CN115937800B - 一种高速公路行为监控数据处理方法及系统 - Google Patents
一种高速公路行为监控数据处理方法及系统 Download PDFInfo
- Publication number
- CN115937800B CN115937800B CN202310023190.8A CN202310023190A CN115937800B CN 115937800 B CN115937800 B CN 115937800B CN 202310023190 A CN202310023190 A CN 202310023190A CN 115937800 B CN115937800 B CN 115937800B
- Authority
- CN
- China
- Prior art keywords
- static
- monitoring
- static monitoring
- equipment
- determining
- 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.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及高速公路监测技术领域,具体公开了一种高速公路行为监控数据处理方法及系统,所述方法包括查询目标区域中已设的静态监控设备,确定已监控区域,基于已监控区域扩充静态监控设备;定时读取并拼接各静态监控设备获取到的公路图像,对拼接后的公路图像进行识别,确定各静态监控设备的监控数据量;根据所述监控数据量确定数据处理节点和动态监控设备;基于所述数据处理节点判定异常行为,生成动态监控设备的控制指令。本发明通过分散式的数据处理节点快速地识别公路图像,进行数据备份,当出现问题时,打包相关数据向管理方发送,基于边缘计算架构对公路进行数据获取识别,效率极高。
Description
技术领域
本发明涉及高速公路监测技术领域,具体是一种高速公路行为监控数据处理方法及系统。
背景技术
随着科技的发展和社会的进步,车辆逐渐成为了必需品,进入了家家户户;基于此,高速公路的发展,极大地缩短了城市与城市之间的通行时间,使得大家的生活愈发便捷。
行驶在高速公路上的车辆,速度极高,一旦出现事故,后果非常严重;此外,事故地点会影响通行速度,造成拥堵现象,进一步提高事故概率,这对管理人员的事故处理速度提出了要求;而事故处理速度非常依赖事故识别速度。
现有的识别过程都是通过电话沟通的方式,当发生事故时,附近人员会打电话通过管理人员,管理人员再进行处理,在这一过程中,管理人员只能通过有限的一些摄像头获取现场情况,再制定处理措施,这一系列环节影响了事故处理速度,而且事故成因分析起来较为麻烦,处理过程较长。
发明内容
本发明的目的在于提供一种高速公路行为监控数据处理方法及系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种高速公路行为监控数据处理方法,所述方法包括:
查询目标区域中已设的静态监控设备,确定已监控区域,基于已监控区域扩充静态监控设备;
定时读取并拼接各静态监控设备获取到的公路图像,对拼接后的公路图像进行识别,确定各静态监控设备的监控数据量;
根据所述监控数据量确定数据处理节点和动态监控设备;
基于所述数据处理节点判定异常行为,生成动态监控设备的控制指令。
作为本发明进一步的方案:所述查询目标区域中已设的静态监控设备,确定已监控区域,基于已监控区域扩充静态监控设备的步骤包括:
接收工作人员输入的边界信息,根据所述边界信息确定目标区域;
基于地图服务定位目标区域中的高速路段、安装在高速路段中的静态监控设备和静态监控设备的工作参数;
根据所述工作参数计算监控范围,计算监控范围与高速路段的交集,得到已监控区域;
在高速路段中计算已监控区域的补集,在补集中确定静态监控设备的安装点位;
其中,所有静态监控设备的监控范围的并集大于目标区域中所有高速路段的并集。
作为本发明进一步的方案:所述定时读取并拼接各静态监控设备获取到的公路图像,对拼接后的公路图像进行识别,确定各静态监控设备的监控数据量的步骤包括:
