CN114333303A - 一种高速公路隧道监控数据融合处理系统 - Google Patents

Abstract

一种高速公路隧道监控数据融合处理系统，包括智能控制柜和若干个智能控制器，所述智能控制柜设置在隧管所，所述智能控制器设置在隧道中，所述智能控制器连接形成拓扑结构后与智能控制柜连接，所述智能控制器与隧道设备连接，所述智能控制器包括智能控制器管理模块，所述智能控制器管理模块分别与AI视频分析模块、数据采集分析模块、智能控制柜以及其他智能控制器的智能控制器管理模块连接，所述AI视频分析模块与视频流分发模块连接，所述视频流分发模块，分别与设备接入代理模块、智能控制柜连接，所述数据采集分析模块与设备接入代理模块连接，所述设备接入代理模块与隧道设备连接。

Description

一种高速公路隧道监控数据融合处理系统

技术领域

本发明属于高速公路隧道监控数据融合技术领域，具体涉及一种高速公路隧道监控数据融合处理系统。

背景技术

近年来，我国交通道路在迅猛发展中，其重要的组成部分隧道数量也在不断上升,由于隧道半封闭的特点，倘若隧道内出现事故，则会容易造成严重后果，为保证公路隧道的安全、高效运行，隧道监控系统是长隧道、特长隧道建设中必不可少的部分，也是保证公路隧道交通畅通与运行环保必须的工程设施。

根据《高速公路隧道监控系统模式GB/T 18567-2010》标准，隧道监控系统负责对隧道交通和隧道内环境监视、检测和控制。隧道中主要包括监测设备、报警设备、控制和诱导设备三种类型的设备。监测设备用来监视隧道内交通运行情况和检测隧道内交通和环境参数，包括摄像机、交通事件检测器、车辆检测器、能见度检测器、一氧化碳检测器、风向风速检测器、亮度检测器、超高车辆检测器和火灾检测器等。报警设备用来为隧道内道路使用者在发生紧急事件时报警，包括手动报警按钮、紧急电话、火灾自动报警设备等。控制和诱导设备用来对隧道内的交通及环境进行控制和诱导，包括交通信号灯、车道控制标识、可变情报板、可变速标识、隧道广播、以及通风设备与照明设备的控制装置等。

现有高速公路隧道监控数据融合处理方案主要存在以下缺点：第一、隧道采集到的数据往往需要人工处理，无法对隧道内设备产生数据的进行有效分析、融合和处理，对异常事件无法做到及时处理、上报。第二、传统视频检测方案往往采用背景差分、运动目标检测等依赖背景建模方式的视频事件检测器，使用时极易受画面背景变化干扰，产生大量误报，严重影响正常管理工作，实际无法起到准确分析视频的作用。第三、传统方案一般没有高温预警功能，不能检测并定位到高温车辆，及时产生预警，避免火灾事故的发生。第四、传统方案往往采用前端数据采集，中心端集中处理的方案，当中心端节点发生故障时则无法及时处理异常事件。第四、传统方案中针对隧道内管理的各种类型的前端设备都有一套单独的管理系统，譬如：视频监控子系统、火灾报警子系统、交通控制子系统等，导致数据分散，统一管理性不足。

发明内容

为解决现在技术存在的上述问题，本发明提供了一种准确高效的识别各种异常事件、及时产生高温预警、预防因高温导致的火灾事故、解决误报问题、提高准确率的高速公路隧道监控数据融合处理系统。

本发明采用的技术方案是：

一种高速公路隧道监控数据融合处理系统，包括智能控制柜和若干个智能控制器，所述智能控制柜设置在隧管所，所述智能控制器设置在隧道中，所述智能控制器连接形成拓扑结构后与智能控制柜连接，所述智能控制器与隧道设备连接，其特征在于：所述智能控制器包括

智能控制器管理模块，分别与AI视频分析模块、数据采集分析模块、智能控制柜以及其他智能控制器的智能控制器管理模块连接，用于对AI视频分析模块和数据采集分析模块的通知进行告警除重处理并对除重后的异常事件进行处理；

AI视频分析模块，分别与智能控制器管理模块、视频流分发模块连接，用于从视频流分发模块中获取视频流，准确识别各类目标及其轨迹，分析出异常交通事件，通知给智能控制器管理模块；

