CN116153082B - 一种基于机器视觉的高速公路路况采集分析处理系统 - Google Patents

一种基于机器视觉的高速公路路况采集分析处理系统 Download PDF

Info

Publication number
CN116153082B
CN116153082B CN202310413457.4A CN202310413457A CN116153082B CN 116153082 B CN116153082 B CN 116153082B CN 202310413457 A CN202310413457 A CN 202310413457A CN 116153082 B CN116153082 B CN 116153082B
Authority
CN
China
Prior art keywords
road condition
vehicle
blocking
vehicles
representation
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
Application number
CN202310413457.4A
Other languages
English (en)
Other versions
CN116153082A (zh
Inventor
豆仁国
马晓强
李忠清
林秀川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Zte Engineering Supervision Co ltd
Original Assignee
Anhui Zte Engineering Supervision Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Zte Engineering Supervision Co ltd filed Critical Anhui Zte Engineering Supervision Co ltd
Priority to CN202310413457.4A priority Critical patent/CN116153082B/zh
Publication of CN116153082A publication Critical patent/CN116153082A/zh
Application granted granted Critical
Publication of CN116153082B publication Critical patent/CN116153082B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及高速公路采集分析技术领域，具体公开一种基于机器视觉的高速公路路况采集分析处理系统，通过在导航系统内增加导航联动功能，由此对在指定高速公路上行驶的车辆利用导航联动功能进行路况询问触发，从而对亲临道路现场的车辆以路况询问的方式实现了高速公路路况信息的采集获取，该路况信息获取方式相对于依据车辆的GPS定位信息转化获取，更加直接且客观，能够最大化地提高路况信息获取结果的准确度，与此同时在通过路况询问方式进行高速公路路况信息获取之后通过无人机对阻滞路况表征位置进行路面状态图像采集，增加了路况信息呈现的画面感，能够直观形象地向车主显示路况现状，有利于提高车辆绕行指导的科学性。

Description

一种基于机器视觉的高速公路路况采集分析处理系统
技术领域
本发明涉及高速公路采集分析技术领域，具体而言，是一种基于机器视觉的高速公路路况采集分析处理系统。
背景技术
近年来，城市经济飞速发展和城市空间不断扩张，使得居民出行需求迅猛增长，为了缓解公路的交通压力，高速公路应运而生。
