CN113870553A - 一种面向混合交通流的路网运行状态检测系统及方法 - Google Patents
一种面向混合交通流的路网运行状态检测系统及方法 Download PDFInfo
- Publication number
- CN113870553A CN113870553A CN202110960547.6A CN202110960547A CN113870553A CN 113870553 A CN113870553 A CN 113870553A CN 202110960547 A CN202110960547 A CN 202110960547A CN 113870553 A CN113870553 A CN 113870553A
- Authority
- CN
- China
- Prior art keywords
- data
- traffic
- vehicle
- information
- road
- 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.)
- Granted
Links
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
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
Abstract
本发明公开了一种面向混合交通流的路网运行状态检测系统及方法,所述系统包括感知模块、通信模块和云控平台模块,其中,所述感知模块用于实时采集观测路段内网联车和非网联车的交通信息数据;所述通信模块用于进行网联车之间、网联车与路侧之间的信息交互,并将所述交通信息数据传输至所述云控平台模块;所述云控平台模块用于对预定时间内的交通信息数据进行数据融合及分析,以判断车辆运行情况并获得路网运行态势演化规律。该系统考虑混合交通流下的不同特性,通过道路中网联车及路侧设备对非网联车的运行数据进行采集与传递,补充道路状态信息,通过结合网联车通信数据提高路网状态信息实时检测识别准确度。
Description
技术领域
本发明属于智能交通技术领域,具体涉及一种面向混合交通流的路网运行状态检测系统及方法。
背景技术
随着智能驾驶技术迅速发展为车联网环境提供基础,智能车辆已经成为目前全球研究的热点。网联车可以利用车车通信技术以获取前车行车的实时状态信息,从而辅助人工驾驶员进行决策驾驶,缓解道路交通稳定性,提高路网整体通行能力。而在车联网普及的过程中,网联车辆与非网联车辆在不同比例下随机混合行驶的混合交通流状态是发展的必经阶段,且目前将长期处于这一阶段,故针对混合交通流环境下路网运行状态检测系统的研究尤为重要。
智能交通的道路状态检测识别作为目前新兴技术领域,实现城市道路交通、车辆、通信、计算机、信息技术等多个学科和行业广泛且深度的交叉融合。通过车车、车路信息交互与共享,充分实现车辆之间以及车辆与基础设施之间协同通信,从而提高路网运行状态检测准确度,缓解道路拥堵状态,提高交通效率,保证交通安全和稳定性。
由于辅助驾驶系统车辆在道路上加入使用,车辆驾驶行为特性、状态信息感知及采集方式、道路环境均会发生变化。然而现有工作提供了应用于全为网联车分布的交通环境的道路交通运行状态检测系统,没有考虑到网联车与非网联车构成的混合交通流下的不同特性,例如感知方式、跟车模式、车辆间距控制等,以及未充分考虑混合流道路中不同渗透率的网联车通信数据,无法实现混合交通环境下精准感知、运行状态精准识别,通用性和兼容性较弱。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种面向混合交通流的路网运行状态检测系统及方法。本发明要解决的技术问题通过以下技术方案实现:
本发明提供了一种面向混合交通流的路网运行状态检测系统,包括感知模块、通信模块和云控平台模块,其中,
所述感知模块用于实时采集观测路段内网联车和非网联车的交通信息数据;
所述通信模块用于进行网联车之间、网联车与路侧之间的信息交互,并将所述交通信息数据传输至所述云控平台模块;
所述云控平台模块用于对预定时间内的交通信息数据进行数据融合及分析,以判断车辆运行情况并获得路网运行态势演化规律。
在本发明的一个实施例中,所述感知模块包括车载感知单元和路侧感知单元,其中,
所述车载感知单元设置在所述网联车上,用于采集所述网联车的运行信息及邻近非网联车的运行信息,所述邻近非网联车的运行信息至少包括非网联车方位、间距位置信息数据、加减速信息数据和路径数据;
所述路侧感知单元设置在观测路段上,用于采集所述观测路段上的交通信息,所述观测路段上的交通信息至少包括道路视频数据、道路图片数据以及观测路段内的车辆信息。
在本发明的一个实施例中,所述通信模块包括车载通信单元和路侧通信单元,其中,
所述车载通信单元设置在所述网联车上,用于与其他网联车上的车载通信单元、所述路侧通信单元以及所述云控平台模块进行信息交互;
所述路侧通信单元设置在观测路段上,用于与经过所述观测路段的网联车上的车载通信单元以及所述云控平台模块进行信息交互。
