CN114241762B - 一种基于物联网的智慧城市交通综合数据采集分析系统 - Google Patents

Abstract

本发明提供了一种基于物联网的智慧城市交通综合数据采集分析系统，包括：行驶数据采集模块采集道路上的行驶数据，行人数据采集模块采集道路周围地区的行人数据，环境数据采集模块采集车辆行驶道路的道路环境数据，数据处理模块将某一片区域内所采集的行驶数据、行人数据以及环境数据进行处理得到整合数据，数据存储模块存储区域所对应的整合数据，并将整合数据分享给周围区域的数据存储模块存储。通过本发明实施例提出的一种基于物联网的智慧城市交通综合数据采集分析系统，用以实现对某片区域的交通综合数据的容灾备份的同时通过互邻区域相互分布存储的方式，从而能够根据周围区域分享得到的交通数据对该片区域的交通状况进行预测类型的管理。

Description

一种基于物联网的智慧城市交通综合数据采集分析系统

技术领域

本发明涉及大数据交通检测管理领域，特别涉及一种基于物联网的智慧城市交通综合数据采集分析系统。

背景技术

随着我国互联网为代表的现代信息技术的快速发展，物联网的概念逐渐被提出，万物互联成了未来互联网的主要发展趋势。随着物联网概念的提出，一种基于物联网的智能交通系统横空出世，物联网在城市交通方面的应用将城市交通组成要素：人、车、路、环境、信息五大维度打通，形成智能交通系统(ITS)，通过该种智能交通系统，能够分发挥交通设备的整理利益，将各种交通方式、枢纽，停车管理的作用发挥到新的高度。使得交通运行相互协调，各种交通方式并存，分工合理，紧密衔接。智能交通系统整合特种车辆(公交、出租、校车、救护、消防)监控与通信系统、交叉路口交通管理与信号控制系统、交通监控系统、车辆信息设备系统。这些系统的进一步整合，将为市民提供更实时的交通路况信息服务，指导市民出行与换乘效率，从而有效提高现有交通路网的通行能力和利用效率，协调时间和空间上的交通需求，进一步实现车辆的不停车收费。提高公路通行能力的同时改善公路建设、养护及基础设施的管理，降低管理与运营成本，进一步提高对车辆的安全管理能力。

然而，现有的关于智能交通系统的专利如案件CN201810220477.9提出的一种基于交通数据的大数据采集方法，仍旧是通过实时采集某片区域的交通数据来对该片区域交通数据中存在的现象进行判断，被动地对该片区域的城市交通进行管理，却不能实现对某片区域的交通综合数据的容灾备份的同时通过互邻区域相互分布存储的方式，从而能够从周围区域分享得到的交通数据对该片区域的交通状况进行预测类型的管理。

发明内容

本发明提供一种基于物联网的智慧城市交通综合数据采集分析系统，用以实现对某片区域的交通综合数据的容灾备份的同时通过互邻区域相互分布存储的方式，从而能够从周围区域分享得到的交通数据对该片区域的交通状况进行预测类型的管理。

本发明提供的一种基于物联网的智慧城市交通综合数据采集分析系统，包括：

行驶数据采集模块，用于采集道路上的行驶数据；

行人数据采集模块，用于采集道路周围地区的行人数据；

环境数据采集模块，用于采集车辆行驶道路的道路环境数据；

数据处理模块，用于将某一片区域内所采集的所述行驶数据、所述行人数据以及所述环境数据进行整合处理得到整合数据；

数据存储模块，用于存储该片区域所对应的所述整合数据，并将该整合数据分享给所设置的周围区域所对应的数据存储模块进行存储；

路况预测分析模块，用于根据所述整合数据对道路的路况进行预测分析得到分析结果。

优选的，所述行驶数据采集模块包括：

网约车数据获取单元，用于获取网约车数据；

私家车数据获取单元，用于获取私家车数据；

公共车数据获取单元，用于获取公共车数据；

行驶数据整合单元，分别与所述网约车数据获取单元或所述私家车数据获取单元或所述公共车数据获取单元连接，并将所获取的所述网约车数据或者所述私家车数据或者公共车数据进行整合得到行驶数据；

第一物联网终端，用于从网约车或私家车或公共交通车辆上采集原始数据，并将所述原始数据进行分类整合处理后对应发送给所述网约车数据获取单元或所述私家车数据获取单元或所述公共车数据获取单元；

其中，所述第一物联网终端包括：

数据采集器，包括设置在所述网约车或所述私家车或所述公共交通车辆上的雷达传感器、速度传感器以及车辆主控电脑数据采集通道，用于采集所述网约车或所述私家车或所述公共交通车辆上的原始数据；

处理器，与所述数据采集器电连接，用于将所采集的原始数据进行分类整合处理得到所述网约车数据或者所述私家车数据或者公共车数据；

无线通讯模块，与所述处理器电连接，用于将所述网约车数据或者所述私家车数据或者公共车数据发送至所述网约车数据获取单元或所述私家车数据获取单元或所述公共车数据获取单元。

优选的，所述行人数据采集模块包括：

移动采集单元，用于通过行人的手机自动定位功能，确定人行道上行人的数量、每位行人的移动速度、运动轨迹以及具体位置；

固定采集单元，用于通过设置在人行道上的红外成像传感器和摄像头对人行道上的行人进行视频拍摄，并对所拍摄的视频进行人体位置识别与跟踪，从而确定人行道上行人的数量、每位行人的移动速度、运动轨迹以及具体位置；

行人数据整合单元，用于将行人的数量、每位行人的移动速度、运动轨迹以及具体位置进行数据整合得到行人数据。

优选的，所述环境数据采集模块包括：

道路障碍物检测单元，用于通过摄像头采集车道上的巨型异物，并在道路路线图上对对应的地点进行标注；

市政施工点采集单元，用于从市政施工管理机构获取施工单位在车道上的施工地点，并在道路路线图上对施工地点进行标注；

施工车辆点采集单元，用于从城建机构获取正在运行的施工车辆的位置，并在道路路线图上对施工车辆的位置进行标注；

道路障碍点整合单元，用于将所述道路障碍物检测单元、所述市政施工点采集单元、所述施工车辆点采集单元所标注的地点设置为道路障碍点，根据所设置的道路障碍点生成道路的环境数据。