伴随着经济的发展，现在的高速公路发展迅猛，车流量日渐庞大，不可避免地造成了随意停车、超车、超载行驶等违章行为，这些行为容易发生交通事故，在很大程度上影响了高速公路的畅通，导致高速公路路况呈现阻滞状态，严重降低了人们的出行体验感，为了提高人们在高速公路上的出行体验感，人们迫切需要及时获知高速公路的路况信息，从而为人们在高速公路上的出行提供绕行指导，在这种情况下，对高速公路上的路况信息进行采集分析显得尤为必要。
鉴于目前的出行基本都依赖于导航，使得目前对高速公路上路况信息的采集分析都是以导航系统中显示的路况信息为基准，而导航系统中显示的路况信息是基于所有车辆的GPS定位信息转化得到的，这种路况信息获取方式由于无法亲临道路现场，使得GPS定位信息转化存在错误转化的可能性，进而影响路况信息获取结果的准确度，对于一些对路况信息获取要求高的车主来说，就无法满足这一类车主的路况获取需求，导致存在使用群体局限。
另一方面目前由导航系统采集的高速公路路况信息大多使用路段标记的形式体现，缺乏画面感，难以直观形象地向车主显示路况现状，进而难以为后续的车辆绕行指导提供真实可靠的依据，从而在一定程度上降低了车辆绕行指导的科学性和实用价值。
发明内容
为此，本申请实施例的一个目的在于提供一种基于机器视觉的高速公路路况采集分析处理系统，有效解决了背景技术提到的问题。
本发明通过以下技术方案来实现：一种基于机器视觉的高速公路路况采集分析处理系统，包括以下模块：目标车辆定位筛选模块，用于实时统计使用导航系统的车辆数量，并基于导航系统定位各车辆的当前行驶位置，进而识别各车辆是否行驶在指定高速公路上，由此筛选出目标车辆。
导航联动监测模块，用于对目标车辆启动导航联动功能，以此实时监测各目标车辆的路况关联行驶参数。
路况询问触发判断模块，用于根据实时监测的各目标车辆的路况关联行驶参数由导航系统判断是否触发路况询问。
路况询问触发实施模块，用于当某目标车辆的路况关联行驶参数触发了路况询问时将该目标车辆记为有效车辆，进而利用有效车辆的导航系统向车主自动触发路况询问，并采集路况询问结果。
阻滞路况表征信息生成模块，用于从各有效车辆的路况询问结果中提取路况询问结果为阻滞路况的有效车辆，将其记为重点车辆，进而生成各重点车辆对应的阻滞路况表征信息。
路面状态图像采集模块，用于从各重点车辆对应的阻滞路况表征信息中提取阻滞路况表征位置，进而规划无人机对阻滞路况表征位置的路面采集顺序，由此利用无人机按照规划的路面采集顺序依次采集阻滞路况表征位置的路面状态图像。
路况信息智能标记显示模块，用于在指定高速公路的导航路线图中对阻滞路况表征位置进行标记，并将阻滞路况表征位置的路面状态图像进行附带显示。
根据本发明的一种能够实现的方式，所述目标车辆的筛选方式如下：根据各车辆的当前行驶位置获取各车辆当前行驶道路名称。
将各车辆当前行驶道路名称与指定高速公路进行匹配，从中筛选出匹配成功的车辆，记为目标车辆。
根据本发明的一种能够实现的方式，所述路况关联行驶参数为行驶速度。
根据本发明的一种能够实现的方式，所述判断是否触发路况询问对应的实现过程如下：将各目标车辆在各监测时刻的路况关联行驶参数与指定高速公路对应的下限行驶速度进行对比，计算各目标车辆在各监测时刻的行驶速度偏离度
Figure SMS_1
，其计算公式为
Figure SMS_2
，其中/>
Figure SMS_3
表示为第i目标车辆在第t监测时刻的行驶速度，i表示为目标车辆编号，/>
Figure SMS_4
，t表示为监测时刻编号，/>
Figure SMS_5
，/>
Figure SMS_6
表示为指定高速公路对应的下限行驶速度。
将
Figure SMS_7
与预设的正常行驶速度偏离度进行对比，若各目标车辆在某监测时刻的行驶速度偏离度大于正常行驶速度偏离度，则以该监测时刻为起始点划定若干有效监测时刻。
将各目标车辆在各有效监测时刻的行驶速度进行相邻有效监测时刻对比，分析各目标车辆对应的行驶速度阻碍指数
Figure SMS_8
。
将
Figure SMS_9
代入下述路况询问判断模型/>
Figure SMS_10
，得到各目标车辆的路况询问触发判断结果。
在上述判断模型中，
Figure SMS_11
表示为设定的临界行驶速度阻碍指数。