在本发明的一个实施例中,所述车载通信单元为WiFi、DSRC、LoRa、蓝牙、LTE-V、4G/5G/6G中的任一种;所述路侧通信单元为WiFi、蓝牙、LTE-V、4G/5G/6G中的任一种。
在本发明的一个实施例中,所述云控平台模块包括云台通信单元和数据处理单元,其中,
所述云台通信单元能够连接所述车载通信单元和所述路侧通信单元,用于接收来自网联车和路侧不同传感器测量的不同类型的交通信息数据;
所述数据处理单元用于对来自所述不同类型的交通信息数据进行数据特征提取和融合,并根据融合结果获得路网运行态势演化规律。
在本发明的一个实施例中,所述数据处理单元包括点云数据特征提取子单元、图像数据特征提取子单元、数据融合子单元、交通基本图构建子单元和数据分析子单元,其中,
所述点云数据特征提取子单元用于对所述交通信息数据中的散点类型数据建立三维坐标系,获得三维点云数据;
所述图像数据特征提取子单元用于对所述交通信息数据中的图像类型数据利用卷积神经网络提取图像特征信息;
所述数据融合子单元用于对所述三维点云数据和对应的所述图像特征信息进行融合,获得特定交通数据的融合结果;
所述交通基本图构建子单元用于根据多组特定交通数据的融合结果构建交通基本图;
所述数据分析子单元用于根据所述交通基本图及交通拥堵指数标准判断车辆运行情况,识别路网运行状态,得到路网运行态势演化规律。
本发明的另一方面提供了一种面向混合交通流的路网运行状态检测方法,包括:
S1:实时采集观测路段内网联车和非网联车的交通信息数据;
S2:进行网联车之间、网联车与路侧之间的信息交互,并将所述交通信息数据传输至云控平台;
S3:利用所述云控平台对预定时间内的交通信息数据进行数据融合及分析,以判断车辆运行情况并获得路网运行态势演化规律。
在本发明的一个实施例中,所述S1包括:
S11:采集所述网联车的运行信息、邻近非网联车的运行信息以及车辆所在路段的交通信息,所述邻近非网联车的运行信息至少包括非网联车方位、间距位置信息数据、加减速信息数据和路径数据;
S12:采集所述观测路段上的交通信息,所述观测路段上的交通信息至少包括道路视频数据、道路图片数据以及观测路段内的车辆信息。
在本发明的一个实施例中,所述S3包括:
S31:接收来自网联车和路侧不同传感器测量的不同类型的交通信息数据;
S32:对来自所述不同类型的交通信息数据进行数据特征提取和融合,并根据融合结果获得路网运行态势演化规律。
在本发明的一个实施例中,所述S32包括:
S321:对所述交通信息数据中的散点类型数据建立三维坐标系,获得三维点云数据;
S322:对所述交通信息数据中的图像类型数据利用卷积神经网络提取图像特征信息;
S323:对所述三维点云数据和对应的所述图像特征信息进行融合,获得特定交通数据的融合结果;
S324:根据多组特定交通数据的融合结果数据融合结果构建交通基本图;
S325:根据所述交通基本图及交通拥堵指数标准判断车辆运行情况,识别路网运行状态,得到路网运行态势演化规律。
与现有技术相比,本发明的有益效果在于:
1、相比于现有应用于全为网联车分布的交通环境的道路交通状态检测,本发明面向混合交通流的路网运行状态检测系统,考虑网联车与非网联车随机构成的混合交通流下的不同特性,面对存在非网联车没有通信能力时,通过道路中网联车及路侧设备的感知通信能对其位置、比例、车速变化、行驶路径、车辆间距信息进行采集与传递,补充道路状态信息,通过结合网联车通信数据提高路网状态信息实时采集准确度。
2、本发明面向混合交通流的路网运行状态检测系统,针对混合交通环境下存在的不同智能化网联化程度,通过信息融合,特征提取,解析特性数据,识别混合流道路智能化等级及运行状态,判断前方是否拥堵、是否有障碍等事件信息,提高了路网运行状态检测系统的开放性、通用性、兼容性。
3、本发明的云控平台模块能够进行全息交通信息融合,克服单一信息来源的不足。将从多方位、多维度采集交互的状态信息进行融合,消除冗余,弥补缺失,校验异常,提高交通状态识别精准度,有利于网联车辅助驾驶端和非网联车人工驾驶端操作的实时决策控制,安全驾驶。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种面向混合交通流的路网运行状态检测系统的模块图;
图2是本发明实施例提供的一种面向混合交通流的路网运行状态检测系统的具体结构图;
图3是本发明实施例提供的一种数据处理单元的结构示意图;
图4是本发明实施例提供的一种面向混合交通流的路网运行状态检测方法的流程示意图。
具体实施方式
为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及具体实施方式,对依据本发明提出的一种面向混合交通流的路网运行状态检测系统及方法进行详细说明。
有关本发明的前述及其他技术内容、特点及功效,在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明,可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解,然而所附附图仅是提供参考与说明之用,并非用来对本发明的技术方案加以限制。