根据预设的时间序列读取各静态监控设备获取到的公路图像,根据各静态监控设备的位置拼接公路图像,得到公路总图;所述公路总图中含有区域标记,所述区域标记用于表征区域的获取主体;
将所述公路总图输入预设的神经网络模型,输出公路总图的客体表;所述客体表包括客体类型项和客体位置项;
依次查询客体位置项对应的区域标记,根据区域标记对客体进行分类,得到各静态监控设备的监控数据量;
根据时间序列排列各静态监控设备的监控数据量,得到监控数据量组。
作为本发明进一步的方案:所述根据所述监控数据量确定数据处理节点和动态监控设备的步骤包括:
计算一个时间周期内监控数据量组的数组特征,将数组特征输入预设的线性公式,得到静态监控设备的级别;所述数组特征包括极值、极值点数、均值、总值和方差;
选取最高级别的静态监控设备,作为基准设备;
以基准设备为中心,在预设的距离范围内选取并聚类静态监控设备;同类静态监控设备的级别分布满足预设的级别条件;
在未聚类的静态监控设备中选取最高级别的静态监控设备,作为基准设备,并循环执行直至所有静态监控设备均被聚类;
基于聚类后的静态监控设备确定数据处理节点和动态监控设备。
作为本发明进一步的方案:所述基于聚类后的静态监控设备确定数据处理节点和动态监控设备的步骤包括:
根据同类静态监控设备生成平面图;所述平面图中含有与静态监控设备对应的映射点;
计算最高级别的静态监控设备与其他静态监控设备之间的距离,根据其他静态监控设备的级别对计算出的距离进行修正;
根据修正后的距离确定数据处理节点和动态监控设备的安装位置;
基于地图服务获取并存储安装位置至其他静态监控设备的运动路径,向动态监控设备发送。
作为本发明进一步的方案:所述根据修正后的距离确定数据处理节点和动态监控设备的安装位置的步骤包括:
计算修正后的距离均值,基于所述均值标记其他静态监控设备;
在标记的静态监控设备中选取距离最远的两个静态监控设备,在两个静态监控设备的连线上选取安装位置;所述安装位置的条件为:
式中,(a,b)为安装位置,(xi,yi)是标记的静态监控设备的位置,l为两个静态监控设备的连线。
作为本发明进一步的方案:所述基于所述数据处理节点判定异常行为,生成动态监控设备的控制指令的步骤包括:
基于所述数据处理节点实时接收静态监控设备获取到公路图像;
将公路图像转换为单值图像,计算公路图像的均值;
根据所述均值将公路图像进行二值化处理,得到二值矩阵;
根据二值矩阵确定目标轮廓并计算各目标轮廓间的距离;
当小于预设的距离阈值的距离数量达到预设的数量阈值时,向动态监控设备发送指向该静态监控设备的运动指令。
本发明技术方案还提供了一种高速公路行为监控数据处理系统,所述系统包括:
设备扩充模块,用于查询目标区域中已设的静态监控设备,确定已监控区域,基于已监控区域扩充静态监控设备;
数据量计算模块,用于定时读取并拼接各静态监控设备获取到的公路图像,对拼接后的公路图像进行识别,确定各静态监控设备的监控数据量;
端口布置模块,用于根据所述监控数据量确定数据处理节点和动态监控设备;
指令生成模块,用于基于所述数据处理节点判定异常行为,生成动态监控设备的控制指令。
作为本发明进一步的方案:所述设备扩充模块包括:
目标区域确定单元,用于接收工作人员输入的边界信息,根据所述边界信息确定目标区域;
定位单元,用于基于地图服务定位目标区域中的高速路段、安装在高速路段中的静态监控设备和静态监控设备的工作参数;
已监控区计算单元,用于根据所述工作参数计算监控范围,计算监控范围与高速路段的交集,得到已监控区域;
安装点位确定单元,用于在高速路段中计算已监控区域的补集,在补集中确定静态监控设备的安装点位;
其中,所有静态监控设备的监控范围的并集大于目标区域中所有高速路段的并集。
作为本发明进一步的方案:所述数据量计算模块包括:
图像拼接单元,用于根据预设的时间序列读取各静态监控设备获取到的公路图像,根据各静态监控设备的位置拼接公路图像,得到公路总图;所述公路总图中含有区域标记,所述区域标记用于表征区域的获取主体;
客体表输出单元,用于将所述公路总图输入预设的神经网络模型,输出公路总图的客体表;所述客体表包括客体类型项和客体位置项;
