CN115116264A - 一种景区交通综合管控方法 - Google Patents
一种景区交通综合管控方法 Download PDFInfo
- Publication number
- CN115116264A CN115116264A CN202210710397.8A CN202210710397A CN115116264A CN 115116264 A CN115116264 A CN 115116264A CN 202210710397 A CN202210710397 A CN 202210710397A CN 115116264 A CN115116264 A CN 115116264A
- Authority
- CN
- China
- Prior art keywords
- parking
- license plate
- scenic spot
- image data
- parking lot
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 55
- 230000011218 segmentation Effects 0.000 claims description 36
- 238000013528 artificial neural network Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 31
- 239000013598 vector Substances 0.000 claims description 31
- 238000003706 image smoothing Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种景区交通综合管控方法,包括:获取摄像头图像数据,摄像头图像数据用于表征景区停车场的车位对应的监测图像;根据摄像头图像数据,确定景区停车场中每个车位对应的第一停车状态,第一停车状态包括景区车位已停车或景区车位未停车;获取至少一个停车移动终端所传输的第二停车状态,停车移动终端用于表征私人停车场的数据终端,第二停车状态包括私人车位已停车或私人车位未停车;根据第一停车状态和第二停车状态,获取停车建议,并将停车建议传输至游客导航终端以及交通管控终端,完成景区交通综合管控。本发明可以为拥堵停车场附近的游客推荐有剩余车位的景区停车场和/或私人停车场,避免了景区停车场一直拥堵,缓解了交通流量。
Description
技术领域
本发明涉及车辆管理以及信息技术领域,具体涉及一种景区交通综合管控方法。
背景技术
景区交通管控问题主要围绕车辆的“行”与“停”的问题,与城市的交通管控有一定区别,城市交通主要核心在于通过“疏”来解决“行”的问题,“停”不是核心;而景区的交通主要核心在于既要解决“停”,还要尽可能让车辆“停”以避免影响到“行”的问题,必要时会结合“行”的流量对道路进行管控,如:在旅游高峰期,会根据交通卡口反馈数据、人员对关键节点拥挤程度的上报、结合历史经验的预判,来对关键道路进行人工交通管制,依据车辆类别如对非原住民车辆、景区营运车辆、工作车辆进行限行管控或流量控制,通过交通引导牌来给游客提供到场后的路线改变性服务引导。对于一些停车场服务信息,景区主要通过户外大屏向游客提供一些对接有停车场系统的适时数据以供游客参考,但如果没有停车场系统的停车场则通过停车标识让游客自己找到后来问。
这些解决办法实际上是人工加部份智慧系统来实现,并没有达到很好的成效,主要体现在:游客不能提前知道可“行”和可“停”的信息,而且只能到近场才能掌握这些信息,在寻“停”寻“行”过程中,会产生调头、减速以及擦挂等问题,加上下意识的“寻求离目的地最近的停车场寻求方便”,会第一时间朝中心位置行驶,这样就会导致越离景区大门口的停车场和道路越拥挤,从而由点到面引发全面的交通问题。
发明内容
本发明所要解决的技术问题是景区交通堵塞的问题,目的在于提供一种景区交通综合管控方法,解决了现有技术中游客不知道停车场信息,导致道路长时间拥堵的问题。
本发明通过下述技术方案实现:
一种景区交通综合管控方法,包括:
获取摄像头图像数据,所述摄像头图像数据用于表征景区停车场的车位对应的监测图像,所述景区停车场的数量为一个或多个;
根据所述摄像头图像数据,确定景区停车场中每个车位对应的第一停车状态,所述第一停车状态包括景区车位已停车或景区车位未停车;
获取至少一个停车移动终端所传输的第二停车状态,所述停车移动终端用于表征私人停车场的数据终端,所述第二停车状态包括私人车位已停车或私人车位未停车;
根据所述第一停车状态和所述第二停车状态,获取停车建议,并将所述停车建议传输至游客导航终端以及交通管控终端,完成景区交通综合管控。
进一步地,根据所述摄像头图像数据,确定景区停车场中每个车位对应的第一停车状态之后,还包括:
获取景区停车场中车位的预定信息,所述预定信息包括景区车位已被预定或景区车位未被预定;
根据所述预定信息,将已被预定的车位对应的第一停车状态更新为景区车位已停车。
进一步地,根据所述第一停车状态和所述第二停车状态,获取停车建议,并将所述停车建议传输至游客导航终端以及交通管控终端,包括:
调用第三方地图接口,获取每个景区停车场以及每个私人停车场的拥堵情况,所述拥堵情况包括车流量以及拥堵状态,所述拥堵状态包括停车场拥堵或停车场不堵;