优选的，还包括路况预测分析模块；

所述路况预测分析模块用于根据所述行驶数据、所述行人数据以及所述路况环境信息对道路的路况进行预测分析得到分析结果；

所述路况预测分析模块包括：

行驶数据分析单元，用于对所述行驶数据进行分析，对道路上各段位置的车辆分布状态进行预测，得到第一预测结果；

行人数据分析单元，用于对所述行人数据进行分析，对某一片区域的行人的密集程度进行预测，得到第二预测结果；

环境数据分析单元，用于确定所述环境数据中的某个道路障碍点，基于所述行驶数据统计不同车辆密集程度下，车辆路过该道路障碍点的平均速度值，并将其作为第三预测结果；

预测分析单元，用于根据所述第一预测结果、所述第三预测结果确定在经过预设的第一时间长度后道路车辆的分布状况，并将其作为第四预测结果；

路况确定单元，用于将所述第二预测结果和所述第四预测结果进行整合得到分析结果。

优选的，所述行驶数据分析单元执行以下操作：

步骤S100、根据所述行驶数据确定行驶路线固定的第一类型车辆的运动轨迹，并基于所述行驶数据中所述第一类型车辆的平均行驶速度以及在各个地点停留的平均时长，确定经过所述第一时间长度后所述第一类型车辆的分布状况，其中，所述第一类型车辆包括公交车辆、轨道交通车辆；

步骤S101、根据所述行驶数据确定行驶路线半固定的第二类型车辆的运动轨迹，并基于所述行驶数据中所述第二类型车辆的平均行驶速度，确定经过所述第一时间长度后所述第二类型车辆的分布状况，其中，所述第二类型车辆为具有固定目的地的网约车；

步骤S102、根据所述行驶数据确定行驶路线具有周期性规律的第三类型车辆的运动轨迹，将当前所述第三类型车辆的运动轨迹与该第三类型车辆历史行驶路线信息中通过特征提取得到的多种常规行驶路线进行一一匹配，得到相似度最高的常规行驶路线，并基于所述行驶数据中所述第三类型车辆的平均行驶速度，确定经过所述第一时间长度后所述第三类型车辆的分布状况，其中，所述第二类型车辆包括私家车辆；

步骤S103、对所述第一类型车辆的分布状况、所述第二类型车辆的分布状况以及所述第三类型车辆的分布状况进行整合得到第一预测结果。

优选的，所述行人数据分析单元执行以下操作：

步骤S200、根据行人数据中行人的移动速度、运动轨迹以及具体位置确定所测量的某个行人属于驻足停留式行人或者流动式行人；

步骤S201、若该行人为流动式行人，则根据该行人的移动速度、运动轨迹以及具体位置确定该行人在未来的所述第一时间长度内的多种运动路线，并生成路线预测结果；

步骤S202、根据多个行人的所述路线预测结果，确定经过所述第一时间长度后某一片区域内行人的密集程度，并将其作为第二预测结果。

优选的，所述预测分析单元执行以下操作：

步骤S300、根据所述第一预测结果、所述第三预测结果预测各个所述道路障碍点的车辆的密集程度随时间的变化状况；

步骤S301、基于各个所述道路障碍点的车辆的密集程度随时间的变化状况，确定某辆车经过某个道路障碍点时，该道路障碍点周围车辆的密集程度，从而得到车辆路过该道路障碍点的平均速度值；

步骤S302、根据所述平均速度值以及所述第一预测结果对车辆的分布状况进行调整，从而确定在经过所述第一时间长度后道路车辆的分布状况，并将其作为第四预测结果。

优选的，还包括车辆违规再判定模块：

所述车辆违规再判定模块用于在通过路口设置的摄像头对路过的某个车辆进行拍照分析，并初步确定该车辆出现违规驾驶行为后，对该车辆的违规驾驶行为进行再次判定，判定过程如下：

获取该违规车辆对应的违规照片；

根据所述违规照片确定该违规照片对应的拍摄地点、拍摄时间以及违规车辆的车牌号；

获取该车牌号对应车辆的历史行驶路线信息；

根据所述历史行驶路线信息，确定该车牌号对应车辆在所述拍摄时间时所处的位置点；

判断所述拍摄地点与所述位置点之间的直线距离，当所述直线距离大于预设的距离阈值时确定该车牌号对应车辆与所述违规车辆不为同一车辆，并向工作人员发出异常警报；

当所述直线距离小于或等于预设的距离阈值时，确定该车牌号对应车辆与所述违规车辆为同一车辆，根据所述历史行驶路线信息确定该违规车辆被判定为存在违规驾驶行为前后一个预设的第二时间长度的判定时间段内的行驶路线，并获取该行驶路线上的多个摄像头在所述判定时间段内所拍摄的多个检测视频；

对所述检测视频中的车牌号进行识别，截取出存在该违规车辆的车牌号的检测视频作为判断视频，对所述判断视频中违规车辆的驾驶行为进行判定，并为所述判断视频标记对应的判断结果；

将被标记为存在违规驾驶行为的判断视频进行保存，同时统计存在违规驾驶行为的判断视频的总时间长度；

当所述总时间长度大于预设的时间长度阈值，且所有所述判断视频中均未出现过特种车辆时，判定该违规车辆确实存在违规驾驶行为；

当所述总时间长度小于预设的时间长度阈值或存在一个或多个判断视频中出现过特种车辆时，对工作人员发出误判警告，并将所保存的存在违规驾驶行为的判断视频发送给工作人员进行人工判断。

优选的，还包括路线建议满意度采集模块：

所述路线建议满意度采集模块用于在为用户司机提供路线规划建议后，确定用户司机对路线规划建议功能的满意度，具体过程如下：

将用户司机的行驶路线与所述路线规划建议中的路线进行匹配，从而判断该用户司机是否接受所述路线规划建议并按照所述路线规划建议中的路线进行行驶；

统计用户司机接受路线规划建议的次数占所述路线规划建议模块提出路线规划建议的总次数的比值作为第一满意度评分；

获取每次所述路线规划建议中的路线的第二路线长度与用户司机设定的起点到目标点路线的第一路线长度，并确定所述第二路线长度相对于第一路线长度的变化量；

获取用户司机按照所述路线规划建议中的路线进行行驶后用户司机对于第二路线长度相对于第一路线长度的变化量的接受程度的第二满意度评分；

根据所述第一满意度评分以及多个所述第二满意度评分，确定用户司机对路线规划建议功能的满意度；

当所述满意度低于预设的满意度阈值时，减少对该用户司机推送路线规划建议的行为。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例一种基于物联网的智慧城市交通综合数据采集分析系统的结构示意图；