根据本发明的一种能够实现的方式，所述各目标车辆对应的行驶阻碍指数具体分析方法如下：以有效监测时刻为横坐标，以行驶速度为纵坐标，由此构建二维坐标，针对各目标车辆在各有效监测时刻的行驶速度在所构建的二维坐标内标注多个点，形成各目标车辆的行驶速度随有效监测时刻的变化曲线。
在各目标车辆的行驶速度随有效监测时刻的变化曲线中分别获取各点的斜率。
取各点的斜率符号，并将各点的斜率符号进行对比，进而将相同的斜率符号进行归类，从而统计出负斜率符号的出现占比率，此时将负斜率符号对应的点记为特征点。
将各目标车辆的行驶速度随有效监测时刻的变化曲线中各特征点的斜率导入公式
Figure SMS_12
，得到各目标车辆对应的行驶速度阻碍指数/>
Figure SMS_13
，其中/>
Figure SMS_14
、/>
Figure SMS_15
分别表示为第i目标车辆的行驶速度随有效监测时刻的变化曲线中负斜率符号的出现占比率、第d特征点的斜率，d表示为特征点的编号，/>
Figure SMS_16
，r表示为特征点的数量。
根据本发明的一种能够实现的方式，所述生成各重点车辆对应的阻滞路况表征信息对应的具体操作方式如下：分别记录各重点车辆在触发路况询问时的时间，将其记为阻滞路况表征时间。
利用导航系统在各重点车辆对应的阻滞路况表征时间定位车辆行驶位置，将其记为阻滞路况表征位置。
阻滞路况表征时间和阻滞路况表征位置构成了各重点车辆对应的阻滞路况表征信息。
根据本发明的一种能够实现的方式，所述路况询问结果的采集方式为利用内置在导航系统中的语音采集器实现路况询问结果采集。
根据本发明的一种能够实现的方式，所述无人机上携带摄像仪和GPS定位设备，其中摄像仪用于进行路面状态图像采集，GPS定位设备用于对无人机的航行位置进行定位。
根据本发明的一种能够实现的方式，所述规划无人机对阻滞路况表征位置的路面采集顺序的具体实现过程如下：（1）从各重点车辆对应的阻滞路况表征信息中提取阻滞路况表征时间，进而将各重点车辆对应的阻滞路况表征时间进行相互对比，识别是否存在相同阻滞路况表征时间，若不存在则执行（2），若存在则执行（3）-（9）。
（2）将各重点车辆对应的阻滞路况表征位置按照阻滞路况表征时间先后顺序进行排列，排序结果即为无人机对阻滞路况表征位置的路面采集顺序。
（3）将所有重点车辆划分为相同阻滞路况表征时间对应的重点车辆组和不同阻滞路况表征时间对应的重点车辆组，进而将不同阻滞路况表征时间对应的重点车辆组按照（2）获取无人机对相应重点车辆对应阻滞路况表征位置的路面采集顺序。
（4）将相同阻滞路况表征时间对应重点车辆组中存在的重点车辆记为特定车辆，进而依次以各特定车辆作为参照车辆，并将参照车辆对应的阻滞路况表征位置为参照位置，获取其他特定车辆对应的阻滞路况表征位置与参照位置之间的距离，记为对比距离，由此构成各特定车辆对应参照位置的对比距离集合。
（5）将各特定车辆对应参照位置的对比距离集合利用公式
Figure SMS_17
，计算得到各特定车辆对应参照位置的的集中倾向度/>
Figure SMS_18
，其中/>
Figure SMS_19
表示为以第j特定车辆对应的阻滞路况表征位置为参照位置时其他第f特定车辆对应的对比距离，j表示为特定车辆的编号，/>
Figure SMS_20
，m表示为特定车辆的数量，
Figure SMS_21
，f表示为除参照车辆之外其他特定车辆的编号，e表示为自然常数。
（6）将各特定车辆对应参照位置的的集中倾向度与预定义的集中倾向度阈值进行对比，从中筛选出大于集中倾向度阈值的特定车辆，作为集中倾向车辆。
（7）分别以各集中倾向车辆的阻滞路况表征位置为圆心，以预定距离为半径作圆，圆内区域即为各集中倾向车辆对应的阻滞路况表征位置代表区域。
（8）依据各特定车辆对应的阻滞路况表征位置分别统计落入各有效车辆对应阻滞路况表征位置代表区域中的特定车辆数量，并据此将各特定车辆划分为若干阻滞路况位置对应的特定车辆集合。
（9）将各阻滞路况位置按照拥有的特定车辆数量由大到小的顺序进行排列，排序结果即为无人机对各阻滞路况位置的路面采集顺序。