根据拥堵状态,在所有景区停车场以及每个私人停车场中确定拥堵停车场,在所有景区停车场以及每个私人停车场中确定不拥堵停车场;
根据所述第一停车状态和所述第二停车状态,确定不拥堵停车场中是否存在剩余车位,若是,则将建议前往该存在剩余车位的不拥堵停车场作为停车建议传输至所有游客导航终端以及交通管控终端,否则将该不存在剩余车位的不拥堵停车场标记为已满,并将不建议前往该已满的不拥堵停车场作为停车建议传输至所有游客导航终端以及交通管控终端;
获取两两停车场之间的距离,所述两两停车场之间的距离预先存储于数据库之中;
根据拥堵停车场对应的车流量、第一停车状态、第二停车状态和两两停车场之间的距离,确定至少一个不拥堵停车场;
确定拥堵停车场附近阈值距离内的游客导航终端,将建议前往确定的至少一个不拥堵停车场作为停车建议,并传输至确定的游客导航终端以及所有交通管控终端。
进一步地,根据拥堵停车场对应的车流量、第一停车状态、第二停车状态和两两停车场之间的距离,确定至少一个不拥堵停车场,包括:
根据第一停车状态和第二停车状态,确定不拥堵停车场的剩余车位;
根据所述拥堵停车场对应的车流量,在所有不拥堵停车场中确定至少一个目标停车场,所述至少一个目标停车场的剩余车位大于或等于拥堵停车场对应的车流量;
根据两两停车场之间的距离,获取拥堵停车场与至少一个目标停车场之间的总距离;
遍历所有不拥堵停车场,确定总距离最短的至少一个目标停车场,得到至少一个不拥堵停车场。
进一步地,根据所述摄像头图像数据,确定景区内每个车位对应的第一停车状态,包括:
对所述摄像头图像数据进行预处理,得到预处理后的摄像头图像数据;
对预处理后的摄像头图像数据进行车牌定位,并判定车牌定位是否成功,若是,则对车牌号进行识别,得到车牌号,并确定车牌识别结果为车牌号,否则确定车牌识别结果为空;所述识别为空的车牌号用于表征摄像头图像数据中不存在车辆;
根据所述车牌识别结果,将已识别的具体车牌号对应的景区内车位标记为景区车位已停车,将识别为空的车牌号对应的景区内车位标记为景区车位未停车,得到景区内每个车位对应的第一停车状态。
进一步地,对所述摄像头图像数据进行预处理,得到预处理后的摄像头图像数据,包括:
对摄像头图像数据中每个像素点进行灰度化处理,得到灰度化图像,所述灰度化处理包括:
Gray(x,y)=0.11R(x,y)+0.59G(x,y)+0.3B(x,y)
其中,Gray(x,y)表示摄像头图像数据中第x行第y列像素点的灰度值,x=1,2,…,X,y=1,2,…,Y,X表示摄像头图像数据像素点的总行数,Y表示摄像头图像数据像素点的总列数,R(x,y)表示摄像头图像数据中第x行第y列的像素点的红色亮度值,G(x,y)表示摄像头图像数据中第x行第y列的像素点的绿色亮度值,B(x,y)表示摄像头图像数据中第x行第y列的像素点的蓝色亮度值;
根据灰度化图像中灰度值Gray(x,y),确定最小灰度值a以及最大灰度值b,确定变换后的目标最小灰度值c以及目标最大灰度值d,根据最小灰度值a、最大灰度值b、标最小灰度值c以及目标最大灰度值d对灰度化图像中灰度值Gray(x,y)进行变换,所述变换包括:
其中,g(x,y)表示变换后的Gray(x,y),所述目标最小灰度值c以及目标最大灰度值d为预先存储于数据库中的数据;
根据变换后的灰度值g(x,y),对摄像头图像数据进行图像平滑处理,得到预处理后的摄像头图像数据,所述图像平滑处理包括:
进一步地,对预处理后的摄像头图像数据进行车牌定位,并判定车牌定位是否成功,若是,则对车牌号进行识别,得到车牌号,并确定车牌识别结果为车牌号,否则确定车牌识别结果为空,包括:
对预处理后的摄像头图像数据进行边缘检测,得到检测图像;
对检测图像进行二值化处理,得到二值化图像;
定位二值化图像中的车牌区域,并判定车牌定位是否成功,若是,则对车牌区域进行裁剪,得到裁剪图像,否则确定车牌识别结果为空;
将裁剪图像进行字符分割,并对分割图像归一化,得到车牌字符分割图像;
通过车牌识别模型对车牌字符分割图像进行识别,得到车牌号,并确定车牌识别结果为车牌号。
进一步地,通过车牌识别模型对车牌字符分割图像进行识别,得到车牌号,并确定车牌识别结果为车牌号,包括:
获取若干训练样本对,所述训练样本对包括训练车牌字符分割图像以及训练车牌字符分割图像对应的标签图像;
对训练样本对进行归一化处理,得到预处理后的训练样本对;
以BP神经网络构建车牌识别模型,并以预处理后的训练样本对训练BP神经网络,将训练完成的BP神经网络作为车牌识别模型;
将车牌字符分割图像输入车牌识别模型,得到车牌号,并确定车牌识别结果为车牌号。
进一步地,以预处理后的训练样本对训练BP神经网络,包括:
A、获取误差阈值ξ、第一参数μ1以及第二参数β,所述误差阈值ξ、第一参数μ1以及第二参数β为预先存储于数据库中的数据,且0<β<1;
B、设置训练次数计数器k=1以及学习率η=μ1;
C、从预处理后的训练样本对中取出M个训练车牌字符分割图像输入BP神经网络中,获取M个实际网络输出向量;
D、以该M个训练车牌字符分割图像对应的标签图像作为期望网络输出向量,获取误差指标为:
E、判断误差指标是否小于误差阈值ξ,若是,则以当前的阈值作为BP神经网络最终的阈值,以当前的权值作为BP神经网络最终的权值,得到训练完成的BP神经网络,否则根据学习率η获取阈值和权重的增量为:
Δw=[JT(w)J(w)+ηI]JT(w)e