图2为本发明实施例中行人数据分析单元执行步骤流程图；

图3为本发明实施例中预测分析单元执行步骤流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明提供的本发明提供的一种基于物联网的智慧城市交通综合数据采集分析系统，如图1，包括：

行驶数据采集模块1，用于采集道路上的行驶数据；

行人数据采集模块2，用于采集道路周围地区的行人数据；

环境数据采集模块3，用于采集车辆行驶道路的道路环境数据；

数据处理模块4，用于将某一片区域内所采集的所述行驶数据、所述行人数据以及所述环境数据进行整合处理得到整合数据；

数据存储模块5，用于存储该片区域所对应的所述整合数据，并将该整合数据分享给所设置的周围区域所对应的数据存储模块进行存储；

路况预测分析模块6，用于根据所述整合数据对道路的路况进行预测分析得到分析结果。

上述技术方案的工作原理和有益效果为：通过行驶数据采集模块1采集道路上的行驶数据，行驶数据包括车辆数目、车辆所在位置、各个车辆的行驶速度、行驶路线等信息，通过行人数据采集模块2采集道路周围地区的行人数据，行人数据包括行人数量、行人行动路线、行人运动速度、具体位置情况等，通过环境数据采集模块3采集车辆行驶道路的道路环境数据，道路环境数据包括道路施工点、道路作业车辆、道路上的异常障碍物等，通过数据处理模块4，用于将某一片区域内所采集的所述行驶数据、所述行人数据以及所述环境数据进行整合处理得到整合数据，通过数据存储模块5存储该片区域所对应的所述整合数据，并将该整合数据分享给所设置的周围区域所对应的数据存储模块进行存储，从而实现相邻区域的数据的采集与整合以及分布式存储，通过分布式存储从而实现对整合的交通综合数据的容灾备份的同时能够根据从周围区域分享得到的交通数据对该片区域的交通状况进行预测。最终通过路况预测分析模块6根据整合数据对道路的路况进行预测分析得到分析结果。

在一个优选实施例中，行驶数据采集模块1包括：

网约车数据获取单元，用于获取网约车数据，网约车数据包括通过互联网络所采集得到的网约车导航行驶路线信息、通过卫星定位设备确定的网约车的实际行驶路线信息以及网约车的位置信息、通过设置在网约车上的雷达传感器以及速度传感器测量得到的平均行驶速度信息；

私家车数据获取单元，用于获取私家车数据，私家车数据包括通过互联网络所采集得到的私家车导航行驶路线信息、通过卫星定位设备确定的私家车的实际行驶路线信息以及私家车的位置信息、通过设置在私家车上的雷达传感器以及速度传感器测量得到的平均行驶速度信息；

公共车数据获取单元，用于获取公共车数据，公共车数据包括通过互联网络所采集得到的公共交通车辆的固定行驶路线信息、通过卫星定位设备确定的公共交通车辆的实际行驶路线信息以及公共交通车辆的位置信息、通过设置在公共交通车辆上的雷达传感器以及速度传感器测量得到的平均行驶速度信息；

行驶数据整合单元，分别与网约车数据获取单元或私家车数据获取单元或公共车数据获取单元连接，并将所获取的网约车数据或者私家车数据或者公共车数据进行整合得到行驶数据；

第一物联网终端，用于从网约车或私家车或公共交通车辆上采集原始数据，并将原始数据进行分类整合处理后对应发送给网约车数据获取单元或私家车数据获取单元或公共车数据获取单元；

其中，第一物联网终端包括：

数据采集器，包括设置在网约车或私家车或公共交通车辆上的雷达传感器、速度传感器以及车辆主控电脑数据采集通道，用于采集网约车或私家车或公共交通车辆上的原始数据；

处理器，与数据采集器电连接，用于将所采集的原始数据进行分类整合处理得到网约车数据或者私家车数据或者公共车数据；

无线通讯模块，与处理器电连接，用于将网约车数据或者私家车数据或者公共车数据发送至网约车数据获取单元或私家车数据获取单元或公共车数据获取单元。

上述技术方案的工作原理和有益效果为：网约车数据获取单元获取网约车数据，网约车数据包括通过互联网络所采集得到的网约车导航行驶路线信息、通过卫星定位设备确定的网约车的实际行驶路线信息以及网约车的位置信息、通过设置在网约车上的雷达传感器以及速度传感器测量得到的平均行驶速度信息，实现了对具有明确目的地车辆的数据采集。私家车数据获取单元获取私家车数据，私家车数据包括通过互联网络所采集得到的私家车导航行驶路线信息、通过卫星定位设备确定的私家车的实际行驶路线信息以及私家车的位置信息、通过设置在私家车上的雷达传感器以及速度传感器测量得到的平均行驶速度信息，从而实现了对具有周期性规律变化路线的车辆的数据采集。公共车数据获取单元获取公共车数据，公共车数据包括通过互联网络所采集得到的公共交通车辆的固定行驶路线信息、通过卫星定位设备确定的公共交通车辆的实际行驶路线信息以及公共交通车辆的位置信息、通过设置在公共交通车辆上的雷达传感器以及速度传感器测量得到的平均行驶速度信息，从而实现了对具有明确运动规律及停留时长的车辆的数据采集。通过第一物联网终端从网约车或私家车或公共交通车辆上采集原始数据，并将原始数据进行分类整合处理后对应发送给网约车数据获取单元或私家车数据获取单元或公共车数据获取单元。最后通过行驶数据整合单元将所获取的网约车数据或者私家车数据或者公共车数据进行整合得到行驶数据。根据该行驶数据，基本能够确定交通道路上具有一定运动路线规律的所有类型车辆的运动状态。