与现有技术相比，本发明具有以下优点：1、本发明通过在导航系统内增加导航联动功能，由此对在指定高速公路上行驶的车辆利用导航联动功能进行路况询问触发，从而对亲临道路现场的车辆以路况询问的方式实现了高速公路路况信息的采集获取，该路况信息获取方式相对于依据车辆的GPS定位信息转化获取，更加直接且客观，能够最大化地提高路况信息获取结果的准确度，从而能够满足路况信息获取精准性较高的车主需求，有效规避了使用群体局限，有利于扩大导航系统的使用人群。
2、本发明中路况询问触发的实现是考虑到车辆在通畅行驶状态下和阻滞行驶状态下变化最大的参数为行驶速度，进而将车辆的行驶速度与导航系统相关联，由此通过实时监测车辆的行驶速度，根据行驶速度随时间的变化状态进行路况询问触发判断，能够大大提高路况询问触发的及时度和准确度，最大限度避免了路况询问的无效触发，从而降低了无效路况询问触发对车辆行驶的干扰，有利于保障车辆的正常安全行驶。
3.本发明在通过路况询问方式进行高速公路路况信息获取之后通过无人机对阻滞路况表征位置进行路面状态图像采集，以此利用机器视觉技术增加了路况信息呈现的画面感，能够直观形象地向车主显示路况现状，进而为后续的车辆绕行指导提供真实可靠的依据，有利于提高车辆绕行指导的科学性和实用价值。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的系统连接示意图。
图2为本发明中目标车辆的行驶速度随有效监测时刻的变化曲线示意图。
图3为本发明中无人机对阻滞路况表征位置的路面采集顺序规划流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提出一种基于机器视觉的高速公路路况采集分析处理系统，包括目标车辆定位筛选模块、导航联动监测模块、路况询问触发判断模块、路况询问触发实施模块、阻滞路况表征信息生成模块、路面状态图像采集模块和路况信息智能标记显示模块。
参照图1所示，上述中各模块之间的连接关系为目标车辆定位筛选模块与导航联动监测模块连接，导航联动监测模块与路况询问触发判断模块连接，路况询问触发判断模块与路况询问触发实施模块连接，路况询问触发实施模块与阻滞路况表征信息生成模块连接，阻滞路况表征信息生成模块与路面状态图像采集模块连接，阻滞路况表征信息生成模块和路面状态图像采集模块均与路况信息智能标记显示模块连接。
所述目标车辆定位筛选模块用于实时统计使用导航系统的车辆数量，并基于导航系统定位各车辆的当前行驶位置，进而识别各车辆是否行驶在指定高速公路上，由此筛选出目标车辆。
在本发明的具体实施例中，统计使用导航系统车辆数量的具体操作方式为由于用户对导航系统的使用都需要登录账户使用，当某导航系统的登录账户处于使用状态时，表明该用户正在使用导航系统，此时获取相应用户使用导航系统的方式，例如骑行导航、步行导航和驾车导航，当某用户使用导航系统的方式为驾车导航时，表明该用户为使用导航系统的车辆，由此统计使用导航系统方式为驾车导航的用户数量，即为使用导航系统车辆数量。
在本发明的又一实施例中，目标车辆的筛选方式如下：根据各车辆的当前行驶位置获取各车辆当前行驶道路名称。
将各车辆当前行驶道路名称与指定高速公路进行匹配，从中筛选出匹配成功的车辆，记为目标车辆。
所述导航联动监测模块用于对目标车辆启动导航联动功能，以此实时监测各目标车辆的路况关联行驶参数，其中路况关联行驶参数为行驶速度。
需要说明的是，上述中提到的导航联动功能实现方式为将车辆的车速表与导航系统联动连接，由此可以在导航过程中实时监测车辆的行驶速度。
本发明中以行驶速度作为路况关联行驶参数的目的在于高速公路上没有交通信号灯，也就不存在因交通信号灯而影响行驶速度的现象，同时高速公路对车辆的行驶速度具有一定的要求，不能过高也不能过低，在这种情况下，车辆的行驶速度对高速公路路况是否通畅起到了决定性作用，因而以行驶速度作为路况关联行驶参数是非常有必要的，能够使后续的路况询问触发更加有效。
