所述智能杆通过数据通信将所述最优观测值发送出,用于车载终端接收后辅助驾驶人驾驶,或用于广播传输至设定范围区域的所有终端,所述智能杆将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据,并将所述结构化数据通过网络传输至云台融合中心;所述结构化数据用于所述云台融合中心进行区域化数据融合计算,以计算出道路交通决策信息,所述道路交通决策信息用于传输至交管部门使用。
2.根据权利要求1所述的智能杆辅助决策方法,其特征在于,所述步骤S1中,所述道路交通信息包括道路上的人、车以及环境的视频信息和传感器数据。
3.根据权利要求1所述的智能杆辅助决策方法,其特征在于,所述步骤S2中,所述最优观测值包括道路上的车的基础信息,所述基础信息包括车流量、平均车速、车距以及车型。
4.根据权利要求1所述的智能杆辅助决策方法,其特征在于,所述步骤S2之前,所述的智能杆辅助决策方法还包括如下步骤:
步骤S11、所述智能杆将所述道路交通信息进行数据清理。
5.根据权利要求1所述的智能杆辅助决策方法,其特征在于,所述步骤S3中,所述智能杆将所述道路交通信息通过基于深度学习的目标检测和跟踪算法进行计算,以实现对人、车、环境中的物体进行识别和异常状态监测,并将计算结果整合并入所述最优观测值。
6.根据权利要求1所述的智能杆辅助决策方法,其特征在于,所述步骤S3中,所述智能杆将所述道路交通信息通过预测算法对道路上的车的行为进行预测和跟踪,并将所述预测算法的计算结果整合并入所述最优观测值。
7.根据权利要求6所述的智能杆辅助决策方法,其特征在于,所述预测算法包括卡尔曼滤波或者核相关滤波的目标跟踪算法。
8.一种智能杆,其特征在于,其应用如权利要求1-7中任意一项所述的智能杆辅助决策方法,所述智能杆包括:
传感器,用于采集实时道路交通信息;
杆载边缘计算处理器,用于将所述道路交通信息依次进行滤波处理和采用二次加权数据融合算法,计算出最优观测值,并同时将所述最优观测值和与该最优观测值相对应的所述道路交通信息形成结构化数据,所述结构化数据用于所述云台融合中心进行区域化数据融合计算,以计算出道路交通决策信息,所述道路交通决策信息用于传输至交管部门使用;
杆载通讯模块,用于将所述最优观测值发送出,用于车载终端接收后辅助驾驶人驾驶,或用于广播传输至设定范围区域的所有终端,将所述结构化数据传输至所述云台融合中心。
9.根据权利要求8所述的智能杆,其特征在于,所述传感器包括视频传感器、雷达传感器、红外传感器以及环境监测传感器,所述视频传感器包括工业摄像机,所述雷达传感器包括毫米波雷达,所述环境监测传感器包括温度传感器。
10.一种智能杆辅助决策系统,其特征在于,所述智能杆辅助决策系统包括云台融合中心和如权利要求8-9中任意一项所述的智能杆,所述云台融合中心与所述智能杆通讯连接,所述云台融合中心用于将各个所述智能杆传输至的所述结构化数据进行区域化数据融合计算,并计算出道路交通决策信息,所述道路交通决策信息用于传输至交管部门使用。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011335532 | 2020-11-24 | ||
CN2020113355322 | 2020-11-24 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112634634A true CN112634634A (zh) | 2021-04-09 |
Family
ID=75306954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011377228.4A Pending CN112634634A (zh) | 2020-11-24 | 2020-11-27 | 智能杆辅助决策方法、智能杆及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112634634A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751782A (zh) * | 2009-12-30 | 2010-06-23 | 北京大学深圳研究生院 | 一种基于多源信息融合的十字路口交通事件自动检测系统 |
CN102073851A (zh) * | 2011-01-13 | 2011-05-25 | 北京科技大学 | 一种城市交通事故自动识别方法和系统 |
CN202889724U (zh) * | 2012-10-09 | 2013-04-17 | 青岛三利中德美水设备有限公司 | 带路况检测的路灯系统 |
CN105825684A (zh) * | 2016-05-24 | 2016-08-03 | 佛山市中德光电特种照明有限公司 | 一种智慧城市云路灯系统 |
CN106297274A (zh) * | 2016-10-09 | 2017-01-04 | 上海五零盛同信息科技有限公司 | 智慧灯杆及城市路况预测方法 |
CN106530828A (zh) * | 2016-12-07 | 2017-03-22 | 深圳市元征科技股份有限公司 | 车辆行驶状态预警方法及装置 |
CN107274695A (zh) * | 2016-04-08 | 2017-10-20 | 上海三思电子工程有限公司 | 智能照明系统、智能车辆及其车辆辅助驾驶系统和方法 |
CN108182817A (zh) * | 2018-01-11 | 2018-06-19 | 北京图森未来科技有限公司 | 自动驾驶辅助系统、路侧端辅助系统和车载端辅助系统 |
CN108520626A (zh) * | 2018-03-20 | 2018-09-11 | 深圳市金溢科技股份有限公司 | V2x车载终端、路侧基站、路况信息获取方法及系统 |
CN108682173A (zh) * | 2016-07-14 | 2018-10-19 | 天津职业技术师范大学 | 道路交通事件检测预警方法及系统 |
CN108961751A (zh) * | 2018-07-16 | 2018-12-07 | 周口师范学院 | 一种基于云计算的智能交通系统 |
US20190156668A1 (en) * | 2016-08-11 | 2019-05-23 | Jiangsu University | Driving service active sensing system and method in internet of vehicles environment |