在一个优选实施例中，行人数据采集模块2包括：

移动采集单元，用于通过行人的手机自动定位功能，确定人行道上行人的数量、每位行人的移动速度、运动轨迹以及具体位置；

固定采集单元，用于通过设置在人行道上的红外成像传感器和摄像头对人行道上的行人进行视频拍摄，并对所拍摄的视频进行人体位置识别与跟踪，从而确定人行道上行人的数量、每位行人的移动速度、运动轨迹以及具体位置；

行人数据整合单元，用于将行人的数量、每位行人的移动速度、运动轨迹以及具体位置进行数据整合得到行人数据。

上述技术方案的工作原理和有益效果为：移动采集单元通过行人的手机自动定位功能，确定人行道上行人的数量，每位行人的移动速度、运动轨迹以及具体位置。固定采集单元通过设置在人行道上的红外成像传感器和摄像头对人行道上的行人进行视频拍摄，并对所拍摄的视频进行人体位置识别与跟踪，从而确定人行道上行人的数量，每位行人的移动速度、运动轨迹以及具体位置。从而能够根据移动速度、运动轨迹以及具体位置对行人的运动形式进行判定，确定行人是否长时间驻留在一个地点，用于划分流动性行人和驻足停留式行人。行人数据整合单元将行人的数量、每位行人的移动速度、运动轨迹以及具体位置进行数据整合得到行人数据。根据行人数据能够实现对某片区域内行人的运动进出的情况进行简单预测。

在一个优选实施例中，环境数据采集模块3包括：

道路障碍物检测单元，用于通过摄像头采集车道上的巨型异物，并在道路路线图上对对应的地点进行标注；

市政施工点采集单元，用于从市政施工管理机构获取施工单位在车道上的施工地点，并在道路路线图上对施工地点进行标注；

施工车辆点采集单元，用于从城建机构获取正在运行的施工车辆的位置，并在道路路线图上对施工车辆的位置进行标注；

道路障碍点整合单元，用于将道路障碍物检测单元、市政施工点采集单元、施工车辆点采集单元所标注的地点设置为道路障碍点，根据所设置的道路障碍点生成道路的环境数据。

上述技术方案的工作原理和有益效果为：道路障碍物检测单元通过摄像头采集车道上的巨型异物，并在道路路线图上对对应的地点进行标注；市政施工点采集单元从市政施工管理机构获取施工单位在车道上的施工地点，并在道路路线图上对施工地点进行标注；施工车辆点采集单元从城建机构获取正在运行的施工车辆的位置，并在道路路线图上对施工车辆的位置进行标注；道路障碍点整合单元将道路障碍物检测单元、市政施工点采集单元、施工车辆点采集单元所标注的地点设置为道路障碍点，根据所设置的道路障碍点生成道路的环境数据。通过设置的道路障碍点确定道路上影响车辆或行人流动速度的位置，对该位置的行人或车辆的流动速度进行分析过后，从而能够根据分析结果对理想状态下的车辆或行人的流动速度进行调整，从而使预测过程更符合道路堵塞的实际情况，能够使预测分析结果更为准确。

在一个优选实施例中，还包括路况预测分析模块；

所述路况预测分析模块用于根据所述行驶数据、所述行人数据以及所述路况环境信息对道路的路况进行预测分析得到分析结果；

所述路况预测分析模块包括：

行驶数据分析单元，用于对行驶数据进行分析，对道路上各段位置的车辆分布状态进行预测，得到第一预测结果；

行人数据分析单元，用于对行人数据进行分析，对某一片区域的行人的密集程度进行预测，得到第二预测结果；

环境数据分析单元，用于确定环境数据中的某个道路障碍点，基于行驶数据统计不同车辆密集程度下，车辆路过该道路障碍点的平均速度值，并将其作为第三预测结果；

预测分析单元，用于根据第一预测结果、第三预测结果确定在经过预设的第一时间长度后道路车辆的分布状况，并将其作为第四预测结果；

路况确定单元，用于将第二预测结果和第四预测结果进行整合得到分析结果。

上述技术方案的工作原理和有益效果为：根据所述行驶数据、所述行人数据以及所述路况环境信息对道路的路况进行预测分析得到分析结果，首先通过行驶数据分析单元对行驶数据进行分析，对道路上各段位置的车辆分布状态进行预测从而确定道路上车辆在理想状态下运动一段时间后的车辆分布状态，并将其作为第一预测结果，然后通过行人数据分析单元对行人数据进行分析，确定行人在经过一段时间后将会处于哪一片区域，当根据行人数据对某个行人进行所处区域预测时，若基于该行人对应的平均运动速度经过一段时间后该行人能够出现在多个区域，则根据所预测的行人行走路线在多个区域所占的权重作为该行人出现在各个区域的权重，若一个行人根据他的平均运动速度确定他在经过一段时间后所预测出的行走路线完全处于一个区域范围之内，则这个区域内的行人数量权重加1，统计每个区域内的行人数量权重之和便能够得到每个区域内行人粗略的预测数量。从而对每一片区域的行人的密集程度进行预测，得到第二预测结果；环境数据分析单元确定环境数据中的某个道路障碍点，基于行驶数据统计不同车辆密集程度下，车辆路过该道路障碍点的平均速度值，并将其作为第三预测结果；预测分析单元根据第一预测结果、第三预测结果确定在经过预设的第一时间长度后道路车辆的分布状况，并将其作为第四预测结果，通过第三预测结果对理想状态下的第一预测结果进行调整，从而使预测过程更符合道路堵塞的实际情况；路况确定单元将第二预测结果和第四预测结果进行整合得到分析结果。

在一个优选实施例中，行驶数据分析单元执行以下操作：

步骤S100、根据行驶数据确定行驶路线固定的第一类型车辆的运动轨迹，并基于行驶数据中第一类型车辆的平均行驶速度以及在各个地点停留的平均时长，确定经过第一时间长度后第一类型车辆的分布状况，其中，第一类型车辆包括公交车辆、轨道交通车辆；

步骤S101、根据行驶数据确定行驶路线半固定的第二类型车辆的运动轨迹，并基于行驶数据中第二类型车辆的平均行驶速度，确定经过第一时间长度后第二类型车辆的分布状况，其中，第二类型车辆为具有固定目的地的网约车；