其中,w表示BP神经网络权值和阈值组成的向量,Δw表示阈值和权重的增量,J(w)表示中间矩阵,JT(w)表示J(w)的转置矩阵,I表示单位向量,表示偏微分符号,w1,w2,…,wN表示向量w中的N个值,e表示误差矩阵,e=[e1,e2,...,eM];
F、根据增量Δw,对权值和阈值组成的向量w进行更新,更新包括:
wk+1=wk+Δw
其中,wk+1表示更新后的向量w,wk表示更新前的向量w;
G、根据第二参数β对学习率η进行更新,并令训练次数计数器k的计数值加一,返回步骤C。
进一步地,根据第二参数β对学习率η进行更新,包括:
以更新权值和阈值后的BP神经网络,重新获取本次误差指标,并判断本次误差指标是否小于上次误差指标,若是,则获取学习率η与第二参数β的乘积,并将学习率η的值更新为该乘积,否则获取学习率η除以第二参数β的商,并将学习率η的值更新为该商。
本发明与现有技术相比,具有如下的优点和有益效果:
(1)本发明提供了一种景区交通综合管控方法,整合了景区停车场和私人停车场,可以为拥堵停车场附近的游客推荐有剩余车位的景区停车场和/或私人停车场,避免了景区停车场一直拥堵,缓解了交通流量。
(2)本发明可以将景区停车场和私人停车场中的剩余车位传输至游客导航终端,使游客可以选择去剩余车位较多的停车场,减少了寻找车位的时间,间接缓解了道路的负荷,避免因人工寻找停车位置而必不可少的临停以及减速带来的景区交通拥堵。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。在附
图中:
图1为本发明实施例提供的一种景区交通综合管控方法的流程图。
图2为本发明实施例提供的一种景区交通综合管控装置的结构示意图。
图3为本发明实施例提供的一种景区交通综合管控设备的结构示意图。
附图中标记及对应的零部件名称:
21-图像获取模块,22-第一停车状态确定模块,23-第二停车状态确定模块,24-管控模块,31-存储器,32-处理器,33-总线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
如图1所示,一种景区交通综合管控方法,包括:
S11、获取摄像头图像数据,摄像头图像数据用于表征景区停车场的车位对应的监测图像,景区停车场的数量为一个或多个。
在本实施例中,景区停车场中的每个车位对应一个监控摄像头,且当车位里停车时,该监控摄像头拍摄的摄像头图像数据应当包括车位中车辆对应的车牌。
S12、根据摄像头图像数据,确定景区停车场中每个车位对应的第一停车状态,第一停车状态包括景区车位已停车或景区车位未停车。
可选的,可以为每个车位以及车位对应的摄像头图像数据分配唯一编号,当确定第一停车状态后,可以将第一停车状态与车位关联,从而可以确定景区停车场中每个车位是否停车。
可以通过以下方式确定景区停车场中每个车位对应的第一停车状态:识别摄像头图像数据中的车牌信息,若识别到具体的车牌号,则确定该车位的第一停车状态为景区车位已停车;若未识别到具体的车牌号,则确定该车位的第一停车状态为景区车位未停车。
S13、获取至少一个停车移动终端所传输的第二停车状态,停车移动终端用于表征私人停车场的数据终端,第二停车状态包括私人车位已停车或私人车位未停车。
停车移动终端表示私人停车场的车位管理终端,通过接收该停车移动终端发送的第二停车状态,则可以结合私人停车场的剩余车位对景区交通进行综合管理。
S14、根据第一停车状态和第二停车状态,获取停车建议,并将停车建议传输至游客导航终端以及交通管控终端,完成景区交通综合管控。
根据第一停车状态和第二停车状态,获取停车建议,可以包括:根据第一停车状态和第二停车状态,将存在剩余车位的景区停车场和存在剩余车位的私人停车场作为停车建议。
景区停车场表示由景区管理的停车场,私人停车场表示由私人管理的停车场,景区停车场和私人停车场均位于景区地界内。
本实施例方法技术方案的执行主体可以为一种景区交通综合管控装置,该景区交通综合管控装置可以通过软件实现,也可以通过软件和硬件的结合实现。
可选的,可以将第一停车状态和第二停车状态传输至景区的显示屏、公众号以及其他可以展示信息的设备,以保证游客能够从多渠道获取车位信息。
在一种可能的实施方式中,根据摄像头图像数据,确定景区停车场中每个车位对应的第一停车状态之后,还包括:
获取景区停车场中车位的预定信息,预定信息包括景区车位已被预定或景区车位未被预定。
根据预定信息,将已被预定的车位对应的第一停车状态更新为景区车位已停车。
可选的,当接收到游客导航终端所传输的车位的预定信息时,查验该预定信息是否已付款,若是,则将该预定信息存入数据库中,并根据预定信息,将已被预定的车位对应的第一停车状态更新为景区车位已停车,否则不执行操作,等待付款。
在一种可能的实施方式中,根据第一停车状态和第二停车状态,获取停车建议,并将停车建议传输至游客导航终端以及交通管控终端,包括:
调用第三方地图接口,获取每个景区停车场以及每个私人停车场的拥堵情况,拥堵情况包括车流量以及拥堵状态,拥堵状态包括停车场拥堵或停车场不堵。
例如,可以调用百度地图或者谷歌地图,获取每个景区停车场以及每个私人停车场的拥堵情况。
根据拥堵状态,在所有景区停车场以及每个私人停车场中确定拥堵停车场,在所有景区停车场以及每个私人停车场中确定不拥堵停车场。
根据第一停车状态和第二停车状态,确定不拥堵停车场中是否存在剩余车位,若是,则将建议前往该存在剩余车位的不拥堵停车场作为停车建议传输至所有游客导航终端以及交通管控终端,否则将该不存在剩余车位的不拥堵停车场标记为已满,并将不建议前往该已满的不拥堵停车场作为停车建议传输至所有游客导航终端以及交通管控终端。