客体分类单元,用于依次查询客体位置项对应的区域标记,根据区域标记对客体进行分类,得到各静态监控设备的监控数据量;
数据组生成单元,用于根据时间序列排列各静态监控设备的监控数据量,得到监控数据量组。
与现有技术相比,本发明的有益效果是:本发明在现有监控设备的基础上,扩充监控设备,定时获取扩充后的监控设备获取到的公路图像,根据公路图像确定数据处理节点和运动端,基于数据处理节点识别公路图像,根据运动端获取细节;本发明通过分散式的数据处理节点快速地识别公路图像,进行数据备份,当出现问题时,打包相关数据向管理方发送,基于边缘计算架构对公路进行数据获取识别,效率极高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术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。
图1为高速公路行为监控数据处理方法的流程框图。
图2为高速公路行为监控数据处理方法的第一子流程框图。
图3为高速公路行为监控数据处理方法的第二子流程框图。
图4为高速公路行为监控数据处理方法的第三子流程框图。
图5为高速公路行为监控数据处理方法的第四子流程框图。
图6为高速公路行为监控数据处理系统的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
图1为高速公路行为监控数据处理方法的流程框图,本发明实施例中,一种高速公路行为监控数据处理方法,所述方法包括:
步骤S100:查询目标区域中已设的静态监控设备,确定已监控区域,基于已监控区域扩充静态监控设备;
目标区域是工作人员输入的想要监控的区域,在这些区域中,各个路段会有安装好的静态监控设备,由这些静态监控设备可以确定一个已监控区域,在已监控区域未监控到的部分,本发明服务提供方会增设一些静态监控设备,使得所有路段均被监控。
步骤S200:定时读取并拼接各静态监控设备获取到的公路图像,对拼接后的公路图像进行识别,确定各静态监控设备的监控数据量;
读取并拼接各静态监控设备获取到的公路图像,可以得到目标区域中各公路的整体图像,对整体图像进行识别,可以判断出各个静态监控设备对应的区域中的流量大小,所述流量大小与监控数据量呈正比。需要说明的是,这一过程无需实时获取公路图像,根据预设的时间间隔进行获取即可。
步骤S300:根据所述监控数据量确定数据处理节点和动态监控设备;
由监控数据量确定数据处理节点,数据处理节点可以理解为一个子处理端,用于对附近的静态监控设备进行识别处理,数据处理节点的处理过程是实时的;在确定数据处理节点的位置的同时,确定一个动态监控设备,用以应对突发情况;所述动态监控设备最常见的就是无人机。
步骤S400:基于所述数据处理节点判定异常行为,生成动态监控设备的控制指令;
数据处理节点会实时的对公路图像进行识别处理,判定异常行为,当出现异常行为时,控制动态监控设备获取进一步的细节图像。
需要说明的是,步骤S400是实时处理过程,步骤S200是定时处理过程,二者是相辅相成的关系。
图2为高速公路行为监控数据处理方法的第一子流程框图,所述查询目标区域中已设的静态监控设备,确定已监控区域,基于已监控区域扩充静态监控设备的步骤包括:
步骤S101:接收工作人员输入的边界信息,根据所述边界信息确定目标区域;
边界信息由工作人员输入,边界信息一般是以点的形式进行输入,连接拟合各个点,即可得到目标区域。
步骤S102:基于地图服务定位目标区域中的高速路段、安装在高速路段中的静态监控设备和静态监控设备的工作参数;
现有的地图服务极其便捷,根据地图服务可以定位目标区域中的高速路段及高速路段上的静态监控设备,获取静态监控设备的工作参数,可以计算出监控范围。
步骤S103:根据所述工作参数计算监控范围,计算监控范围与高速路段的交集,得到已监控区域;
一个摄像头的监控范围很大,在本发明技术方案的应用过程中,高速公路上的信息是靶数据,因此,计算监控范围和高速路段的交集,即可得到一个已监控区域。
步骤S104:在高速路段中计算已监控区域的补集,在补集中确定静态监控设备的安装点位;