步骤S102、根据行驶数据确定行驶路线具有周期性规律的第三类型车辆的运动轨迹，将当前第三类型车辆的运动轨迹与该第三类型车辆历史行驶路线信息中通过特征提取得到的多种常规行驶路线进行一一匹配，得到相似度最高的常规行驶路线，并基于行驶数据中第三类型车辆的平均行驶速度，确定经过第一时间长度后第三类型车辆的分布状况，其中，第二类型车辆包括私家车辆；

步骤S103、对第一类型车辆的分布状况、第二类型车辆的分布状况以及第三类型车辆的分布状况进行整合得到第一预测结果。

上述技术方案的工作原理和有益效果为：行驶数据分析单元执行以下操作，根据行驶数据确定行驶路线固定的第一类型车辆的运动轨迹，并基于行驶数据中第一类型车辆的平均行驶速度以及在各个地点停留的平均时长，确定经过第一时间长度后第一类型车辆的分布状况，其中，第一类型车辆包括公交车辆、轨道交通车辆，该种类型的车辆的分布状况很容易确定。根据行驶数据确定行驶路线半固定的第二类型车辆的运动轨迹，并基于行驶数据中第二类型车辆的平均行驶速度，确定经过第一时间长度后第二类型车辆的分布状况，其中，第二类型车辆为具有固定目的地的网约车，由于网约车有固定的行驶路线，所以网约车在正常交通环境下经过一段时间后处于该段行驶路线上的什么位置也比较容易进行大致判定；根据行驶数据确定行驶路线具有周期性规律的第三类型车辆的运动轨迹，将当前第三类型车辆的运动轨迹与该第三类型车辆历史行驶路线信息中通过特征提取得到的多种常规行驶路线进行一一匹配，得到相似度最高的常规行驶路线，并基于行驶数据中第三类型车辆的平均行驶速度，确定经过第一时间长度后第三类型车辆的分布状况，其中，第二类型车辆包括私家车辆，比如该私家车辆在周一到周五固定时间段内上下班，具有固定的路线A，而周末经常去看望亲戚或者经常去某个地方游玩，所以频繁出现路线B、路线C，为此可以将该私家车在某一次行驶过程中的路线与这三个路线进行比对，则大致能够判断该私家车想要走的路线，在必要的情况下还可以结合对应的时间点(比如上下班时间)来对路线进行进一步确定，在确定线路后基于私家车的平均行驶速度，能够大致确定经过第一时间长度后私家车辆的分布状况；对第一类型车辆的分布状况、第二类型车辆的分布状况以及第三类型车辆的分布状况进行整合得到第一预测结果。

在一个优选实施例中，如图2，行人数据分析单元执行以下操作：

步骤S200、根据行人数据中行人的移动速度、运动轨迹以及具体位置确定所测量的某个行人属于驻足停留式行人或者流动式行人；

步骤S201、若该行人为流动式行人，则根据该行人的移动速度、运动轨迹以及具体位置确定该行人在未来的第一时间长度内的多种运动路线，并生成路线预测结果；

步骤S202、根据多个行人的路线预测结果，确定经过第一时间长度后某一片区域内行人的密集程度，并将其作为第二预测结果。

上述技术方案的工作原理和有益效果为：根据行人数据中行人的移动速度、运动轨迹以及具体位置确定所测量的某个行人属于驻足停留式行人或者流动式行人，若该行人为流动式行人，则根据该行人的移动速度、运动轨迹以及具体位置确定该行人在未来的第一时间长度内的多种运动路线，并生成路线预测结果；根据多个行人的路线预测结果，确定经过第一时间长度后某一片区域内行人的密集程度，并将其作为第二预测结果。比如根据路线预测结果，确定所预测的行人行走路线在多个区域所占的权重作为该行人出现在各个区域的权重，若一个行人根据他的平均运动速度确定他在经过一段时间后所预测出的行走路线完全处于一个区域范围之内，则这个区域内的行人数量权重加1，统计每个区域内的行人数量权重之和便能够得到每个区域内行人粗略的预测数量。

在一个优选实施例中，如图3，预测分析单元执行以下操作：

步骤S300、根据第一预测结果、第三预测结果预测各个道路障碍点的车辆的密集程度随时间的变化状况；

步骤S301、基于各个道路障碍点的车辆的密集程度随时间的变化状况，确定某辆车经过某个道路障碍点时，该道路障碍点周围车辆的密集程度，从而得到车辆路过该道路障碍点的平均速度值；

步骤S302、根据平均速度值以及第一预测结果对车辆的分布状况进行调整，从而确定在经过第一时间长度后道路车辆的分布状况，并将其作为第四预测结果。

上述技术方案的工作原理和有益效果为：根据第一预测结果、第三预测结果预测各个道路障碍点的车辆的密集程度随时间的变化状况；基于各个道路障碍点的车辆的密集程度随时间的变化状况，确定某辆车经过某个道路障碍点时，该道路障碍点周围车辆的密集程度，从而得到车辆路过该道路障碍点的平均速度值；根据平均速度值以及第一预测结果对车辆的分布状况进行调整，从而确定在经过第一时间长度后道路车辆的分布状况，并将其作为第四预测结果。通过第三预测结果对理想状态下的第一预测结果进行调整，从而使预测过程更符合道路堵塞实际情况下的关于车辆分布的第四预测结果。

在一个优选实施例中，还包括车辆违规再判定模块：

车辆违规再判定模块用于在通过路口设置的摄像头对路过的某个车辆进行拍照分析，并初步确定该车辆出现违规驾驶行为后，对该车辆的违规驾驶行为进行再次判定，判定过程如下：

获取该违规车辆对应的违规照片；

根据违规照片确定该违规照片对应的拍摄地点、拍摄时间以及违规车辆的车牌号；

获取该车牌号对应车辆的历史行驶路线信息；

根据历史行驶路线信息，确定该车牌号对应车辆在拍摄时间时所处的位置点；

判断拍摄地点与位置点之间的直线距离，当直线距离大于预设的距离阈值时确定该车牌号对应车辆与违规车辆不为同一车辆，并向工作人员发出异常警报；

当直线距离小于或等于预设的距离阈值时，确定该车牌号对应车辆与违规车辆为同一车辆，根据历史行驶路线信息确定该违规车辆被判定为存在违规驾驶行为前后一个预设的第二时间长度的判定时间段内的行驶路线，并获取该行驶路线上的多个摄像头在判定时间段内所拍摄的多个检测视频；