所述路况询问触发判断模块用于根据实时监测的各目标车辆的路况关联行驶参数由导航系统判断是否触发路况询问，实现过程如下：将各目标车辆在各监测时刻的路况关联行驶参数与指定高速公路对应的下限行驶速度进行对比，计算各目标车辆在各监测时刻的行驶速度偏离度
Figure SMS_22
，其计算公式为/>
Figure SMS_23
，其中
Figure SMS_24
表示为第i目标车辆在第t监测时刻的行驶速度，i表示为目标车辆编号，/>
Figure SMS_25
，t表示为监测时刻编号，/>
Figure SMS_26
，/>
Figure SMS_27
表示为指定高速公路对应的下限行驶速度，其中目标车辆的行驶速度与指定高速公路对应的下限行驶速度相差越大，目标车辆在各监测时刻的行驶速度偏离度越大，表明车辆发生行驶堵塞的概率越大。
需要知道的是，上述提到的指定高速公路对应的下限行驶速度获取方式根据指定高速公路名称从相关交通信息库中获取指定高速公路对应的下限行驶速度。
本发明中由于考虑到当高速公路处于通畅状态下时，车辆的行驶速度一般处在指定高速公路对应的下限行驶速度与上限行驶速度之间，但高速公路交通不畅时，车辆的行驶速度会偏低于指定高速公路对应的下限行驶速度，因此对车辆行驶速度偏离度的分析只需要将车辆的行驶速度与指定高速公路对应的下限行驶速度进行对比，且只需要考虑车辆行驶速度低于指定高速公路对应的下限行驶速度的情况。
将
Figure SMS_28
与预设的正常行驶速度偏离度进行对比，若各目标车辆在某监测时刻的行驶速度偏离度大于正常行驶速度偏离度，则以该监测时刻为起始点划定若干有效监测时刻。
将各目标车辆在各有效监测时刻的行驶速度进行相邻有效监测时刻对比，分析各目标车辆对应的行驶速度阻碍指数
Figure SMS_29
，具体分析方法如下：参见图2所示，以有效监测时刻为横坐标，以行驶速度为纵坐标，由此构建二维坐标，针对各目标车辆在各有效监测时刻的行驶速度在所构建的二维坐标内标注多个点，形成各目标车辆的行驶速度随有效监测时刻的变化曲线。
在各目标车辆的行驶速度随有效监测时刻的变化曲线中分别获取各点的斜率。
取各点的斜率符号，并将各点的斜率符号进行对比，进而将相同的斜率符号进行归类，从而统计出负斜率符号的出现占比率，此时将负斜率符号对应的点记为特征点。
需要理解的是，在各目标车辆的行驶速度随有效监测时刻的变化曲线中各点的斜率符号反映的是变化曲线在各点的变化趋势，当某点的斜率符号为正时，表明变化曲线在该点的变化趋势为增长，当某点的斜率符号为负时，表明变化曲线在该点的变化趋势为下降，另外在各目标车辆的行驶速度随有效监测时刻的变化曲线中各点的斜率绝对值反映的是变化曲线在各点的变化程度，其中斜率绝对值越大，变化曲线在相应点的变化程度越大。
当高速公路的某一路段存在阻滞时，车辆向该路段的行驶速度会存在阻碍，具体体现就是车辆行驶速度存在动态降低的过程，这反映在行驶速度随有效监测时刻的变化曲线中就是斜率符号为负的点的出现率增大。
将各目标车辆的行驶速度随有效监测时刻的变化曲线中各特征点的斜率导入公式
Figure SMS_30
，得到各目标车辆对应的行驶速度阻碍指数/>
Figure SMS_31
，其中/>
Figure SMS_32
、/>
Figure SMS_33
分别表示为第i目标车辆的行驶速度随有效监测时刻的变化曲线中负斜率符号的出现占比率、第d特征点的斜率，d表示为特征点的编号，/>
Figure SMS_34
，r表示为特征点的数量。
将
Figure SMS_35
代入下述路况询问判断模型/>
Figure SMS_36
，得到各目标车辆的路况询问触发判断结果。
在上述判断模型中，
Figure SMS_37
表示为设定的临界行驶速度阻碍指数。
本发明中路况询问触发的实现是考虑到车辆在通畅行驶状态下和阻滞行驶状态下变化最大的参数为行驶速度，进而将车辆的行驶速度与导航系统相关联，由此通过实时监测车辆的行驶速度，根据行驶速度随时间的变化状态进行路况询问触发判断，能够大大提高路况询问触发的及时度和准确度，最大限度避免了路况询问的无效触发，从而降低了无效路况询问触发对车辆行驶的干扰，有利于保障车辆的正常安全行驶。