视频流分发模块，分别与设备接入代理模块、智能控制柜连接，用于接收设备接入代理模块获取摄像机的视频流并分发给AI视频分析模块和智能控制柜；

数据采集分析模块，分别与智能控制器管理模块、设备接入代理模块连接，用于通过设备接入代理模块采集到隧道的环境数据、交通数据后对原始数据进行相应处理后，根据跟设定的阈值进行比较，判断是否需要产生告警，如产生告警则通知给智能控制器管理模块；或者用于接收设备接入代理模块通知的高温数据、过车车牌数据后，根据对比高温产生时间找到该时间点的过车车牌数据，然后根据车道号和高温检测坐标确定高温车辆，产生高温预警通知给智能控制器管理模块；

设备接入代理模块，分别与隧道设备、数据采集分析模块、视频流分发模块连接，用于接收隧道设备的各种数据，并发送相应数据给数据采集分析模块和视频流分发模块。

进一步，所述智能控制器管理模块的告警出重处理是根据本智能控制器产生的告警和隧道中其他智能控制器产生的告警的发生时间、事件类型进行比较，小于某一时间间隔产生相同的告警视为重复告警。

进一步，所述智能控制器管理模块除重后的异常事件的处理，包括：

调节和控制相应隧道区段设施设备；

根据隧道的拓扑结构，把异常事件通知到隧道中其他的智能控制器和智能控制柜。

进一步，调节和控制相应隧道区段设施设备包括：情报板自动发布、通风系统调节、照明系统调节。

进一步，所述AI视频分析模块采用人工智能深度学习技术为核心算法。

进一步，所述数据采集分析模块采集隧道的环境数据、交通数据后对原始数据进行自适应加权平均算法处理。

进一步，所述隧道设备包括网络摄像机、智能车牌检测器、智能温度检测器、能见度检测器、一氧化碳检测器、风向风速检测器、亮度检测器、火灾检测器、紧急电话/广播、可变情报板、交通信号灯、车道指示器、风机设备、照明设备、卷帘门设备。

本发明的有益效果：

1、把采集到环境数据和同隧道中其他智能控制器的分析数据进行融合分析，过滤重复异常事件，准确高效的识别各种异常事件。

2、能够准确识别画面中车辆、行人等目标，与画面背景无关，不再受摄像机抖动、光影变化、异物掠过等干扰，从根本上解决误报问题，准确率真正达到可用水平；

3、使用高温数据和车牌数据实现对高温车辆进行轨迹跟踪，及时产生高温预警，预防因高温导致的火灾事故；

4、采用分布式组件服务，各组件之间无直接的依赖关系，当系统检测到异常交通事件时，形成隧道现场自动控制的闭环，提高了系统的及时性，有效的避免因单点故障而导致交通异常事件无法处理的情况，提高系统的可靠性。

附图说明

图1是本发明的结构示意图。

图2是本发明的智能控制器的结构示意图。

图3是本发明的人工智能深度学习算法的流程示意图。

图中：隧道设备101，智能控制器102，设备接入代理模块103，视频流分发模块104，AI视频分析模块105，数据采集分析模块106，智能控制器管理模块107，智能控制柜108

具体实施方式

下面结合具体实施例来对本发明进行进一步说明，但并不将本发明局限于这些具体实施方式。本领域技术人员应该认识到，本发明涵盖了权利要求书范围内所可能包括的所有备选方案、改进方案和等效方案。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“顺时针”、“逆时针”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和简化描述，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。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上，除非另有明确的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

参见图1、图2，本实施例提供了一种高速公路隧道监控数据融合处理系统，包括智能控制柜108和若干个智能控制器102，所述智能控制柜108设置在隧管所，所述智能控制器102设置在隧道中，所述智能控制器102连接形成拓扑结构后与智能控制柜108连接，所述智能控制器102与隧道设备101连接，所述智能控制器102包括

智能控制器管理模块107，分别与AI视频分析模块105、数据采集分析模块106、智能控制柜108以及其他智能控制器102的智能控制器管理模块连接，用于对AI视频分析模块105和数据采集分析模块106的通知进行告警除重处理并对除重后的异常事件进行处理；

AI视频分析模块105，分别与智能控制器管理模块107、视频流分发模块104连接，用于从视频流分发模块104中获取视频流，采用人工智能深度学习技术为核心算法，准确识别各类目标及其轨迹，分析出异常交通事件，通知给智能控制器管理模块107；

视频流分发模块104，分别与设备接入代理模块103、智能控制柜108连接，用于接收设备接入代理模块103获取摄像机的视频流并分发给AI视频分析模块105和智能控制柜108；

数据采集分析模块106，分别与智能控制器管理模块107、设备接入代理模块103连接，用于通过设备接入代理模块103采集到隧道的环境数据、交通数据后对原始数据进行自适应加权平均算法处理后，根据跟设定的阈值进行比较，判断是否需要产生告警，如产生告警则通知给智能控制器管理模块107；或者用于接收设备接入代理模块103通知的高温数据、过车车牌数据后，根据对比高温产生时间找到该时间点的过车车牌数据，然后根据车道号和高温检测坐标确定高温车辆，产生高温预警通知给智能控制器管理模块107；