对检测视频中的车牌号进行识别，截取出存在该违规车辆的车牌号的检测视频作为判断视频，对判断视频中违规车辆的驾驶行为进行判定，并为判断视频标记对应的判断结果；

将被标记为存在违规驾驶行为的判断视频进行保存，同时统计存在违规驾驶行为的判断视频的总时间长度；

当总时间长度大于预设的时间长度阈值，且所有判断视频中均未出现过特种车辆时，判定该违规车辆确实存在违规驾驶行为；

当总时间长度小于预设的时间长度阈值或存在一个或多个判断视频中出现过特种车辆时，对工作人员发出误判警告，并将所保存的存在违规驾驶行为的判断视频发送给工作人员进行人工判断。

上述技术方案的工作原理和有益效果为：通过车辆违规再判定模块在通过路口设置的摄像头对路过的某个车辆进行拍照分析，并初步确定该车辆出现违规驾驶行为后，对该车辆的违规驾驶行为进行再次判定，判定过程如下：获取该违规车辆对应的违规照片，该违规照片为将该车辆判定为违规车辆的证据资料。根据违规照片确定该违规照片对应的拍摄地点、拍摄时间以及违规车辆的车牌号，随后获取该车牌号对应车辆的历史行驶路线信息，并根据历史行驶路线信息，确定该车牌号对应车辆在拍摄时间时所处的位置点，值得说明的是，可以预先设定车牌号对应车辆的车载GPS的设备编号，并通过查找该设备编号的GPS的运动路线，确定车牌号原本车辆的具体位置变化情况，从而有效防止有人恶意使用套牌车牌号进行违规驾驶对车牌号的真正主人带去困扰。判断拍摄地点与位置点之间的直线距离，当直线距离大于预设的距离阈值时确定该车牌号对应车辆与违规车辆不为同一车辆，并向工作人员发出异常警报，提醒工作人员对套牌的行为进行追查。当直线距离小于或等于预设的距离阈值时，则大致确定该车牌号对应车辆与违规车辆为同一车辆，不存在恶意套牌现象，此时则需要根据历史行驶路线信息确定该违规车辆被判定为存在违规驾驶行为前后一个预设的第二时间长度的判定时间段内的行驶路线，并获取该行驶路线上的多个摄像头在判定时间段内所拍摄的多个检测视频。对检测视频中的车牌号进行识别，截取出存在该违规车辆的车牌号的检测视频作为判断视频，对判断视频中违规车辆的驾驶行为进行判定，并为判断视频标记对应的判断结果。将被标记为存在违规驾驶行为的判断视频进行保存，同时统计存在违规驾驶行为的判断视频的总时间长度。通过总时间长度与预设的时间长度阈值的对比情况，能够避免传统的图像检测违规驾驶行为系统误判的情况，比如飞鸟挡住车牌导致被识别为恶意遮挡车牌号的行为以及司机抬手被误判为开车过程中打电话的行为就能够进行避免，飞鸟挡住车牌以及司机抬手的时间是极短的，被判定为存在违规驾驶行为的判断视频的总时间长度就会很短，当总时间长度小于时间长度阈值时，则说明基本不可能存在持续性违规驾驶行为。若总时间长度大于预设的时间长度阈值且所有判断视频中均未出现过特种车辆时，判定该违规车辆确实存在违规驾驶行为。若总时间长度小于预设的时间长度阈值或存在一个或多个判断视频中出现过特种车辆时，对工作人员发出误判警告，并将所保存的存在违规驾驶行为的判断视频发送给工作人员进行人工判断，防止让路的行为被误判为违规驾驶。

在一个优选实施例中，还包括路线建议满意度采集模块：

路线建议满意度采集模块用于在为用户司机提供路线规划建议后，确定用户司机对路线规划建议功能的满意度，具体过程如下：

将用户司机的行驶路线与路线规划建议中的路线进行匹配，从而判断该用户司机是否接受路线规划建议并按照路线规划建议中的路线进行行驶；

统计用户司机接受路线规划建议的次数占路线规划建议模块提出路线规划建议的总次数的比值作为第一满意度评分；

获取每次路线规划建议中的路线的第二路线长度与用户司机设定的起点到目标点路线的第一路线长度，并确定第二路线长度相对于第一路线长度的变化量；

获取用户司机按照路线规划建议中的路线进行行驶后用户司机对于第二路线长度相对于第一路线长度的变化量的接受程度的第二满意度评分；

根据第一满意度评分以及多个第二满意度评分，确定用户司机对路线规划建议功能的满意度；

当所述满意度低于预设的满意度阈值时，减少对该用户司机推送路线规划建议的行为。

上述技术方案的工作原理和有益效果为：将用户司机的行驶路线与路线规划建议中的路线进行匹配，从而判断该用户司机是否接受路线规划建议并按照路线规划建议中的路线进行行驶；将用户司机的行驶路线与路线规划建议中的路线进行匹配，从而判断该用户司机是否接受路线规划建议并按照路线规划建议中的路线进行行驶；统计用户司机接受路线规划建议的次数N占路线规划建议模块提出路线规划建议的总次数M的比值作为第一满意度评分；获取每次路线规划建议中的路线的第二路线长度与用户司机设定的起点到目标点路线的第一路线长度，并确定第二路线长度相对于第一路线长度的变化量；获取用户司机按照路线规划建议中的路线进行行驶后用户司机对于第二路线长度相对于第一路线长度的变化量的接受程度的第二满意度评分；根据第一满意度评分以及多个第二满意度评分，确定用户司机对路线规划建议功能的满意度，上述过程对应的公式如下：