所述路况询问触发实施模块用于当某目标车辆的路况关联行驶参数触发了路况询问时将该目标车辆记为有效车辆，进而利用有效车辆的导航系统向车主自动触发路况询问，并采集路况询问结果。
作为本发明的一个示例，路况询问的触发方式可以由导航系统采用语音的方式发出询问：前方是否发生阻滞。
在上述优选方案基础上，路况询问结果的采集方式为利用内置在导航系统中的语音采集器实现路况询问结果采集。
所述阻滞路况表征信息生成模块用于从各有效车辆的路况询问结果中提取路况询问结果为阻滞路况的有效车辆，将其记为重点车辆，进而生成各重点车辆对应的阻滞路况表征信息。
进一步地，生成各重点车辆对应的阻滞路况表征信息对应的具体操作方式如下：分别记录各重点车辆在触发路况询问时的时间，将其记为阻滞路况表征时间。
利用导航系统在各重点车辆对应的阻滞路况表征时间定位车辆行驶位置，将其记为阻滞路况表征位置。
阻滞路况表征时间和阻滞路况表征位置构成了各重点车辆对应的阻滞路况表征信息。
本发明通过在导航系统内增加导航联动功能，由此对在指定高速公路上行驶的车辆利用导航联动功能进行路况询问触发，从而对亲临道路现场的车辆以路况询问的方式实现了高速公路路况信息的采集获取，该路况信息获取方式相对于依据车辆的GPS定位信息转化获取，更加直接且客观，能够最大化地提高路况信息获取结果的准确度，从而能够满足路况信息获取精准性较高的车主需求，有效规避了使用群体局限，有利于扩大导航系统的使用人群。
所述路面状态图像采集模块用于从各重点车辆对应的阻滞路况表征信息中提取阻滞路况表征位置，进而规划无人机对阻滞路况表征位置的路面采集顺序，由此利用无人机按照规划的路面采集顺序依次采集阻滞路况表征位置的路面状态图像。
需要说明的是，无人机上携带摄像仪和GPS定位设备，其中摄像仪用于进行路面状态图像采集，GPS定位设备用于对无人机的航行位置进行定位。
作为一种优选实施方式，参见图3所示，规划无人机对阻滞路况表征位置的路面采集顺序的具体实现过程如下：（1）从各重点车辆对应的阻滞路况表征信息中提取阻滞路况表征时间，进而将各重点车辆对应的阻滞路况表征时间进行相互对比，识别是否存在相同阻滞路况表征时间，若不存在则执行（2），若存在则执行（3）-（9）。
（2）将各重点车辆对应的阻滞路况表征位置按照阻滞路况表征时间先后顺序进行排列，排序结果即为无人机对阻滞路况表征位置的路面采集顺序。
（3）将所有重点车辆划分为相同阻滞路况表征时间对应的重点车辆组和不同阻滞路况表征时间对应的重点车辆组，进而将不同阻滞路况表征时间对应的重点车辆组按照（2）获取无人机对相应重点车辆对应阻滞路况表征位置的路面采集顺序。
（4）将相同阻滞路况表征时间对应重点车辆组中存在的重点车辆记为特定车辆，进而依次以各特定车辆作为参照车辆，并将参照车辆对应的阻滞路况表征位置为参照位置，获取其他特定车辆对应的阻滞路况表征位置与参照位置之间的距离，记为对比距离，由此构成各特定车辆对应参照位置的对比距离集合。
本发明中对特定车辆对应阻滞路况表征位置的路面采集顺序分析考虑到有些特定车辆对应的阻滞路况表征位置相隔较劲，可以作为一个阻滞路况位置进行路面状态图像采集，进而提高路面状态图像采集效率，在这个考虑基础上，需要对各特定车辆对应阻滞路况表征位置进行划分，将属于同一阻滞路况位置的特定车辆进行归类。
（5）将各特定车辆对应参照位置的对比距离集合利用公式
Figure SMS_38
，计算得到各特定车辆对应参照位置的的集中倾向度/>
Figure SMS_39
，其中/>
Figure SMS_40
表示为以第j特定车辆对应的阻滞路况表征位置为参照位置时其他第f特定车辆对应的对比距离，j表示为特定车辆的编号，/>
Figure SMS_41
，m表示为特定车辆的数量，
Figure SMS_42
，f表示为除参照车辆之外其他特定车辆的编号，e表示为自然常数。