将高速路段视为全集,计算已监控区域的补集,得到未被监控的区域,在未被监控的区域中确定静态监控设备的安装点位,使得所有静态监控设备的监控范围的并集大于目标区域中所有高速路段的并集,保证所有高速路段均被监控。
图3为高速公路行为监控数据处理方法的第二子流程框图,所述定时读取并拼接各静态监控设备获取到的公路图像,对拼接后的公路图像进行识别,确定各静态监控设备的监控数据量的步骤包括:
步骤S201:根据预设的时间序列读取各静态监控设备获取到的公路图像,根据各静态监控设备的位置拼接公路图像,得到公路总图;所述公路总图中含有区域标记,所述区域标记用于表征区域的获取主体;
在某一时刻读取各静态监控设备获取到的公路图像,根据位置关系将公路图像拼接在一起,得到公路总图;在拼接过程中,实时标记公路图像的哪一部分由哪一静态监控设备获取。
步骤S202:将所述公路总图输入预设的神经网络模型,输出公路总图的客体表;所述客体表包括客体类型项和客体位置项;
步骤S202需要借助现有的识别技术,识别公路总图中的客体,所述客体包括机动车、非机动车、行人和动物;识别过程并不困难,现有的神经网络识别模型完全可以胜任这一工作。
步骤S203:依次查询客体位置项对应的区域标记,根据区域标记对客体进行分类,得到各静态监控设备的监控数据量;
借助区域标记,对客体位置进行分类,得到当前时刻各静态监控设备监控多少数据,也就是上述监控数据量。
步骤S204:根据时间序列排列各静态监控设备的监控数据量,得到监控数据量组;
根据时间顺序对静态监控设备的监控数据量进行排序,可以得到一个数组(监控数据量组)。
图4为高速公路行为监控数据处理方法的第三子流程框图,所述根据所述监控数据量确定数据处理节点和动态监控设备的步骤包括:
步骤S301:计算一个时间周期内监控数据量组的数组特征,将数组特征输入预设的线性公式,得到静态监控设备的级别;
监控数据量组反映一个静态监控设备在一个时间周期内的重要性,重要性越高,设定的级别越高;所述重要性基于数组特征判定,所述数组特征包括极值、极值点数、均值、总值和方差;通俗地说,监控数据量一直较大的静态监控设备的级别比监控数据量一直较小的静态监控设备的级别高。
步骤S302:选取最高级别的静态监控设备,作为基准设备;
步骤S303:以基准设备为中心,在预设的距离范围内选取并聚类静态监控设备;同类静态监控设备的级别分布满足预设的级别条件;
选取最高级别的静态监控设备,作为基准设备,当其他静态监控设备与基准设备的距离较近时,将这些静态监控设备归为一类;
步骤S304:在未聚类的静态监控设备中选取最高级别的静态监控设备,作为基准设备,并循环执行直至所有静态监控设备均被聚类;
步骤S304可以理解为步骤S302至步骤S303的重复。
步骤S305:基于聚类后的静态监控设备确定数据处理节点和动态监控设备。
进一步的,所述基于聚类后的静态监控设备确定数据处理节点和动态监控设备的步骤包括:
根据同类静态监控设备生成平面图;所述平面图中含有与静态监控设备对应的映射点;
数据处理节点和动态监控设备的选取目的是,尽量的选取中间部分,作为数据处理节点的安装位置和动态监控设备的初始位置。
计算最高级别的静态监控设备与其他静态监控设备之间的距离,根据其他静态监控设备的级别对计算出的距离进行修正;
根据修正后的距离确定数据处理节点和动态监控设备的安装位置;
中间部分的选取过程离不开距离的判断,同类的静态监控设备有一个聚类中心点,就是最高级别的静态监控设备,以它为中心,计算与其他静态监控设备之间的距离,在此基础上,根据级别对距离进行修正,如果级别较高,将距离缩短,如果级别较低,将距离扩大;当所有距离都修正后,根据修正后的距离确定数据处理节点和动态监控设备的安装位置。
基于地图服务获取并存储安装位置至其他静态监控设备的运动路径,向动态监控设备发送;
对于动态监控设备来说,安装位置是初始位置,在初始位置确定的基础上,还需要对路径进行预设,路径指向的是其他静态监控设备,当需要进一步获取图像时,按照预设的路径进行运动即可。
具体的,所述根据修正后的距离确定数据处理节点和动态监控设备的安装位置的步骤包括:
计算修正后的距离均值,基于所述均值标记其他静态监控设备;
在标记的静态监控设备中选取距离最远的两个静态监控设备,在两个静态监控设备的连线上选取安装位置;所述安装位置的条件为:
式中,(a,b)为安装位置,(xi,yi)是标记的静态监控设备的位置,l为两个静态监控设备的连线。
上述内容的原理在于,先根据均值选取一些静态监控设备,在选取的静态监控设备中选取距离最远的两个静态监控设备,距离最远的两个静态监控设备的连线可以视为直径,在直径上选取安装位置。上述条件的含义是,安装位置到标记的静态监控设备之间的距离之和最小。
图5为高速公路行为监控数据处理方法的第四子流程框图,所述基于所述数据处理节点判定异常行为,生成动态监控设备的控制指令的步骤包括:
步骤S401:基于所述数据处理节点实时接收静态监控设备获取到公路图像;
数据处理节点具备数据传输功能,可以实时接收各静态监控设备获取到的数据。
步骤S402:将公路图像转换为单值图像,计算公路图像的均值;
转换为单值图像的方式有很多,可以理解为现有的灰度转换过程;单值图像的均值计算过程非常简单;
步骤S403:根据所述均值将公路图像进行二值化处理,得到二值矩阵;
根据均值对公路图像进行二值化处理,可以得到二值图像(二值矩阵)。
步骤S404:根据二值矩阵确定目标轮廓并计算各目标轮廓间的距离;
对二值图像进行轮廓识别非常简单,目标轮廓间的距离可以是两个轮廓中心点的距离,也可以是任选一点之间的距离。
步骤S405:当小于预设的距离阈值的距离数量达到预设的数量阈值时,向动态监控设备发送指向该静态监控设备的运动指令。
步骤S405的目标是判定各个目标轮廓之间是否存在聚合现象,如果目标轮廓之间不是明显的分散状态(各距离均大于距离阈值),那么就说明存在问题,需要控制静态监控设备去进一步获取信息。
在本发明技术方案的一个实例中,静态监控设备获取到的信息向数据处理节点发送;数据处理节点定时打包数据并向中央平台发送。
实施例2
图6为高速公路行为监控数据处理系统的组成结构框图,本发明实施例中,一种高速公路行为监控数据处理系统,所述系统10包括:
设备扩充模块11,用于查询目标区域中已设的静态监控设备,确定已监控区域,基于已监控区域扩充静态监控设备;
数据量计算模块12,用于定时读取并拼接各静态监控设备获取到的公路图像,对拼接后的公路图像进行识别,确定各静态监控设备的监控数据量;
端口布置模块13,用于根据所述监控数据量确定数据处理节点和动态监控设备;
指令生成模块14,用于基于所述数据处理节点判定异常行为,生成动态监控设备的控制指令。
所述设备扩充模块11包括:
目标区域确定单元,用于接收工作人员输入的边界信息,根据所述边界信息确定目标区域;
定位单元,用于基于地图服务定位目标区域中的高速路段、安装在高速路段中的静态监控设备和静态监控设备的工作参数;
已监控区计算单元,用于根据所述工作参数计算监控范围,计算监控范围与高速路段的交集,得到已监控区域;
安装点位确定单元,用于在高速路段中计算已监控区域的补集,在补集中确定静态监控设备的安装点位;
其中,所有静态监控设备的监控范围的并集大于目标区域中所有高速路段的并集。
所述数据量计算模块12包括:
图像拼接单元,用于根据预设的时间序列读取各静态监控设备获取到的公路图像,根据各静态监控设备的位置拼接公路图像,得到公路总图;所述公路总图中含有区域标记,所述区域标记用于表征区域的获取主体;
客体表输出单元,用于将所述公路总图输入预设的神经网络模型,输出公路总图的客体表;所述客体表包括客体类型项和客体位置项;
客体分类单元,用于依次查询客体位置项对应的区域标记,根据区域标记对客体进行分类,得到各静态监控设备的监控数据量;
数据组生成单元,用于根据时间序列排列各静态监控设备的监控数据量,得到监控数据量组。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种高速公路行为监控数据处理方法,其特征在于,所述方法包括:
查询目标区域中已设的静态监控设备,确定已监控区域,基于已监控区域扩充静态监控设备;
定时读取并拼接各静态监控设备获取到的公路图像,对拼接后的公路图像进行识别,确定各静态监控设备的监控数据量;
根据所述监控数据量确定数据处理节点和动态监控设备;
基于所述数据处理节点判定异常行为,生成动态监控设备的控制指令;