应当说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
实施例一
请参见图1,图1是本发明实施例提供的一种面向混合交通流的路网运行状态检测系统的模块图。该路网运行状态检测系统包括感知模块1、通信模块2和云控平台模块3,其中,感知模块1用于实时采集观测路段内网联车和非网联车的交通信息数据;通信模块2用于进行网联车之间、网联车与路侧之间的信息交互,并将所述交通信息数据传输至所述云控平台模块3;云控平台模块3用于对预定时间内的交通信息数据进行数据融合及分析,以判断车辆运行情况并获得路网运行态势演化规律。
进一步地,请参见图2,图2是本发明实施例提供的一种面向混合交通流的路网运行状态检测系统的具体结构图。本实施例的感知模块1包括车载感知单元11和路侧感知单元12,其中,车载感知单元11设置在网联车上,用于采集所述网联车的运行信息及邻近非网联车的运行信息,所述网联车的运行信息包括车联网的位置、速度、加减速、车型信息等,所述邻近非网联车的运行信息至少包括非网联车方位、间距位置信息数据、加减速信息数据和路径数据。路侧感知单元12设置在观测路段上,用于采集所述观测路段上的交通信息,所述观测路段上的交通信息至少包括道路视频数据、道路图片数据以及观测路段内的车辆信息。
本实施例的车载感知单元11可以包括毫米波雷达、GPS、IMU惯导设备、车载摄像头等,可以实时获得当前网联车的位置、车型、车速、加速度、周围图像等行车信息,同时也可以获得邻近非网联车的车型、方位、间距位置信息数据、加减速和路径数据等信息。
路侧感知单元12可以包括微波、地磁、震动等物联网传感器、路侧雷达、摄像头、视频检测器等多种传感器,用于从路侧采集观测路段内车辆的车速、密度、位置及图像信息。其中,视频检测器可在车辆通过捕捉范围时启动摄像头拍摄,再由视频处理技术统计网联车占有率、信号灯、交通气象、道路拥堵情况、突发事件等交通信息。路侧感知单元12也可以获得探测范围内非网联车的车型、方位、间距位置信息数据、加减速和路径数据等信息。
需要说明的是,在本实施例的混合交通流的情况中,同时包括网联车和非网联车,网联车随机分布,而非网联车无法与路侧设备和云控平台模块3进行数据交互。在本实施例中,可以通过设置在网联车上的车载感知单元11获得其临近非网联车方位、间距位置信息数据、加减速信息数据、路径数据等,使感知更全面、精确且时延小。
进一步地,通信模块2包括车载通信单元21和路侧通信单元22,其中,车载通信单元21设置在网联车上,用于与其他网联车上的车载通信单元、路侧通信单元22以及云控平台模块3进行信息交互;路侧通信单元22设置在观测路段上,用于与经过该观测路段的网联车上的车载通信单元21以及云控平台模块3进行信息交互。
车载通信单元21和路侧通信单元22均采用低时延、高可靠的信息通信方式,进行车车之间、车路之间通信,网联车的实时通信能力为实现交通信息交互提供保障,能够有效提高车辆行驶的稳定性和安全性。
本实施例的车载通信单元21可以是WiFi、DSRC、LoRa、蓝牙、LTE-V、4G/5G/6G中的任一种;路侧通信单元22为WiFi、蓝牙、LTE-V、4G/5G/6G中的任一种。
在本实施例中,车载通信单元21与车内CAN(控制器局域网络,Controller AreaNetworkCAN)直接相连,通过不同通信协议实现车车之间、车路之间通信。车载通信单元21采用DSRC技术与路侧通信单元22通过微波装置进行通信,由蓝牙传感网络实现道路中车与车连接,通过蜂窝网络通信方式,如LTE-V/4G/5G/6G基站实现与云控平台模块3交互,共享车载感知单元11采集到的车端道路交通信息。
路侧通信单元22与车载通信单元21进行连接通信,路侧通信单元22也可向云控平台模块3传递探测范围内非网联车位置信息。
车载通信单元21和路侧通信单元22的加入有效提供实时网联车间、车路间信息服务,车辆监控与管理。非网联车虽没有通信功能,但可通过邻近网联车的传感器采集到其位置、车速变化等信息并由车载通信单元21传递给其它网联车、路侧设备和云控平台模块3,补充道路状态感知数据,扩大交通信息采集范围。在混合交通场景中,不同渗透率的智能网联车可通过实时通信并采集车辆周围路况信息,以协助网联车辅助驾驶端和非网联车人工驾驶端操作,变化混合流车辆跟驰策略,提高车流稳定性,减少交通事故。具体地,网联车驾驶端可以根据获取的车辆周围路况信息及车辆分布信息等调整车辆驾驶策略,而非网联车的驾驶端可以根据其他网联车的驾驶情况调整车辆的操作。
本实施例的云控平台模块3包括云台通信单元31和数据处理单元32,其中,云台通信单元31能够连接车载通信单元21和路侧通信单元22,用于接收来自网联车和路侧不同传感器测量的不同类型的交通信息数据;数据处理单元32用于对来自所述不同类型的交通信息数据进行数据特征提取和融合,并根据融合结果获得路网运行态势演化规律。