通过划分拥堵停车场和不拥堵停车场,可以为游客生成初步的停车建议,使游客可以通过游客导航终端获取存在剩余车位的不拥堵停车场,并前往不拥堵停车场。同时将存在剩余车位的不拥堵停车场的信息发送至交通管控终端,方便持有交通管控终端的工作人员进行交通管控。
获取两两停车场之间的距离,两两停车场之间的距离预先存储于数据库之中。
两两停车场的距离以实际道路为准,该距离数据预先获取,方便景区交通综合管控时使用。
根据拥堵停车场对应的车流量、第一停车状态、第二停车状态和两两停车场之间的距离,确定至少一个不拥堵停车场。
确定拥堵停车场附近阈值距离内的游客导航终端,将建议前往确定的至少一个不拥堵停车场作为停车建议,并传输至确定的游客导航终端以及所有交通管控终端。
可选的,阈值距离为预先设置的参数,例如:以停车场为圆心,阈值距离为一公里,那么该区域内的车辆都默认为前往该停车场。
为拥堵停车场附近的游客导航终端产生二次建议,使游客可以自行前往其他停车场,可以快速解决拥堵问题。
在一种可能的实施方式中,根据拥堵停车场对应的车流量、第一停车状态、第二停车状态和两两停车场之间的距离,确定至少一个不拥堵停车场,包括:
根据第一停车状态和第二停车状态,确定不拥堵停车场的剩余车位。
根据拥堵停车场对应的车流量,在所有不拥堵停车场中确定至少一个目标停车场,至少一个目标停车场的剩余车位大于或等于拥堵停车场对应的车流量。
根据两两停车场之间的距离,获取拥堵停车场与至少一个目标停车场之间的总距离。
遍历所有不拥堵停车场,确定总距离最短的至少一个目标停车场,得到至少一个不拥堵停车场。
拟合出所有能够容纳当前拥堵车流量的方案,然后选取距离最短的方案为目标方案,即可确定至少一个不拥堵停车场。
在一种可能的实施方式中,根据摄像头图像数据,确定景区内每个车位对应的第一停车状态,包括:
对摄像头图像数据进行预处理,得到预处理后的摄像头图像数据;
对预处理后的摄像头图像数据进行车牌定位,并判定车牌定位是否成功,若是,则对车牌号进行识别,得到车牌号,并确定车牌识别结果为车牌号,否则确定车牌识别结果为空;识别为空的车牌号用于表征摄像头图像数据中不存在车辆;
根据车牌识别结果,将已识别的具体车牌号对应的景区内车位标记为景区车位已停车,将识别为空的车牌号对应的景区内车位标记为景区车位未停车,得到景区内每个车位对应的第一停车状态。
通过对摄像头图像数据进行识别,可以实时对景区内的车位进行监测,以保证车位实时更新。值得说明的是,当车位被预定后,就默认为该车位已经被使用,就可以不对该车位对应的摄像头图像数据进行识别,以减少计算量。
可以将车位信息可视化,并传输至游客导航终端中,使游客可以根据编号,确定哪些车位被占用,哪些车位为剩余车位,减少停车时间,避免了因寻找车位造成的临停和缓行。
在一种可能的实施方式中,对摄像头图像数据进行预处理,得到预处理后的摄像头图像数据,包括:
对摄像头图像数据中每个像素点进行灰度化处理,得到灰度化图像,灰度化处理包括:
Gray(x,y)=0.11R(x,y)+0.59G(x,y)+0.3B(x,y)
其中,Gray(x,y)表示摄像头图像数据中第x行第y列像素点的灰度值,x=1,2,…,X,y=1,2,…,Y,X表示摄像头图像数据像素点的总行数,Y表示摄像头图像数据像素点的总列数,R(x,y)表示摄像头图像数据中第x行第y列的像素点的红色亮度值,G(x,y)表示摄像头图像数据中第x行第y列的像素点的绿色亮度值,B(x,y)表示摄像头图像数据中第x行第y列的像素点的蓝色亮度值;
根据灰度化图像中灰度值Gray(x,y),确定最小灰度值a以及最大灰度值b,确定变换后的目标最小灰度值c以及目标最大灰度值d,根据最小灰度值a、最大灰度值b、标最小灰度值c以及目标最大灰度值d对灰度化图像中灰度值Gray(x,y)进行变换,变换包括:
其中,g(x,y)表示变换后的Gray(x,y),目标最小灰度值c以及目标最大灰度值d为预先存储于数据库中的数据;
根据变换后的灰度值g(x,y),对摄像头图像数据进行图像平滑处理,得到预处理后的摄像头图像数据,所述图像平滑处理包括:
在一种可能的实施方式中,对预处理后的摄像头图像数据进行车牌定位,并判定车牌定位是否成功,若是,则对车牌号进行识别,得到车牌号,并确定车牌识别结果为车牌号,否则确定车牌识别结果为空,包括:
对预处理后的摄像头图像数据进行边缘检测,得到检测图像。
对检测图像进行二值化处理,得到二值化图像。
定位二值化图像中的车牌区域,并判定车牌定位是否成功,若是,则对车牌区域进行裁剪,得到裁剪图像,否则确定车牌识别结果为空。
将裁剪图像进行字符分割,并对分割图像归一化,得到车牌字符分割图像。通过归一化,可以将车牌字符分割图像归一至统一大小,方便识别。
通过车牌识别模型对车牌字符分割图像进行识别,得到车牌号,并确定车牌识别结果为车牌号。
值得说明的是,除了本实施例所述车牌字符分割图像的获取方法外,还可以采用其他车牌定位以及车牌字符分割算法,以得到车牌字符。
在一种可能的实施方式中,通过车牌识别模型对车牌字符分割图像进行识别,得到车牌号,并确定车牌识别结果为车牌号,包括:
获取若干训练样本对,训练样本对包括训练车牌字符分割图像以及训练车牌字符分割图像对应的标签图像。
对训练样本对进行归一化处理,得到预处理后的训练样本对。对于BP神经网络而言,其输入为向量,但是直接将图像转换为向量,数据量较大,导致处理过程较慢,因此对训练样本进行归一化处理,以降低数据复杂程度,加快数据处理过程。值得说明的是,也可以不进行归一化。