式中S表示满意度，k表示用户司机所接受的N次路线规划建议里面对应的第二路线长度比第一路线长度长的情况的次数，N-k表示所接受的N次路线规划建议里面对应的第二路线长度比第一路线长度短的情况的次数，β为预设的修正系数，δ_i表示第i次第二路线长度比第一路线长度长的情况中，用户司机对于第二路线长度相对于第一路线长度的变化量的接受程度的第二满意度评分，b_i表示第i次第二路线长度比第一路线长度长的情况中，第二路线长度与第一路线长度的差值，a_i表示第i次第二路线长度比第一路线长度长的情况中的第一路线长度，ω_j表示第j次第二路线长度比第一路线长度短的情况中，用户司机对于第二路线长度相对于第一路线长度的变化量的接受程度的第二满意度评分，c_j表示第就j次第二路线长度比第一路线长度短的情况中，第二路线长度与第一路线长度的差值，a_j表示第j次第二路线长度比第一路线长度短的情况中的第一路线长度。通过上述公式，对于某两次第二路线长度比第一路线长度长的路线规划建议中，确定用户司机对单次规划的满意程度存在公式

若两次路线规划建议中第二路线长度与第一路线长度的差值b不同(即所绕路的长短不同)，给的两次的评分δ相同，则说明用户司机对绕更长路的一次路线规划建议的服务更满意，同样的，在第二路线长度与第一路线长度的差值b相同时，用户评分δ越高，说明用户司机对该单次规划的满意程度越大。对于一次路线规划建议里面对应的第二路线长度比第一路线长度短的情况下，确定用户司机对该单次规划的满意程度存在公式

若两次路线规划建议中第二路线长度与第一路线长度的差值c不同(即所省下行程的长短不同)，给的两次的评分ω却相同，则说明用户司机对所省下行程更短一点路的一次路线规划建议的服务更满意，同样的，在第二路线长度与第一路线长度的差值c相同时，用户评分ω越低，说明用户司机对该单次规划的满意程度越小。通过对多次路线规划建议的满意程度的平均计算，得到用户司机对路线规划建议功能的整体的满意度。当所述满意度低于预设的满意度阈值时，减少对该用户司机推送路线规划建议的行为。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种基于物联网的智慧城市交通综合数据采集分析系统，其特征在于，包括：

行驶数据采集子系统，用于采集道路上的行驶数据；

行人数据采集模块，用于采集道路周围地区的行人数据；

环境数据采集模块，用于采集车辆行驶道路的道路环境数据；

数据处理模块，用于将某一片区域内所采集的所述行驶数据、所述行人数据以及所述环境数据进行整合处理得到整合数据；

数据存储模块，用于存储该片区域所对应的所述整合数据，并将该整合数据分享给所设置的周围区域所对应的数据存储模块进行存储；

路况预测分析模块，用于根据所述整合数据对道路的路况进行预测分析得到分析结果；

还包括车辆违规再判定模块：

所述车辆违规再判定模块用于在通过路口设置的摄像头对路过的某个车辆进行拍照分析，并初步确定该车辆出现违规驾驶行为后，对该车辆的违规驾驶行为进行再次判定，判定过程如下：

获取违规车辆对应的违规照片；

根据所述违规照片确定该违规照片对应的拍摄地点、拍摄时间以及违规车辆的车牌号；

获取该车牌号对应车辆的历史行驶路线信息；

根据所述历史行驶路线信息，确定该车牌号对应车辆在所述拍摄时间时所处的位置点；

判断所述拍摄地点与所述位置点之间的直线距离，当所述直线距离大于预设的距离阈值时确定该车牌号对应车辆与所述违规车辆不为同一车辆，并向工作人员发出异常警报；

当所述直线距离小于或等于预设的距离阈值时，确定该车牌号对应车辆与所述违规车辆为同一车辆，根据所述历史行驶路线信息确定该违规车辆被判定为存在违规驾驶行为前后一个预设的第二时间长度的判定时间段内的行驶路线，并获取该行驶路线上的多个摄像头在所述判定时间段内所拍摄的多个检测视频；

对所述检测视频中的车牌号进行识别，截取出存在该违规车辆的车牌号的检测视频作为判断视频，对所述判断视频中违规车辆的驾驶行为进行判定，并为所述判断视频标记对应的判断结果；

将被标记为存在违规驾驶行为的判断视频进行保存，同时统计存在违规驾驶行为的判断视频的总时间长度；

当所述总时间长度大于预设的时间长度阈值，且所有所述判断视频中均未出现过特种车辆时，判定该违规车辆确实存在违规驾驶行为；

当所述总时间长度小于预设的时间长度阈值或存在一个或多个判断视频中出现过特种车辆时，对工作人员发出误判警告，并将所保存的存在违规驾驶行为的判断视频发送给工作人员进行人工判断。

2.根据权利要求1所述的一种基于物联网的智慧城市交通综合数据采集分析系统，其特征在于，所述行驶数据采集子系统包括：

网约车数据获取单元，用于获取网约车数据；

私家车数据获取单元，用于获取私家车数据；

公共车数据获取单元，用于获取公共车数据；

行驶数据整合单元，分别与所述网约车数据获取单元或所述私家车数据获取单元或所述公共车数据获取单元连接，并将所获取的所述网约车数据或者所述私家车数据或者公共车数据进行整合得到行驶数据；

第一物联网终端，用于从网约车或私家车或公共交通车辆上采集原始数据，并将所述原始数据进行分类整合处理后对应发送给所述网约车数据获取单元或所述私家车数据获取单元或所述公共车数据获取单元；

其中，所述第一物联网终端包括：

数据采集器，包括设置在所述网约车或所述私家车或所述公共交通车辆上的雷达传感器、速度传感器以及车辆主控电脑数据采集通道，用于采集所述网约车或所述私家车或所述公共交通车辆上的原始数据；

处理器，与所述数据采集器电连接，用于将所采集的原始数据进行分类整合处理得到所述网约车数据或者所述私家车数据或者公共车数据；

无线通讯模块，与所述处理器电连接，用于将所述网约车数据或者所述私家车数据或者公共车数据发送至所述网约车数据获取单元或所述私家车数据获取单元或所述公共车数据获取单元。