所述定时读取并拼接各静态监控设备获取到的公路图像,对拼接后的公路图像进行识别,确定各静态监控设备的监控数据量的步骤包括:
根据预设的时间序列读取各静态监控设备获取到的公路图像,根据各静态监控设备的位置拼接公路图像,得到公路总图;所述公路总图中含有区域标记,所述区域标记用于表征区域的获取主体;
将所述公路总图输入预设的神经网络模型,输出公路总图的客体表;所述客体表包括客体类型项和客体位置项;
依次查询客体位置项对应的区域标记,根据区域标记对客体进行分类,得到各静态监控设备的监控数据量;
根据时间序列排列各静态监控设备的监控数据量,得到监控数据量组;
所述根据所述监控数据量确定数据处理节点和动态监控设备的步骤包括:
计算一个时间周期内监控数据量组的数组特征,将数组特征输入预设的线性公式,得到静态监控设备的级别;所述数组特征包括极值、极值点数、均值、总值和方差;
选取最高级别的静态监控设备,作为基准设备;
以基准设备为中心,在预设的距离范围内选取并聚类静态监控设备;同类静态监控设备的级别分布满足预设的级别条件;
在未聚类的静态监控设备中选取最高级别的静态监控设备,作为基准设备,并循环执行直至所有静态监控设备均被聚类;
基于聚类后的静态监控设备确定数据处理节点和动态监控设备。
2.根据权利要求1所述的高速公路行为监控数据处理方法,其特征在于,所述查询目标区域中已设的静态监控设备,确定已监控区域,基于已监控区域扩充静态监控设备的步骤包括:
接收工作人员输入的边界信息,根据所述边界信息确定目标区域;
基于地图服务定位目标区域中的高速路段、安装在高速路段中的静态监控设备和静态监控设备的工作参数;
根据所述工作参数计算监控范围,计算监控范围与高速路段的交集,得到已监控区域;
在高速路段中计算已监控区域的补集,在补集中确定静态监控设备的安装点位;
其中,所有静态监控设备的监控范围的并集大于目标区域中所有高速路段的并集。
3.根据权利要求1所述的高速公路行为监控数据处理方法,其特征在于,所述基于聚类后的静态监控设备确定数据处理节点和动态监控设备的步骤包括:
根据同类静态监控设备生成平面图;所述平面图中含有与静态监控设备对应的映射点;
计算最高级别的静态监控设备与其他静态监控设备之间的距离,根据其他静态监控设备的级别对计算出的距离进行修正;
根据修正后的距离确定数据处理节点和动态监控设备的安装位置;
基于地图服务获取并存储安装位置至其他静态监控设备的运动路径,向动态监控设备发送。
4.根据权利要求3所述的高速公路行为监控数据处理方法,其特征在于,所述根据修正后的距离确定数据处理节点和动态监控设备的安装位置的步骤包括:
计算修正后的距离均值,基于所述均值标记其他静态监控设备;
在标记的静态监控设备中选取距离最远的两个静态监控设备,在两个静态监控设备的连线上选取安装位置;所述安装位置的条件为:
;式中,/>为安装位置,/>是标记的静态监控设备的位置,/>为两个静态监控设备的连线;n为标记的静态监控设备的总数。
5.根据权利要求1所述的高速公路行为监控数据处理方法,其特征在于,所述基于所述数据处理节点判定异常行为,生成动态监控设备的控制指令的步骤包括:
基于所述数据处理节点实时接收静态监控设备获取到公路图像;
将公路图像转换为单值图像,计算公路图像的均值;
根据所述均值将公路图像进行二值化处理,得到二值矩阵;
根据二值矩阵确定目标轮廓并计算各目标轮廓间的距离;
当小于预设的距离阈值的距离数量达到预设的数量阈值时,向动态监控设备发送指向该静态监控设备的运动指令。
6.一种高速公路行为监控数据处理系统,其特征在于,所述系统包括:
设备扩充模块,用于查询目标区域中已设的静态监控设备,确定已监控区域,基于已监控区域扩充静态监控设备;
数据量计算模块,用于定时读取并拼接各静态监控设备获取到的公路图像,对拼接后的公路图像进行识别,确定各静态监控设备的监控数据量;
端口布置模块,用于根据所述监控数据量确定数据处理节点和动态监控设备;
指令生成模块,用于基于所述数据处理节点判定异常行为,生成动态监控设备的控制指令;
所述数据量计算模块包括:
图像拼接单元,用于根据预设的时间序列读取各静态监控设备获取到的公路图像,根据各静态监控设备的位置拼接公路图像,得到公路总图;所述公路总图中含有区域标记,所述区域标记用于表征区域的获取主体;
客体表输出单元,用于将所述公路总图输入预设的神经网络模型,输出公路总图的客体表;所述客体表包括客体类型项和客体位置项;
客体分类单元,用于依次查询客体位置项对应的区域标记,根据区域标记对客体进行分类,得到各静态监控设备的监控数据量;
数据组生成单元,用于根据时间序列排列各静态监控设备的监控数据量,得到监控数据量组;
所述根据所述监控数据量确定数据处理节点和动态监控设备的内容包括:
计算一个时间周期内监控数据量组的数组特征,将数组特征输入预设的线性公式,得到静态监控设备的级别;所述数组特征包括极值、极值点数、均值、总值和方差;
选取最高级别的静态监控设备,作为基准设备;
以基准设备为中心,在预设的距离范围内选取并聚类静态监控设备;同类静态监控设备的级别分布满足预设的级别条件;
在未聚类的静态监控设备中选取最高级别的静态监控设备,作为基准设备,并循环执行直至所有静态监控设备均被聚类;
基于聚类后的静态监控设备确定数据处理节点和动态监控设备。
7.根据权利要求6所述的高速公路行为监控数据处理系统,其特征在于,所述设备扩充模块包括:
目标区域确定单元,用于接收工作人员输入的边界信息,根据所述边界信息确定目标区域;
定位单元,用于基于地图服务定位目标区域中的高速路段、安装在高速路段中的静态监控设备和静态监控设备的工作参数;
已监控区计算单元,用于根据所述工作参数计算监控范围,计算监控范围与高速路段的交集,得到已监控区域;
安装点位确定单元,用于在高速路段中计算已监控区域的补集,在补集中确定静态监控设备的安装点位;
其中,所有静态监控设备的监控范围的并集大于目标区域中所有高速路段的并集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310023190.8A CN115937800B (zh) | 2023-01-09 | 2023-01-09 | 一种高速公路行为监控数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310023190.8A CN115937800B (zh) | 2023-01-09 | 2023-01-09 | 一种高速公路行为监控数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115937800A CN115937800A (zh) | 2023-04-07 |
CN115937800B true CN115937800B (zh) | 2023-07-18 |
Family
ID=86649299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310023190.8A Active CN115937800B (zh) | 2023-01-09 | 2023-01-09 | 一种高速公路行为监控数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115937800B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117097767B (zh) * | 2023-10-18 | 2023-12-22 | 长春师范大学 | 一种用于汽车车联网的联合通讯方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112071025A (zh) * | 2020-08-06 | 2020-12-11 | 中国公路工程咨询集团有限公司 | 公路地质灾害监测预警系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122765B (zh) * | 2017-05-22 | 2021-05-14 | 成都通甲优博科技有限责任公司 | 一种高速公路服务区全景监控方法及系统 |