以BP神经网络构建车牌识别模型,并以预处理后的训练样本对训练BP神经网络,将训练完成的BP神经网络作为车牌识别模型。
将车牌字符分割图像输入车牌识别模型,得到车牌号,并确定车牌识别结果为车牌号。
在一种可能的实施方式中,以预处理后的训练样本对训练BP神经网络,包括:
A、获取误差阈值ξ、第一参数μ1以及第二参数β,误差阈值ξ、第一参数μ1以及第二参数β为预先存储于数据库中的数据,且0<β<1;
B、设置训练次数计数器k=1以及学习率η=μ1;
C、从预处理后的训练样本对中取出M个训练车牌字符分割图像输入BP神经网络中,获取M个实际网络输出向量;
D、以该M个训练车牌字符分割图像对应的标签图像作为期望网络输出向量,获取误差指标为:
E、判断误差指标是否小于误差阈值ξ,若是,则以当前的阈值作为BP神经网络最终的阈值,以当前的权值作为BP神经网络最终的权值,得到训练完成的BP神经网络,否则根据学习率η获取阈值和权重的增量为:
Δw=[JT(w)J(w)+ηI]JT(w)e
其中,w表示BP神经网络权值和阈值组成的向量,Δw表示阈值和权重的增量,J(w)表示中间矩阵,JT(w)表示J(w)的转置矩阵,I表示单位向量,表示偏微分符号,w1,w2,…,wN表示向量w中的N个值,e表示误差矩阵,e=[e1,e2,...,eM];
F、根据增量Δw,对权值和阈值组成的向量w进行更新,更新包括:
wk+1=wk+Δw
其中,wk+1表示更新后的向量w,wk表示更新前的向量w;
G、根据第二参数β对学习率η进行更新,并令训练次数计数器k的计数值加一,返回步骤C。
在一种可能的实施方式中,根据第二参数β对学习率η进行更新,包括:
以更新权值和阈值后的BP神经网络,重新获取本次误差指标,并判断本次误差指标是否小于上次误差指标,若是,则获取学习率η与第二参数β的乘积,并将学习率η的值更新为该乘积,否则获取学习率η除以第二参数β的商,并将学习率η的值更新为该商。
本发明提供的一种景区交通综合管控方法,整合了景区停车场和私人停车场,可以为拥堵停车场附近的游客推荐有剩余车位的景区停车场和/或私人停车场,避免了景区停车场一直拥堵,缓解了交通流量。本发明可以将景区停车场和私人停车场中的剩余车位传输至游客导航终端,使游客可以选择去剩余车位较多的停车场,减少了寻找车位的时间,间接缓解了道路的负荷,避免因人工寻找停车位置而必不可少的临停以及减速带来的景区交通拥堵。
本发明将景区停车位整合管理,将优势地理位置的停车资源与劣势地理位置的停车资源统一调配使用,既能缓解“停车难”问题,又能带动停车服务提供者的整体发展,还能缓解交通拥堵问题。
实施例2
如图2所示,本实施例提供一种景区交通综合管控装置,包括图像获取模块21、第一停车状态确定模块22、第二停车状态确定模块23以及管控模块24。
图像获取模块21用于,获取摄像头图像数据,所述摄像头图像数据用于表征景区停车场的车位对应的监测图像,所述景区停车场的数量为一个或多个;
第一停车状态确定模块22用于,根据所述摄像头图像数据,确定景区停车场中每个车位对应的第一停车状态,所述第一停车状态包括景区车位已停车或景区车位未停车;
第二停车状态确定模块23用于,获取至少一个停车移动终端所传输的第二停车状态,所述停车移动终端用于表征私人停车场的数据终端,所述第二停车状态包括私人车位已停车或私人车位未停车;
管控模块24用于,根据所述第一停车状态和所述第二停车状态,获取停车建议,并将所述停车建议传输至游客导航终端以及交通管控终端,完成景区交通综合管控。
本实施例所述的一种景区交通综合管控装置可以执行上述实施例1所述的技术方案,其实现原理以及有益效果类似,此处不再进行赘述。
实施例3
如图3所示,本实施例提供一种景区交通综合管控设备,包括存储器31和处理器32,存储器31与处理器32之间通过总线33相互连接。
存储器31存储计算机执行指令。
处理器32执行存储器存储的计算机执行指令,使得处理器执行如实施例1所述的一种景区交通综合管控方法。
具体举例的,存储器可以但不限于包括随机存取存储器(random access memory,RAM)、只读存储器(Read Only Memory,ROM)、闪存(Flash Memory)、先进先出存储器(FirstInput First Output,FIFO)和/或先进后出存储器(First In Last Out,FILO)等等;具体地,处理器可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable GateArray,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现,同时,处理器也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central Processing Unit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