（6）将各特定车辆对应参照位置的的集中倾向度与预定义的集中倾向度阈值进行对比，从中筛选出大于集中倾向度阈值的特定车辆，作为集中倾向车辆。
本发明中通过对各特定车辆对应参照位置的的集中倾向度分析可以快速识别出集中倾向车辆，进而为同一阻滞路况位置的特定车辆归类提供便捷。
（7）分别以各集中倾向车辆的阻滞路况表征位置为圆心，以预定距离为半径作圆，圆内区域即为各集中倾向车辆对应的阻滞路况表征位置代表区域。
上述中各集中倾向车辆对应的阻滞路况表征位置即为一个阻滞路况位置，落入某集中倾向车辆对应的阻滞路况表征位置代表区域中特定车辆归类为同一阻滞路况位置对应的特定车辆。
（8）依据各特定车辆对应的阻滞路况表征位置分别统计落入各有效车辆对应阻滞路况表征位置代表区域中的特定车辆数量，并据此将各特定车辆划分为若干阻滞路况位置对应的特定车辆集合。
（9）将各阻滞路况位置按照拥有的特定车辆数量由大到小的顺序进行排列，排序结果即为无人机对各阻滞路况位置的路面采集顺序。
本发明通过规划无人机对阻滞路况表征位置的路面采集顺序，一方面提高了阻滞路况表征位置路面状态图像采集的及时度，另一方面通过对相同阻滞路况表征位置进行识别归类，提高了阻滞路况表征位置路面状态图像采集的效率，大大避免出现路面状态图像采集滞后现象，从而在一定程度上提高了采集的路面状态图像与真实路况的同步度。
所述路况信息智能标记显示模块用于在指定高速公路的导航路线图中对阻滞路况表征位置进行标记，并将阻滞路况表征位置的路面状态图像进行附带显示。
本发明在通过路况询问方式进行高速公路路况信息获取之后通过无人机对阻滞路况表征位置进行路面状态图像采集，以此利用机器视觉技术增加了路况信息呈现的画面感，能够直观形象地向车主显示路况现状，进而为后续的车辆绕行指导提供真实可靠的依据，有利于提高车辆绕行指导的科学性和实用价值。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的结构或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (7)

1.一种基于机器视觉的高速公路路况采集分析处理系统，其特征在于，包括以下模块：
目标车辆定位筛选模块，用于实时统计使用导航系统的车辆数量，并基于导航系统定位各车辆的当前行驶位置，进而识别各车辆是否行驶在指定高速公路上，由此筛选出目标车辆；
导航联动监测模块，用于对目标车辆启动导航联动功能，以此实时监测各目标车辆的路况关联行驶参数；
路况询问触发判断模块，用于根据实时监测的各目标车辆的路况关联行驶参数由导航系统判断是否触发路况询问；
路况询问触发实施模块，用于当某目标车辆的路况关联行驶参数触发了路况询问时将该目标车辆记为有效车辆，进而利用有效车辆的导航系统向车主自动触发路况询问，并采集路况询问结果；
阻滞路况表征信息生成模块，用于从各有效车辆的路况询问结果中提取路况询问结果为阻滞路况的有效车辆，将其记为重点车辆，进而生成各重点车辆对应的阻滞路况表征信息；
路面状态图像采集模块，用于从各重点车辆对应的阻滞路况表征信息中提取阻滞路况表征位置，进而规划无人机对阻滞路况表征位置的路面采集顺序，由此利用无人机按照规划的路面采集顺序依次采集阻滞路况表征位置的路面状态图像；
路况信息智能标记显示模块，用于在指定高速公路的导航路线图中对阻滞路况表征位置进行标记，并将阻滞路况表征位置的路面状态图像进行附带显示；
所述路况关联行驶参数为行驶速度；
所述判断是否触发路况询问对应的实现过程如下：
将各目标车辆在各监测时刻的路况关联行驶参数与指定高速公路对应的下限行驶速度进行对比，计算各目标车辆在各监测时刻的行驶速度偏离度
Figure QLYQS_1
，其计算公式为
Figure QLYQS_2
，其中/>
Figure QLYQS_3
表示为第i目标车辆在第t监测时刻的行驶速度，i表示为目标车辆编号，/>
Figure QLYQS_4
，t表示为监测时刻编号，/>
Figure QLYQS_5
，/>
Figure QLYQS_6
表示为指定高速公路对应的下限行驶速度；
将