CN109841069A (zh) * | 2017-11-28 | 2019-06-04 | 河南星云慧通信技术有限公司 | 一种组网式车流量提醒的系统 |
CN110085044A (zh) * | 2018-01-26 | 2019-08-02 | 深圳市雷摩电子有限公司 | 一种基于太阳能路灯的车辆自动驾驶指引方法及装置 |
CN110880235A (zh) * | 2018-09-05 | 2020-03-13 | 阿里巴巴集团控股有限公司 | 路况信息处理系统中的路侧设备、处理方法及装置 |
-
2020
- 2020-11-27 CN CN202011377228.4A patent/CN112634634A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751782A (zh) * | 2009-12-30 | 2010-06-23 | 北京大学深圳研究生院 | 一种基于多源信息融合的十字路口交通事件自动检测系统 |
CN102073851A (zh) * | 2011-01-13 | 2011-05-25 | 北京科技大学 | 一种城市交通事故自动识别方法和系统 |
CN202889724U (zh) * | 2012-10-09 | 2013-04-17 | 青岛三利中德美水设备有限公司 | 带路况检测的路灯系统 |
CN107274695A (zh) * | 2016-04-08 | 2017-10-20 | 上海三思电子工程有限公司 | 智能照明系统、智能车辆及其车辆辅助驾驶系统和方法 |
CN105825684A (zh) * | 2016-05-24 | 2016-08-03 | 佛山市中德光电特种照明有限公司 | 一种智慧城市云路灯系统 |
CN108682173A (zh) * | 2016-07-14 | 2018-10-19 | 天津职业技术师范大学 | 道路交通事件检测预警方法及系统 |
US20190156668A1 (en) * | 2016-08-11 | 2019-05-23 | Jiangsu University | Driving service active sensing system and method in internet of vehicles environment |
CN106297274A (zh) * | 2016-10-09 | 2017-01-04 | 上海五零盛同信息科技有限公司 | 智慧灯杆及城市路况预测方法 |
CN106530828A (zh) * | 2016-12-07 | 2017-03-22 | 深圳市元征科技股份有限公司 | 车辆行驶状态预警方法及装置 |
CN109841069A (zh) * | 2017-11-28 | 2019-06-04 | 河南星云慧通信技术有限公司 | 一种组网式车流量提醒的系统 |
CN108182817A (zh) * | 2018-01-11 | 2018-06-19 | 北京图森未来科技有限公司 | 自动驾驶辅助系统、路侧端辅助系统和车载端辅助系统 |
CN110085044A (zh) * | 2018-01-26 | 2019-08-02 | 深圳市雷摩电子有限公司 | 一种基于太阳能路灯的车辆自动驾驶指引方法及装置 |
CN108520626A (zh) * | 2018-03-20 | 2018-09-11 | 深圳市金溢科技股份有限公司 | V2x车载终端、路侧基站、路况信息获取方法及系统 |
CN108961751A (zh) * | 2018-07-16 | 2018-12-07 | 周口师范学院 | 一种基于云计算的智能交通系统 |
CN110880235A (zh) * | 2018-09-05 | 2020-03-13 | 阿里巴巴集团控股有限公司 | 路况信息处理系统中的路侧设备、处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275978A (zh) | 一种路边停车车辆实时采集管理系统及管理方法 | |
CN105262987A (zh) | 基于物联网的道路全覆盖全景智能视频监控系统及方法 | |
CN103287464B (zh) | 铁路道口智能视频监控系统及其实现方法 | |
KR102007140B1 (ko) | 스마트 시티를 구현하기 위한 통합 교통 정보 관리 시스템 | |
CN106375027A (zh) | 一种用于无线电的智能化云监测系统与方法 | |
CN108257362B (zh) | 基于gis的交互式电子治安警察警备方法、系统及装置 | |
CN214475445U (zh) | 一种地质灾害多发路段监测防控系统 | |
CN109785620B (zh) | 一种车联网环境下的交通管控系统 | |
CN106353603A (zh) | 一种用于无线电的智能化云监测方法 | |
CN104299426A (zh) | 一种基于对行人检测计数统计的交通信号控制系统及方法 | |
CN110648528A (zh) | 一种智慧公路管理系统 | |
CN105094095B (zh) | 一种电动汽车远程监控方法 | |
CN111385540A (zh) | 基于视频流分析技术的智慧市政基础设施管理系统 | |
CN113257029A (zh) | 基于多维自动识别和5g传输的道路智慧停车管理系统 | |
CN105957370A (zh) | 一种基于QoE的交通调度大数据系统及方法 | |
CN111653092A (zh) | 一种车路协同智慧公交管理监控系统 | |
CN113034938A (zh) | 一种城市管理的智慧交通系统 | |
CN212809452U (zh) | 一种公路隧道交通安全监测预警系统 | |
CN112634634A (zh) | 智能杆辅助决策方法、智能杆及系统 | |
CN1779733A (zh) | 交通动态和静态管理及智能监控警示指挥系统 | |
CN109743554A (zh) | 一种智能交警机器人 | |
CN110930703A (zh) | 一种智能静态交通管控服务系统及方法 | |
CN211424188U (zh) | 一种新型路灯 | |
KR20100108887A (ko) | 객체인식 카메라를 이용한 지능형 교통신호 제어장치 및 방법 | |
CN114963089A (zh) | 一种数字城市智慧灯杆 |
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 |