在一些实施例中,处理器可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制,例如,所述处理器可以不限于采用型号为STM32F105系列的微处理器、精简指令集计算机(reduced instruction setcomputer,RISC)微处理器、X86等架构处理器或集成嵌入式神经网络处理器(neural-network processing units,NPU)的处理器;所述收发器可以但不限于为无线保真(WIFI)无线收发器、蓝牙无线收发器、通用分组无线服务技术(General Packet Radio Service,GPRS)无线收发器、紫蜂协议(基于IEEE802.15.4标准的低功耗局域网协议,ZigBee)无线收发器、3G收发器、4G收发器和/或5G收发器等。此外,所述装置还可以但不限于包括有电源模块、显示屏和其它必要的部件。
实施例4
本实施例提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当计算机执行指令被处理器执行时用于实现如实施例1所述的一种景区交通综合管控方法。
实施例5
本申请实施例还可以提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如实施例1所述的一种景区交通综合管控方法。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种景区交通综合管控方法,其特征在于,包括:
获取摄像头图像数据,所述摄像头图像数据用于表征景区停车场的车位对应的监测图像,所述景区停车场的数量为一个或多个;
根据所述摄像头图像数据,确定景区停车场中每个车位对应的第一停车状态,所述第一停车状态包括景区车位已停车或景区车位未停车;
获取至少一个停车移动终端所传输的第二停车状态,所述停车移动终端用于表征私人停车场的数据终端,所述第二停车状态包括私人车位已停车或私人车位未停车;
根据所述第一停车状态和所述第二停车状态,获取停车建议,并将所述停车建议传输至游客导航终端以及交通管控终端,完成景区交通综合管控。
2.根据权利要求1所述的景区交通综合管控方法,其特征在于,根据所述摄像头图像数据,确定景区停车场中每个车位对应的第一停车状态之后,还包括:
获取景区停车场中车位的预定信息,所述预定信息包括景区车位已被预定或景区车位未被预定;
根据所述预定信息,将已被预定的车位对应的第一停车状态更新为景区车位已停车。
3.根据权利要求2所述的景区交通综合管控方法,其特征在于,根据所述第一停车状态和所述第二停车状态,获取停车建议,并将所述停车建议传输至游客导航终端以及交通管控终端,包括:
调用第三方地图接口,获取每个景区停车场以及每个私人停车场的拥堵情况,所述拥堵情况包括车流量以及拥堵状态,所述拥堵状态包括停车场拥堵或停车场不堵;
根据拥堵状态,在所有景区停车场以及每个私人停车场中确定拥堵停车场,在所有景区停车场以及每个私人停车场中确定不拥堵停车场;
根据所述第一停车状态和所述第二停车状态,确定不拥堵停车场中是否存在剩余车位,若是,则将建议前往该存在剩余车位的不拥堵停车场作为停车建议传输至所有游客导航终端以及交通管控终端,否则将该不存在剩余车位的不拥堵停车场标记为已满,并将不建议前往该已满的不拥堵停车场作为停车建议传输至所有游客导航终端以及交通管控终端;
获取两两停车场之间的距离,所述两两停车场之间的距离预先存储于数据库之中;
根据拥堵停车场对应的车流量、第一停车状态、第二停车状态和两两停车场之间的距离,确定至少一个不拥堵停车场;
确定拥堵停车场附近阈值距离内的游客导航终端,将建议前往确定的至少一个不拥堵停车场作为停车建议,并传输至确定的游客导航终端以及所有交通管控终端。
4.根据权利要求3所述的景区交通综合管控方法,其特征在于,根据拥堵停车场对应的车流量、第一停车状态、第二停车状态和两两停车场之间的距离,确定至少一个不拥堵停车场,包括:
根据第一停车状态和第二停车状态,确定不拥堵停车场的剩余车位;
根据所述拥堵停车场对应的车流量,在所有不拥堵停车场中确定至少一个目标停车场,所述至少一个目标停车场的剩余车位大于或等于拥堵停车场对应的车流量;
根据两两停车场之间的距离,获取拥堵停车场与至少一个目标停车场之间的总距离;
遍历所有不拥堵停车场,确定总距离最短的至少一个目标停车场,得到至少一个不拥堵停车场。
5.根据权利要求1-4任一所述的景区交通综合管控方法,其特征在于,根据所述摄像头图像数据,确定景区内每个车位对应的第一停车状态,包括:
对所述摄像头图像数据进行预处理,得到预处理后的摄像头图像数据;
对预处理后的摄像头图像数据进行车牌定位,并判定车牌定位是否成功,若是,则对车牌号进行识别,得到车牌号,并确定车牌识别结果为车牌号,否则确定车牌识别结果为空;所述识别为空的车牌号用于表征摄像头图像数据中不存在车辆;
根据所述车牌识别结果,将已识别的具体车牌号对应的景区内车位标记为景区车位已停车,将识别为空的车牌号对应的景区内车位标记为景区车位未停车,得到景区内每个车位对应的第一停车状态。
6.根据权利要求5所述的景区交通综合管控方法,其特征在于,对所述摄像头图像数据进行预处理,得到预处理后的摄像头图像数据,包括:
对摄像头图像数据中每个像素点进行灰度化处理,得到灰度化图像,所述灰度化处理包括:
Gray(x,y)=0.11R(x,y)+0.59G(x,y)+0.3B(x,y)
其中,Gray(x,y)表示摄像头图像数据中第x行第y列像素点的灰度值,x=1,2,…,X,y=1,2,…,Y,X表示摄像头图像数据像素点的总行数,Y表示摄像头图像数据像素点的总列数,R(x,y)表示摄像头图像数据中第x行第y列的像素点的红色亮度值,G(x,y)表示摄像头图像数据中第x行第y列的像素点的绿色亮度值,B(x,y)表示摄像头图像数据中第x行第y列的像素点的蓝色亮度值;