请参见图3,图3是本发明实施例提供的一种数据处理单元的结构示意图。数据处理单元32包括点云数据特征提取子单元321、图像数据特征提取子单元322、数据融合子单元323、交通基本图构建子单元324和数据分析子单元325,其中,点云数据特征提取子单元321用于对所述交通信息数据中的散点类型数据建立三维坐标系,获得三维点云数据;图像数据特征提取子单元322用于对所述交通信息数据中的图像类型数据利用卷积神经网络提取图像特征信息;数据融合子单元323用于对所述三维点云数据和对应的所述图像特征信息进行融合,获得特定交通数据的融合结果;交通基本图构建子单元324用于根据多组特定交通数据的融合结果构建交通基本图;数据分析子单元325用于根据所述交通基本图及交通拥堵指数标准判断车辆运行情况,识别路网运行状态,得到路网运行态势演化规律。
具体地,以车辆位置数据的融合分析融合为例,点云数据特征提取子单元321获得不同时间点采集的观测道路中车辆的位置数据信息,构建三维坐标系,将不同时间点的位置数据信息作为点云数据,在所述三维坐标系中表示为一组三维点,其中每个点是其坐标的向量,带有车辆的位置信息数据。
图像数据特征提取子单元322获得不同时间点采集的观测道路中车辆的图像数据,即,获得与上述点云数据对应时间点能反应车辆位置信息的图像,在此,摄像头采集的图像数据经过卷积神经网络提取图像特征信息,通过在不同坐标系间建立对应关系,由映射矩阵得到图像特征对应的点云坐标数据,该点云坐标数据中也包括车辆的位置信息数据。
数据融合子单元323用于将上述两组点云坐标数据进行融合,具体处理过程为:利用对称函数聚合两组点云坐标数据中每个坐标向量的信息,实现数据特征提取;采用熵权法的数据融合,对于所提取的特征向量,通过最大似然法计算每个特征值的概率分布,由贝叶斯公式计算来自不同数据源(即来自点云数据或图像数据)的概率,经过计算香农熵得到不同数据源之间的互信息,再通过互信息计算不同数据源对应的权值,根据权值计算得到数据融合后的结果。
通过融合以不同方式获得的不同格式的数据,使得准确度更高,消除冗余,弥补缺失,校验异常数据,提高系统准确性及稳定性。
需要说明的是,上述过程仅示例性地说明了对不同设备采集的车辆位置信息的融合过程,对于其他信息例如车流量、车辆密度、车头时距等,也可以采用上述过程进行数据融合,以获得更加准确的数据,具体过程这里不再赘述。
接着,交通基本图构建子单元324根据混合交通流的各种融合后的特征数据(例如、车流量、车速、密度、车头时距等),解析交通流特性,由元胞自动机模型构建交通基本图。随后,数据分析子单元325根据交通拥堵指数标准判断运行情况(畅通、轻度拥堵、中度拥堵或重度拥堵),识别路网运行状态,得到路网运行态势演化规律,如位置、车流量大小、拥堵程度、是否有车速突然变化、是否有变畅通或拥堵的可能等。
本实施例的云控平台模块3通过计算功能、通信功能达到感知模块、通信模块与云控平台模块相结合,构建感知计算通信一体化平台。提供面向混合交通流环境的云端全息信息融合,消除冗余数据,填补丢失数据,校验异常数据,以提高数据准确度,在不同道路智能化水平及不同智能网联车渗透率情况下的混合流环境下,实现交通道路运行态势识别。有利于辅助驾驶端的实时决策控制,安全驾驶,协助非网联车人工驾驶对路况的判断分析,例如是否应加减速,前方道路是否有拥堵情况。
相比于现有应用于全为网联车分布的交通环境的道路交通状态检测系统,本实施例面向混合交通流的路网运行状态检测系统,考虑网联车与非网联车随机构成的混合交通流下的不同特性,面对存在非网联车没有通信能力时,通过道路中网联车及路侧设备的感知通信能对其位置、比例、车速变化、行驶路径、车辆间距信息进行采集与传递,补充道路状态信息,通过结合网联车通信数据提高路网状态信息实时采集准确度。该系统针对混合交通环境下存在的不同智能化网联化程度,通过信息融合,特征提取,解析特性数据,识别混合流道路智能化等级及运行状态,判断前方是否拥堵、是否有障碍等事件信息,提高了路网运行状态检测系统的开放性、通用性、兼容性。
实施例二
在上述实施例的基础上,本实施例提供了一种面向混合交通流的路网运行状态检测方法。该路网运行状态检测方法包括:
S1:实时采集观测路段内网联车和非网联车的交通信息数据;
S2:进行网联车之间、网联车与路侧之间的信息交互,并将所述交通信息数据传输至云控平台;
S3:利用所述云控平台对预定时间内的交通信息数据进行数据融合及分析,以判断车辆运行情况并获得路网运行态势演化规律。
进一步地,所述S1包括:
S11:采集所述网联车的运行信息、邻近非网联车的运行信息以及车辆所在路段的交通信息,所述邻近非网联车的运行信息至少包括非网联车方位、间距位置信息数据、加减速信息数据和路径数据;
S12:采集所述观测路段上的交通信息,所述观测路段上的交通信息至少包括道路视频数据、道路图片数据以及观测路段内的车辆信息。
进一步地,所述S3包括:
S31:接收来自网联车和路侧不同传感器测量的不同类型的交通信息数据;
S32:对来自所述不同类型的交通信息数据进行数据特征提取和融合,并根据融合结果获得路网运行态势演化规律。
进一步地,所述S32包括:
S321:对所述交通信息数据中的散点类型数据建立三维坐标系,获得三维点云数据;