3.根据权利要求1所述的一种基于物联网的智慧城市交通综合数据采集分析系统，其特征在于，所述行人数据采集模块包括：

移动采集单元，用于通过行人的手机自动定位功能，确定人行道上行人的数量、每位行人的移动速度、运动轨迹以及具体位置；

固定采集单元，用于通过设置在人行道上的红外成像传感器和摄像头对人行道上的行人进行视频拍摄，并对所拍摄的视频进行人体位置识别与跟踪，从而确定人行道上行人的数量、每位行人的移动速度、运动轨迹以及具体位置；

行人数据整合单元，用于将行人的数量、每位行人的移动速度、运动轨迹以及具体位置进行数据整合得到行人数据。

4.根据权利要求1所述的一种基于物联网的智慧城市交通综合数据采集分析系统，其特征在于，所述环境数据采集模块包括：

道路障碍物检测单元，用于通过摄像头采集车道上的巨型异物，并在道路路线图上对对应的地点进行标注；

市政施工点采集单元，用于从市政施工管理机构获取施工单位在车道上的施工地点，并在道路路线图上对施工地点进行标注；

施工车辆点采集单元，用于从城建机构获取正在运行的施工车辆的位置，并在道路路线图上对施工车辆的位置进行标注；

道路障碍点整合单元，用于将所述道路障碍物检测单元、所述市政施工点采集单元、所述施工车辆点采集单元所标注的地点设置为道路障碍点，根据所设置的道路障碍点生成道路的环境数据。

5.根据权利要求1所述的一种基于物联网的智慧城市交通综合数据采集分析系统，其特征在于，所述路况预测分析模块包括：

行驶数据分析单元，用于对所述行驶数据进行分析，对道路上各段位置的车辆分布状态进行预测，得到第一预测结果；

行人数据分析单元，用于对所述行人数据进行分析，对某一片区域的行人的密集程度进行预测，得到第二预测结果；

环境数据分析单元，用于确定所述环境数据中的某个道路障碍点，基于所述行驶数据统计不同车辆密集程度下，车辆路过该道路障碍点的平均速度值，并将其作为第三预测结果；

预测分析单元，用于根据所述第一预测结果、所述第三预测结果确定在经过预设的第一时间长度后道路车辆的分布状况，并将其作为第四预测结果；

路况确定单元，用于将所述第二预测结果和所述第四预测结果进行整合得到分析结果。

6.根据权利要求5所述的一种基于物联网的智慧城市交通综合数据采集分析系统，其特征在于，所述行驶数据分析单元执行以下操作：

步骤S100、根据所述行驶数据确定行驶路线固定的第一类型车辆的运动轨迹，并基于所述行驶数据中所述第一类型车辆的平均行驶速度以及在各个地点停留的平均时长，确定经过所述第一时间长度后所述第一类型车辆的分布状况，其中，所述第一类型车辆包括公交车辆、轨道交通车辆；

步骤S101、根据所述行驶数据确定行驶路线半固定的第二类型车辆的运动轨迹，并基于所述行驶数据中所述第二类型车辆的平均行驶速度，确定经过所述第一时间长度后所述第二类型车辆的分布状况，其中，所述第二类型车辆为具有固定目的地的网约车；

步骤S102、根据所述行驶数据确定行驶路线具有周期性规律的第三类型车辆的运动轨迹，将当前所述第三类型车辆的运动轨迹与该第三类型车辆历史行驶路线信息中通过特征提取得到的多种常规行驶路线进行一一匹配，得到相似度最高的常规行驶路线，并基于所述行驶数据中所述第三类型车辆的平均行驶速度，确定经过所述第一时间长度后所述第三类型车辆的分布状况，其中，所述第三类型车辆包括私家车辆；

步骤S103、对所述第一类型车辆的分布状况、所述第二类型车辆的分布状况以及所述第三类型车辆的分布状况进行整合得到第一预测结果。

7.根据权利要求5所述的一种基于物联网的智慧城市交通综合数据采集分析系统，其特征在于，所述行人数据分析单元执行以下操作：

步骤S200、根据行人数据中行人的移动速度、运动轨迹以及具体位置确定所测量的某个行人属于驻足停留式行人或者流动式行人；

步骤S201、若该行人为流动式行人，则根据该行人的移动速度、运动轨迹以及具体位置确定该行人在未来的所述第一时间长度内的多种运动路线，并生成路线预测结果；

步骤S202、根据多个行人的所述路线预测结果，确定经过所述第一时间长度后某一片区域内行人的密集程度，并将其作为第二预测结果。

8.根据权利要求5所述的一种基于物联网的智慧城市交通综合数据采集分析系统，其特征在于，所述预测分析单元执行以下操作：

步骤S300、根据所述第一预测结果、所述第三预测结果预测各个所述道路障碍点的车辆的密集程度随时间的变化状况；

步骤S301、基于各个所述道路障碍点的车辆的密集程度随时间的变化状况，确定某辆车经过某个道路障碍点时，该道路障碍点周围车辆的密集程度，从而得到车辆路过该道路障碍点的平均速度值；

步骤S302、根据所述平均速度值以及所述第一预测结果对车辆的分布状况进行调整，从而确定在经过所述第一时间长度后道路车辆的分布状况，并将其作为第四预测结果。

9.根据权利要求1所述的一种基于物联网的智慧城市交通综合数据采集分析系统，其特征在于，还包括路线建议满意度采集模块：

所述路线建议满意度采集模块用于在为用户司机提供路线规划建议后，确定用户司机对路线规划建议功能的满意度，具体过程如下：

将用户司机的行驶路线与所述路线规划建议中的路线进行匹配，从而判断该用户司机是否接受所述路线规划建议并按照所述路线规划建议中的路线进行行驶；

统计用户司机接受路线规划建议的次数占所述路线规划建议模块提出路线规划建议的总次数的比值作为第一满意度评分；

获取每次所述路线规划建议中的路线的第二路线长度与用户司机设定的起点到目标点路线的第一路线长度，并确定所述第二路线长度相对于第一路线长度的变化量；

获取用户司机按照所述路线规划建议中的路线进行行驶后用户司机对于第二路线长度相对于第一路线长度的变化量的接受程度的第二满意度评分；

根据所述第一满意度评分以及多个所述第二满意度评分，确定用户司机对路线规划建议功能的满意度；

当所述满意度低于预设的满意度阈值时，减少对该用户司机推送路线规划建议的行为。

Images