根据灰度化图像中灰度值Gray(x,y),确定最小灰度值a以及最大灰度值b,确定变换后的目标最小灰度值c以及目标最大灰度值d,根据最小灰度值a、最大灰度值b、标最小灰度值c以及目标最大灰度值d对灰度化图像中灰度值Gray(x,y)进行变换,所述变换包括:
其中,g(x,y)表示变换后的Gray(x,y),所述目标最小灰度值c以及目标最大灰度值d为预先存储于数据库中的数据;
根据变换后的灰度值g(x,y),对摄像头图像数据进行图像平滑处理,得到预处理后的摄像头图像数据,所述图像平滑处理包括:
7.根据权利要求5所述的景区交通综合管控方法,其特征在于,对预处理后的摄像头图像数据进行车牌定位,并判定车牌定位是否成功,若是,则对车牌号进行识别,得到车牌号,并确定车牌识别结果为车牌号,否则确定车牌识别结果为空,包括:
对预处理后的摄像头图像数据进行边缘检测,得到检测图像;
对检测图像进行二值化处理,得到二值化图像;
定位二值化图像中的车牌区域,并判定车牌定位是否成功,若是,则对车牌区域进行裁剪,得到裁剪图像,否则确定车牌识别结果为空;
将裁剪图像进行字符分割,并对分割图像归一化,得到车牌字符分割图像;
通过车牌识别模型对车牌字符分割图像进行识别,得到车牌号,并确定车牌识别结果为车牌号。
8.根据权利要求7所述的景区交通综合管控方法,其特征在于,通过车牌识别模型对车牌字符分割图像进行识别,得到车牌号,并确定车牌识别结果为车牌号,包括:
获取若干训练样本对,所述训练样本对包括训练车牌字符分割图像以及训练车牌字符分割图像对应的标签图像;
对训练样本对进行归一化处理,得到预处理后的训练样本对;
以BP神经网络构建车牌识别模型,并以预处理后的训练样本对训练BP神经网络,将训练完成的BP神经网络作为车牌识别模型;
将车牌字符分割图像输入车牌识别模型,得到车牌号,并确定车牌识别结果为车牌号。
9.根据权利要求8所述的景区交通综合管控方法,其特征在于,以预处理后的训练样本对训练BP神经网络,包括:
A、获取误差阈值ξ、第一参数μ1以及第二参数β,所述误差阈值ξ、第一参数μ1以及第二参数β为预先存储于数据库中的数据,且0<β<1;
B、设置训练次数计数器k=1以及学习率η=μ1;
C、从预处理后的训练样本对中取出M个训练车牌字符分割图像输入BP神经网络中,获取M个实际网络输出向量;
D、以该M个训练车牌字符分割图像对应的标签图像作为期望网络输出向量,获取误差指标为:
E、判断误差指标是否小于误差阈值ξ,若是,则以当前的阈值作为BP神经网络最终的阈值,以当前的权值作为BP神经网络最终的权值,得到训练完成的BP神经网络,否则根据学习率η获取阈值和权重的增量为:
Δw=[JT(w)J(w)+ηI]JT(w)e
其中,w表示BP神经网络权值和阈值组成的向量,Δw表示阈值和权重的增量,J(w)表示中间矩阵,JT(w)表示J(w)的转置矩阵,I表示单位向量,表示偏微分符号,w1,w2,…,wN表示向量w中的N个值,e表示误差矩阵,e=[e1,e2,...,eM];
F、根据增量Δw,对权值和阈值组成的向量w进行更新,更新包括:
wk+1=wk+Δw
其中,wk+1表示更新后的向量w,wk表示更新前的向量w;
G、根据第二参数β对学习率η进行更新,并令训练次数计数器k的计数值加一,返回步骤C。
10.根据权利要求9所述的景区交通综合管控方法,其特征在于,根据第二参数β对学习率η进行更新,包括:
以更新权值和阈值后的BP神经网络,重新获取本次误差指标,并判断本次误差指标是否小于上次误差指标,若是,则获取学习率η与第二参数β的乘积,并将学习率η的值更新为该乘积,否则获取学习率η除以第二参数β的商,并将学习率η的值更新为该商。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210710397.8A CN115116264B (zh) | 2022-06-22 | 2022-06-22 | 一种景区交通综合管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210710397.8A CN115116264B (zh) | 2022-06-22 | 2022-06-22 | 一种景区交通综合管控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115116264A true CN115116264A (zh) | 2022-09-27 |
CN115116264B CN115116264B (zh) | 2023-07-18 |
Family
ID=83327968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210710397.8A Active CN115116264B (zh) | 2022-06-22 | 2022-06-22 | 一种景区交通综合管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115116264B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310510A (zh) * | 2019-07-03 | 2019-10-08 | 陈勇 | 停车位实时预约共享方法 |