S322:对所述交通信息数据中的图像类型数据利用卷积神经网络提取图像特征信息;
S323:对所述三维点云数据和对应的所述图像特征信息进行融合,获得特定交通数据的融合结果;
S324:根据多组特定交通数据的融合结果数据融合结果构建交通基本图;
S325:根据所述交通基本图及交通拥堵指数标准判断车辆运行情况,识别路网运行状态,得到路网运行态势演化规律。
具体地,以车辆位置数据的融合分析融合为例,首先获得不同时间点采集的观测道路中车辆的位置数据信息,构建三维坐标系,将不同时间点的位置数据信息作为点云数据,在所述三维坐标系中表示为一组三维点,其中每个点是其坐标的向量,带有车辆的位置信息数据。
接着,获得不同时间点采集的观测道路中车辆的图像数据,即,获得与上述点云数据对应时间点能反应车辆位置信息的图像,在此,摄像头采集的图像数据经过卷积神经网络提取图像特征信息,通过在不同坐标系间建立对应关系,由映射矩阵得到图像特征对应的点云坐标数据,该点云坐标数据中也包括车辆的位置信息数据。
随后对将上述两组点云坐标数据进行融合,具体处理过程为:利用对称函数聚合两组点云坐标数据中每个坐标向量的信息,实现数据特征提取;采用熵权法的数据融合,对于所提取的特征向量,通过最大似然法计算每个特征值的概率分布,由贝叶斯公式计算来自不同数据源(即来自点云数据或图像数据)的概率,经过计算香农熵得到不同数据源之间的互信息,再通过互信息计算不同数据源对应的权值,根据权值计算得到数据融合后的结果。
需要说明的是,上述过程仅示例性地说明了对不同设备采集的车辆位置信息的融合过程,对于其他信息例如车流量、车辆密度、车头时距等,也可以采用上述过程进行数据融合,以获得更加准确的数据,具体过程这里不再赘述。
接着,根据混合交通流的各种融合后的特征数据(例如、车流量、车速、密度、车头时距等),解析交通流特性,由元胞自动机模型构建交通基本图。随后,根据交通拥堵指数标准判断运行情况(畅通、轻度拥堵、中度拥堵或重度拥堵),识别路网运行状态,得到路网运行态势演化规律,如位置、车流量大小、拥堵程度、是否有车速突然变化、是否有变畅通或拥堵的可能等。
此外,本实施例的路网运行状态检测方法能够进行全息交通信息融合,克服单一信息来源的不足。将从多方位、多维度采集交互的状态信息进行融合,消除冗余,弥补缺失,校验异常,提高交通状态识别精准度,有利于网联车辅助驾驶端和非网联车人工驾驶端操作的实时决策控制,安全驾驶。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种面向混合交通流的路网运行状态检测系统,其特征在于,包括感知模块(1)、通信模块(2)和云控平台模块(3),其中,
所述感知模块(1)用于实时采集观测路段内网联车和非网联车的交通信息数据;
所述通信模块(2)用于进行网联车之间、网联车与路侧之间的信息交互,并将所述交通信息数据传输至所述云控平台模块(3);
所述云控平台模块(3)用于对预定时间内的交通信息数据进行数据融合及分析,以判断车辆运行情况并获得路网运行态势演化规律。
2.根据权利要求1所述的面向混合交通流的路网运行状态检测系统,其特征在于,所述感知模块(1)包括车载感知单元(11)和路侧感知单元(12),其中,
所述车载感知单元(11)设置在所述网联车上,用于采集所述网联车的运行信息及邻近非网联车的运行信息,所述邻近非网联车的运行信息至少包括非网联车方位、间距位置信息数据、加减速信息数据和路径数据;
所述路侧感知单元(12)设置在观测路段上,用于采集所述观测路段上的交通信息,所述观测路段上的交通信息至少包括道路视频数据、道路图片数据以及观测路段内的车辆信息。
3.根据权利要求1所述的面向混合交通流的路网运行状态检测系统,其特征在于,所述通信模块(2)包括车载通信单元(21)和路侧通信单元(22),其中,
所述车载通信单元(21)设置在所述网联车上,用于与其他网联车上的车载通信单元、所述路侧通信单元(22)以及所述云控平台模块(3)进行信息交互;
所述路侧通信单元(22)设置在观测路段上,用于与经过所述观测路段的网联车上的车载通信单元(21)以及所述云控平台模块(3)进行信息交互。
4.根据权利要求3所述的面向混合交通流的路网运行状态检测系统,其特征在于,所述车载通信单元(21)为WiFi、DSRC、LoRa、蓝牙、LTE-V、4G/5G/6G中的任一种;所述路侧通信单元(22)为WiFi、蓝牙、LTE-V、4G/5G/6G中的任一种。
5.根据权利要求1所述的面向混合交通流的路网运行状态检测系统,其特征在于,所述云控平台模块(3)包括云台通信单元(31)和数据处理单元(32),其中,
所述云台通信单元(31)能够连接所述车载通信单元(21)和所述路侧通信单元(22),用于接收来自网联车和路侧不同传感器测量的不同类型的交通信息数据;
所述数据处理单元(32)用于对来自所述不同类型的交通信息数据进行数据特征提取和融合,并根据融合结果获得路网运行态势演化规律。