US11074811B2 (en) * | 2018-08-21 | 2021-07-27 | Here Global B.V. | Method and apparatus for using drones for road and traffic monitoring |
CN113870550B (zh) * | 2021-08-11 | 2022-07-12 | 中标慧安信息技术股份有限公司 | 基于边缘计算的区域异常检测方法和系统 |
CN115331467B (zh) * | 2022-10-17 | 2023-01-10 | 湖南仁和环保科技有限公司 | 一种基于视频监控的垃圾处理全流程监控方法 |
-
2023
- 2023-01-09 CN CN202310023190.8A patent/CN115937800B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112071025A (zh) * | 2020-08-06 | 2020-12-11 | 中国公路工程咨询集团有限公司 | 公路地质灾害监测预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115937800A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111785019B (zh) | 一种基于v2x的车辆交通数据生成方法、系统及存储介质 | |
CN110097753B (zh) | 二次事故的预警方法、装置、系统及道路监测装置 | |
CN115937800B (zh) | 一种高速公路行为监控数据处理方法及系统 | |
CN111458721B (zh) | 一种暴露垃圾的识别定位方法、装置及系统 | |
CN113419226B (zh) | 一种雷达故障检修系统 | |
CN111222375A (zh) | 车辆行驶轨迹生成方法、系统及服务器 | |
CN112233428B (zh) | 车流量预测方法、装置、存储介质及设备 | |
CN116189436B (zh) | 一种基于大数据的多源数据融合算法 | |
CN116758723A (zh) | 一种车辆运输监测方法、系统及介质 | |
CN114390438B (zh) | 一种交通设备定位方法及装置 | |
CN113888860A (zh) | 车辆异常行驶的检测方法、装置、服务器及可读存储介质 | |
CN110556014B (zh) | 智能公交调度平台系统 | |
CN113343905B (zh) | 道路异常智能识别模型训练、道路异常识别的方法及系统 | |
CN111488338B (zh) | 应用于风控决策流的模型监控方法及装置 | |
CN110866441B (zh) | 一种车辆识别、延续追踪方法、装置和路侧系统 | |
WO2022042853A1 (en) | Critical scenario identification for verification and validation of vehicles | |
CN116127604B (zh) | 一种汽车防撞数据处理方法及系统 | |
CN111369790A (zh) | 过车记录校正方法、装置、设备及存储介质 | |
CN115116224B (zh) | 一种边缘端数据采集传输系统及方法 | |
CN114495505B (zh) | 拥堵路段通过时长的预测方法、装置、介质及服务器 | |
CN105303246A (zh) | 一种多线路公交到站时间预测方法 | |
CN115798174A (zh) | 多灾害预警信息的融合处理方法、装置、设备及存储介质 | |
CN116264034A (zh) | 一种危险路段识别方法、装置、边缘侧平台和路侧设备 | |
CN110444038B (zh) | 基于大数据的公交调度方法 | |
CN114025375A (zh) | 基于蜂窝分布识别技术的5g跟踪区异常检测方法及其系统 |
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 |