设备接入代理模块103，分别与隧道设备101、数据采集分析模块106、视频流分发模块104连接，用于接收隧道设备101的交通数据、环境数据、视频数据、高温数据、过车车牌数据，并发送交通数据、环境数据、高温数据、过车车牌数据给数据采集分析模块106，发送视频数据给视频流分发模块104。

本实施例所述智能控制器管理模块107的告警出重处理是根据本智能控制器102产生的告警和隧道中其他智能控制器102产生的告警的发生时间、事件类型进行比较，小于某一时间间隔产生相同的告警视为重复告警。

本实施例所述智能控制器管理模块107除重后的异常事件的处理，包括：

调节和控制相应隧道区段设施设备，比如情报板自动发布、通风系统调节、照明系统调节；

根据隧道的拓扑结构，把异常事件通知到隧道中其他的智能控制器102和智能控制柜108。

本实施例所述隧道设备101包括网络摄像机、智能车牌检测器、智能温度检测器、能见度检测器、一氧化碳检测器、风向风速检测器、亮度检测器、火灾检测器、紧急电话/广播、可变情报板、交通信号灯、车道指示器、风机设备、照明设备、卷帘门设备。

本实施例中的自适应加权平均算法，对于传感器最近采集的几组数据使用不同的权值，在总均方误差最小的最优条件下，根据各组数据以自适应的方式寻找其对应的权值，使融合后的数据达到最优。

具体步骤：

1、计算传感器最近几组数据的平均值，公式：

2、计算传感器最近几组数据的均方误差值，公式：

3、计算传感器各组数据对应的加权因子值，公式：

4、根据平均值、加权因子值进行自适应加权数据处理，公式：

本实施例中的人工智能深度学习算法，即深度学习技术是类似人脑的学习、工作方式，预先(出厂前)使用海量目标素材对算法神经网络进行训练，由神经网络自动总结目标特征，经过反复训练和考核，使其识别准确率达到可用水平。产品部署后，该神经网络就可以直接开始检测，准确识别各类目标及其轨迹，进而分析出异常交通事件。算法的核心处理流程如图3所示。

依据算法处理流程，针对各步骤进行描述说明：

(1)步骤一：视频图片输入。通过标准的视频码流接入协议(譬如：RTSP协议)针对前端接入的视频摄像机的视频流进行接入，在平台内部通过H264的解码库完成视频码流解码为一帧帧图片数据；

(2)步骤二：Yolov3算法目标识别与分类。平台内部部署海量图片素材训练的分类模型，通过开源的Yolov3的目标分类与识别算法，完成图片帧内部物理的定位和分类，主要是分出车型、行人和摩托车等；

(3)步骤三：DCF算法目标跟踪。通过开源的DCF算法持续的对一段时间内的图片中的特定目标行为轨迹的跟踪并将其移动位置和方向数字化；

(4)步骤四：使用自定义的行为轨迹分析的算法并配合相关系统设置阈值完成交通事件检测。

本发明对视频数据的融合处理时，具体步骤如下：

S10：设备接入代理模块103获取摄像机的视频流推送到视频流分发模块104，AI视频分析模板105从视频流分发模块104获取到视频流；

S11：AI视频分析模块105使用人工智能深度学习技术为核心算法，准确识别各类目标及其轨迹，进而分析出异常交通事件，通知给智能控制器管理模块107；

S12：智能控制器管理模块107接收到异常交通事件后进行告警出重处理，告警出重处理是根据本智能控制器产生的告警和隧道中其他智能控制器产生的告警的发生时间、事件类型进行比较，小于某一时间间隔产生相同的告警视为重复告警；

S13：智能控制器管理模块107除重后的异常交通事件的处理，主要包括两方面内容：

1、调节和控制相应隧道区段设施设备，如：情报板自动发布、通风系统调节、照明系统调节等；

2、根据隧道的拓扑结构，把异常事件通知到隧道中其他的智能控制器和智能控制柜。

本发明对环境数据、交通数据的融合处理时，具体步骤如下：

S20：数据采集分析模块106通过设备接入代理模块103采集到隧道的环境数据、交通数据后对原始数据进行自适应加权平均算法处理后，根据跟特定的阈值进行比较，判断是否需要产生告警，如产生告警则通知给智能控制器管理模块107；