6.根据权利要求5所述的面向混合交通流的路网运行状态检测系统,其特征在于,所述数据处理单元(32)包括点云数据特征提取子单元(321)、图像数据特征提取子单元(322)、数据融合子单元(323)、交通基本图构建子单元(324)和数据分析子单元(325),其中,
所述点云数据特征提取子单元(321)用于对所述交通信息数据中的散点类型数据建立三维坐标系,获得三维点云数据;
所述图像数据特征提取子单元(322)用于对所述交通信息数据中的图像类型数据利用卷积神经网络提取图像特征信息;
所述数据融合子单元(323)用于对所述三维点云数据和对应的所述图像特征信息进行融合,获得特定交通数据的融合结果;
所述交通基本图构建子单元(324)用于根据多组特定交通数据的融合结果构建交通基本图;
所述数据分析子单元(325)用于根据所述交通基本图及交通拥堵指数标准判断车辆运行情况,识别路网运行状态,得到路网运行态势演化规律。
7.一种面向混合交通流的路网运行状态检测方法,其特征在于,包括:
S1:实时采集观测路段内网联车和非网联车的交通信息数据;
S2:进行网联车之间、网联车与路侧之间的信息交互,并将所述交通信息数据传输至云控平台;
S3:利用所述云控平台对预定时间内的交通信息数据进行数据融合及分析,以判断车辆运行情况并获得路网运行态势演化规律。
8.根据权利要求7所述的面向混合交通流的路网运行状态检测方法,其特征在于,所述S1包括:
S11:采集所述网联车的运行信息、邻近非网联车的运行信息以及车辆所在路段的交通信息,所述邻近非网联车的运行信息至少包括非网联车方位、间距位置信息数据、加减速信息数据和路径数据;
S12:采集所述观测路段上的交通信息,所述观测路段上的交通信息至少包括道路视频数据、道路图片数据以及观测路段内的车辆信息。
9.根据权利要求8所述的面向混合交通流的路网运行状态检测方法,其特征在于,所述S3包括:
S31:接收来自网联车和路侧不同传感器测量的不同类型的交通信息数据;
S32:对来自所述不同类型的交通信息数据进行数据特征提取和融合,并根据融合结果获得路网运行态势演化规律。
10.根据权利要求9所述的面向混合交通流的路网运行状态检测方法,其特征在于,所述S32包括:
S321:对所述交通信息数据中的散点类型数据建立三维坐标系,获得三维点云数据;
S322:对所述交通信息数据中的图像类型数据利用卷积神经网络提取图像特征信息;
S323:对所述三维点云数据和对应的所述图像特征信息进行融合,获得特定交通数据的融合结果;
S324:根据多组特定交通数据的融合结果数据融合结果构建交通基本图;
S325:根据所述交通基本图及交通拥堵指数标准判断车辆运行情况,识别路网运行状态,得到路网运行态势演化规律。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110960547.6A CN113870553B (zh) | 2021-08-20 | 2021-08-20 | 一种面向混合交通流的路网运行状态检测系统及方法 |
PCT/CN2021/129854 WO2023019761A1 (zh) | 2021-08-20 | 2021-11-10 | 一种面向混合交通流的路网运行状态检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110960547.6A CN113870553B (zh) | 2021-08-20 | 2021-08-20 | 一种面向混合交通流的路网运行状态检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113870553A true CN113870553A (zh) | 2021-12-31 |
CN113870553B CN113870553B (zh) | 2023-08-29 |
Family
ID=78987924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110960547.6A Active CN113870553B (zh) | 2021-08-20 | 2021-08-20 | 一种面向混合交通流的路网运行状态检测系统及方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113870553B (zh) |
WO (1) | WO2023019761A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758494A (zh) * | 2022-03-25 | 2022-07-15 | 西安电子科技大学广州研究院 | 一种基于通信感知多源数据融合的交通参数检测系统及方法 |
CN114937081A (zh) * | 2022-07-20 | 2022-08-23 | 之江实验室 | 基于独立非均匀增量采样的网联车位置估计方法及装置 |