CN110503852A (zh) * | 2019-08-22 | 2019-11-26 | 合肥学院 | 一种共享车位服务方法及系统 |
CN110689761A (zh) * | 2019-12-11 | 2020-01-14 | 上海赫千电子科技有限公司 | 一种自动泊车方法 |
CN112201077A (zh) * | 2020-09-28 | 2021-01-08 | 邢台职业技术学院 | 一种基于大数据的智慧泊车信息处理方法及系统 |
CN113781831A (zh) * | 2021-09-17 | 2021-12-10 | 方锡泉 | 一种基于区块链技术的智慧云平台 |
-
2022
- 2022-06-22 CN CN202210710397.8A patent/CN115116264B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110310510A (zh) * | 2019-07-03 | 2019-10-08 | 陈勇 | 停车位实时预约共享方法 |
CN110503852A (zh) * | 2019-08-22 | 2019-11-26 | 合肥学院 | 一种共享车位服务方法及系统 |
CN110689761A (zh) * | 2019-12-11 | 2020-01-14 | 上海赫千电子科技有限公司 | 一种自动泊车方法 |
CN112201077A (zh) * | 2020-09-28 | 2021-01-08 | 邢台职业技术学院 | 一种基于大数据的智慧泊车信息处理方法及系统 |
CN113781831A (zh) * | 2021-09-17 | 2021-12-10 | 方锡泉 | 一种基于区块链技术的智慧云平台 |
Also Published As
Publication number | Publication date |
---|---|
CN115116264B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10970788B2 (en) | Controlling autonomous vehicles to optimize traffic characteristics | |
US20200175634A1 (en) | Methods, systems, and media for coordinating parking availability | |
EP4174816A1 (en) | Implementation method and system for road traffic reservation passage, and electronic device | |
CN104680820A (zh) | 一种基于梯度场的交通流车联网系统及交通流控制方法 | |
CN112863172A (zh) | 高速公路交通运行状态判定方法、预警方法、装置及终端 | |
DE102020120088A1 (de) | Systeme und verfahren zur dynamischen fahrspurverwaltung | |
CN110400480B (zh) | 基于交通通信站的交通信息处理方法、装置、设备和介质 | |
CN113807270A (zh) | 道路拥堵检测方法、装置及电子设备 | |
CN115497331B (zh) | 一种泊车方法、装置、设备及车辆 | |
CN111243275A (zh) | 一种基于计算机视觉的收费站交通状态监测装置和方法 | |
US20230373512A1 (en) | Method, apparatus, and system for road warning | |
CN111696384A (zh) | 一种基于地图的智能共享停车系统及方法 | |
CN113724526A (zh) | 用于停车场的诱导泊车方法、装置、系统及存储介质 | |
CN114882732A (zh) | 一种智慧城市的智能化停车管理系统 | |
CN117133144B (zh) | 一种基于物联网的智慧城市停车场车位预测方法及系统 | |
CN115116264B (zh) | 一种景区交通综合管控方法 | |
CN107067708A (zh) | 一种非高峰公交车基于大数据的出行线路实时调整方法 | |
CN116682282A (zh) | 一种路内预约停车系统 | |
CN115973190A (zh) | 自动驾驶车辆的决策方法、装置和电子设备 | |
CN113269339B (zh) | 一种网约车任务自动创建和分发的方法及系统 | |
CN115775466A (zh) | 一种车辆限流分区方法、装置、计算机设备及存储介质 | |
CN105139637A (zh) | 一种出租车上下客地点选取的方法、系统及客户端 | |
CN115083198A (zh) | 一种多车运力资源调度方法及装置 | |
CN114861010A (zh) | 蹭etc记录的处理方法、装置、设备及存储介质 | |
CN110264580B (zh) | 一种非固定车位的管理方法及装置 |
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 |