S21：智能控制器管理模块107告警除重处理，除重处理参见步骤S12；

S22、智能控制器管理模块除重后的异常事件的处理，具体参见步骤S13。

本发明对高温数据、车牌数据的融合处理，具体步骤如下：

S30：数据采集分析模块106接收设备接入代理模块103通知的高温数据、过车车牌数据后，根据对比高温产生时间找到该时间点的过车车牌数据，然后根据车道号和高温检测坐标确定高温车辆，产生高温预警通知给智能控制器管理模块107；

S31：智能控制器管理模块107告警除重处理，除重处理参见步骤S12；

S32：智能控制器管理模块107除重后的异常事件的处理，具体参见步骤S13。

本发明把采集到环境数据和同隧道中其他智能控制器的分析数据进行融合分析，过滤重复异常事件，准确高效的识别各种异常事件；能够准确识别画面中车辆、行人等目标，与画面背景无关，不再受摄像机抖动、光影变化、异物掠过等干扰，从根本上解决误报问题，准确率真正达到可用水平；使用高温数据和车牌数据实现对高温车辆进行轨迹跟踪，及时产生高温预警，预防因高温导致的火灾事故；采用分布式组件服务，各组件之间无直接的依赖关系，当系统检测到异常交通事件时，形成隧道现场自动控制的闭环，提高了系统的及时性，有效的避免因单点故障而导致交通异常事件无法处理的情况，提高系统的可靠性。

Claims (7)

1.一种高速公路隧道监控数据融合处理系统，包括智能控制柜和若干个智能控制器，所述智能控制柜设置在隧管所，所述智能控制器设置在隧道中，所述智能控制器连接形成拓扑结构后与智能控制柜连接，所述智能控制器与隧道设备连接，其特征在于：所述智能控制器包括

智能控制器管理模块，分别与AI视频分析模块、数据采集分析模块、智能控制柜以及其他智能控制器的智能控制器管理模块连接，用于对AI视频分析模块和数据采集分析模块的通知进行告警除重处理并对除重后的异常事件进行处理；

AI视频分析模块，分别与智能控制器管理模块、视频流分发模块连接，用于从视频流分发模块中获取视频流，准确识别各类目标及其轨迹，分析出异常交通事件，通知给智能控制器管理模块；

视频流分发模块，分别与设备接入代理模块、智能控制柜连接，用于接收设备接入代理模块获取摄像机的视频流并分发给AI视频分析模块和智能控制柜；

数据采集分析模块，分别与智能控制器管理模块、设备接入代理模块连接，用于通过设备接入代理模块采集到隧道的环境数据、交通数据后对原始数据进行相应处理后，根据跟设定的阈值进行比较，判断是否需要产生告警，如产生告警则通知给智能控制器管理模块；或者用于接收设备接入代理模块通知的高温数据、过车车牌数据后，根据对比高温产生时间找到该时间点的过车车牌数据，然后根据车道号和高温检测坐标确定高温车辆，产生高温预警通知给智能控制器管理模块；

设备接入代理模块，分别与隧道设备、数据采集分析模块、视频流分发模块连接，用于接收隧道设备的各种数据，并发送相应数据给数据采集分析模块和视频流分发模块。

2.根据权利要求1所述的一种高速公路隧道监控数据融合处理系统，其特征在于：所述智能控制器管理模块的告警出重处理是根据本智能控制器产生的告警和隧道中其他智能控制器产生的告警的发生时间、事件类型进行比较，小于某一时间间隔产生相同的告警视为重复告警。

3.根据权利要求1所述的一种高速公路隧道监控数据融合处理系统，其特征在于：所述智能控制器管理模块除重后的异常事件的处理，包括：

调节和控制相应隧道区段设施设备；

根据隧道的拓扑结构，把异常事件通知到隧道中其他的智能控制器和智能控制柜。

4.根据权利要求3所述的一种高速公路隧道监控数据融合处理系统，其特征在于：调节和控制相应隧道区段设施设备包括：情报板自动发布、通风系统调节、照明系统调节。

5.根据权利要求1所述的一种高速公路隧道监控数据融合处理系统，其特征在于：所述AI视频分析模块采用人工智能深度学习技术为核心算法。

6.根据权利要求1所述的一种高速公路隧道监控数据融合处理系统，其特征在于：所述数据采集分析模块采集隧道的环境数据、交通数据后对原始数据进行自适应加权平均算法处理。

7.根据权利要求1所述的一种高速公路隧道监控数据融合处理系统，其特征在于：所述隧道设备包括网络摄像机、智能车牌检测器、智能温度检测器、能见度检测器、一氧化碳检测器、风向风速检测器、亮度检测器、火灾检测器、紧急电话/广播、可变情报板、交通信号灯、车道指示器、风机设备、照明设备、卷帘门设备。

Images