CN115188181A (zh) * | 2022-05-18 | 2022-10-14 | 合众新能源汽车有限公司 | 一种多融合道路车辆感知、导航方法及系统 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116403437A (zh) * | 2023-03-16 | 2023-07-07 | 安徽海博智能科技有限责任公司 | 一种基于云雾融合的露天矿山车路协同系统 |
CN117455121B (zh) * | 2023-12-19 | 2024-04-02 | 广东申创光电科技有限公司 | 一种智慧道路的信息管理方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105702031A (zh) * | 2016-03-08 | 2016-06-22 | 北京航空航天大学 | 基于宏观基本图的路网关键路段识别方法 |
CN106971565A (zh) * | 2017-04-22 | 2017-07-21 | 高新兴科技集团股份有限公司 | 一种基于物联网的区域交通边界控制与诱导协同方法及系统 |
CN107219533A (zh) * | 2017-08-04 | 2017-09-29 | 清华大学 | 激光雷达点云与图像融合式探测系统 |
CN107292965A (zh) * | 2017-08-03 | 2017-10-24 | 北京航空航天大学青岛研究院 | 一种基于深度图像数据流的虚实遮挡处理方法 |
CN109920246A (zh) * | 2019-02-22 | 2019-06-21 | 重庆邮电大学 | 一种基于v2x通信与双目视觉的协同局部路径规划方法 |
CN110570675A (zh) * | 2019-10-17 | 2019-12-13 | 中国公路工程咨询集团有限公司 | 一种车路协同环境下高速公路施工区的路侧控制系统 |
CN111540237A (zh) * | 2020-05-19 | 2020-08-14 | 河北德冠隆电子科技有限公司 | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819954B (zh) * | 2012-08-28 | 2014-11-12 | 南京大学 | 交通区域动态地图监控预测系统 |
CN106128140B (zh) * | 2016-08-11 | 2017-12-05 | 江苏大学 | 车联网环境下行车服务主动感知系统及方法 |
CN109714730B (zh) * | 2019-02-01 | 2021-03-19 | 清华大学 | 用于车车及车路协同的云控平台系统及协同系统和方法 |
CN111862655A (zh) * | 2020-05-27 | 2020-10-30 | 南京美慧软件有限公司 | 一种智能高速公路网交通设施系统及控制方法 |
CN112866328A (zh) * | 2020-11-06 | 2021-05-28 | 深圳慧拓无限科技有限公司 | 一种面向智能网联汽车的车路协同系统及方法 |
-
2021
- 2021-08-20 CN CN202110960547.6A patent/CN113870553B/zh active Active
- 2021-11-10 WO PCT/CN2021/129854 patent/WO2023019761A1/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105702031A (zh) * | 2016-03-08 | 2016-06-22 | 北京航空航天大学 | 基于宏观基本图的路网关键路段识别方法 |
CN106971565A (zh) * | 2017-04-22 | 2017-07-21 | 高新兴科技集团股份有限公司 | 一种基于物联网的区域交通边界控制与诱导协同方法及系统 |
CN107292965A (zh) * | 2017-08-03 | 2017-10-24 | 北京航空航天大学青岛研究院 | 一种基于深度图像数据流的虚实遮挡处理方法 |
CN107219533A (zh) * | 2017-08-04 | 2017-09-29 | 清华大学 | 激光雷达点云与图像融合式探测系统 |
CN109920246A (zh) * | 2019-02-22 | 2019-06-21 | 重庆邮电大学 | 一种基于v2x通信与双目视觉的协同局部路径规划方法 |
CN110570675A (zh) * | 2019-10-17 | 2019-12-13 | 中国公路工程咨询集团有限公司 | 一种车路协同环境下高速公路施工区的路侧控制系统 |
CN111540237A (zh) * | 2020-05-19 | 2020-08-14 | 河北德冠隆电子科技有限公司 | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758494A (zh) * | 2022-03-25 | 2022-07-15 | 西安电子科技大学广州研究院 | 一种基于通信感知多源数据融合的交通参数检测系统及方法 |
CN115188181A (zh) * | 2022-05-18 | 2022-10-14 | 合众新能源汽车有限公司 | 一种多融合道路车辆感知、导航方法及系统 |
CN114937081A (zh) * | 2022-07-20 | 2022-08-23 | 之江实验室 | 基于独立非均匀增量采样的网联车位置估计方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113870553B (zh) | 2023-08-29 |
WO2023019761A1 (zh) | 2023-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113870553B (zh) | 一种面向混合交通流的路网运行状态检测系统及方法 | |
CN111540237B (zh) | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 | |
CN111524362B (zh) | 基于多数据融合的车辆安全行驶保障系统与方法 | |
EP4071661A1 (en) | Automatic driving method, related device and computer-readable storage medium | |
CN107331191B (zh) | 异常行驶车辆定位方法、云服务器及系统 | |
US20220299324A1 (en) | Accident fault detection based on multiple sensor devices | |
CN115390554A (zh) | 一种设计运行区域odd判断方法、装置及相关设备 | |
CN110675628A (zh) | 一种路侧智能网联信息交互边缘装置 | |
CN106448263B (zh) | 车辆行驶安全管理系统及方法 | |
CN111768642A (zh) | 车辆的道路环境感知和车辆控制方法、系统、设备及车辆 | |
CN111464972A (zh) | 经优先级排序的车辆消息传递 | |
CN114792149A (zh) | 一种轨迹预测方法、装置及地图 | |
US20180222482A1 (en) | Vehicle control apparatus, vehicle control method, and vehicle control program | |
CN110969890A (zh) | 车辆、车机设备及其在线式地图智能构造方法、云服务器 | |
CN116572995B (zh) | 车辆的自动驾驶方法、装置及车辆 | |
CN113433548A (zh) | 一种数据监控方法、装置、设备及存储介质 | |
EP4134769A1 (en) | Method and apparatus for vehicle to pass through boom barrier | |
CN114782638B (zh) | 生成车道线的方法、装置、车辆、存储介质及芯片 | |
RU104356U1 (ru) | Автоматизированная система глобальной безопасности дорожного движения, мониторинга дорожной обстановки, дорожной ситуации, режимов работы всех бортовых систем и узлов автомобиля, сбора, обработки, передачи полученной информации от одних автомобилей к другим автомобилям и специальным государственным службам средствами связи и навигации | |
CN211180652U (zh) | 一种用于自动驾驶封闭测试场的测试系统 | |
KR20220111749A (ko) | 자율주행 차량의 추적 시스템 | |
CN112150807A (zh) | 车辆预警方法和装置、存储介质及电子设备 | |
CN217085550U (zh) | 一种智能网联的汽车安全数据监测装置及系统 | |
KR102658213B1 (ko) | V2x 메시지를 바탕으로 안전 운행을 위해 차량제어 가능한 디지털 운행기록장치. | |
Wang et al. | Trajectory prediction for left-turn vehicles at T-shaped intersections based on location based service |
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 |