Figure QLYQS_7
与预设的正常行驶速度偏离度进行对比，若各目标车辆在某监测时刻的行驶速度偏离度大于正常行驶速度偏离度，则以该监测时刻为起始点划定若干有效监测时刻；
将各目标车辆在各有效监测时刻的行驶速度进行相邻有效监测时刻对比，分析各目标车辆对应的行驶速度阻碍指数
Figure QLYQS_8
；
将
Figure QLYQS_9
代入下述路况询问判断模型/>
Figure QLYQS_10
，得到各目标车辆的路况询问触发判断结果；
在上述判断模型中，
Figure QLYQS_11
表示为设定的临界行驶速度阻碍指数。
2.根据权利要求1所述的一种基于机器视觉的高速公路路况采集分析处理系统，其特征在于：所述目标车辆的筛选方式如下：
根据各车辆的当前行驶位置获取各车辆当前行驶道路名称；
将各车辆当前行驶道路名称与指定高速公路进行匹配，从中筛选出匹配成功的车辆，记为目标车辆。
3.根据权利要求1所述的一种基于机器视觉的高速公路路况采集分析处理系统，其特征在于：所述各目标车辆对应的行驶阻碍指数具体分析方法如下：
以有效监测时刻为横坐标，以行驶速度为纵坐标，由此构建二维坐标，针对各目标车辆在各有效监测时刻的行驶速度在所构建的二维坐标内标注多个点，形成各目标车辆的行驶速度随有效监测时刻的变化曲线；
在各目标车辆的行驶速度随有效监测时刻的变化曲线中分别获取各点的斜率；
取各点的斜率符号，并将各点的斜率符号进行对比，进而将相同的斜率符号进行归类，从而统计出负斜率符号的出现占比率，此时将负斜率符号对应的点记为特征点；
将各目标车辆的行驶速度随有效监测时刻的变化曲线中各特征点的斜率导入公式
Figure QLYQS_12
，得到各目标车辆对应的行驶速度阻碍指数/>
Figure QLYQS_13
，其中/>
Figure QLYQS_14
、/>
Figure QLYQS_15
分别表示为第i目标车辆的行驶速度随有效监测时刻的变化曲线中负斜率符号的出现占比率、第d特征点的斜率，d表示为特征点的编号，/>
Figure QLYQS_16
，r表示为特征点的数量。
4.根据权利要求1所述的一种基于机器视觉的高速公路路况采集分析处理系统，其特征在于：所述生成各重点车辆对应的阻滞路况表征信息对应的具体操作方式如下：
分别记录各重点车辆在触发路况询问时的时间，将其记为阻滞路况表征时间；
利用导航系统在各重点车辆对应的阻滞路况表征时间定位车辆行驶位置，将其记为阻滞路况表征位置；
阻滞路况表征时间和阻滞路况表征位置构成了各重点车辆对应的阻滞路况表征信息。
5.根据权利要求1所述的一种基于机器视觉的高速公路路况采集分析处理系统，其特征在于：所述路况询问结果的采集方式为利用内置在导航系统中的语音采集器实现路况询问结果采集。
6.根据权利要求1所述的一种基于机器视觉的高速公路路况采集分析处理系统，其特征在于：所述无人机上携带摄像仪和GPS定位设备，其中摄像仪用于进行路面状态图像采集，GPS定位设备用于对无人机的航行位置进行定位。
7.根据权利要求1所述的一种基于机器视觉的高速公路路况采集分析处理系统，其特征在于：所述规划无人机对阻滞路况表征位置的路面采集顺序的具体实现过程如下：
（1）从各重点车辆对应的阻滞路况表征信息中提取阻滞路况表征时间，进而将各重点车辆对应的阻滞路况表征时间进行相互对比，识别是否存在相同阻滞路况表征时间，若不存在则执行（2），若存在则执行（3）-（9）；
（2）将各重点车辆对应的阻滞路况表征位置按照阻滞路况表征时间先后顺序进行排列，排序结果即为无人机对阻滞路况表征位置的路面采集顺序；
（3）将所有重点车辆划分为相同阻滞路况表征时间对应的重点车辆组和不同阻滞路况表征时间对应的重点车辆组，进而将不同阻滞路况表征时间对应的重点车辆组按照（2）获取无人机对相应重点车辆对应阻滞路况表征位置的路面采集顺序；
（4）将相同阻滞路况表征时间对应重点车辆组中存在的重点车辆记为特定车辆，进而依次以各特定车辆作为参照车辆，并将参照车辆对应的阻滞路况表征位置为参照位置，获取其他特定车辆对应的阻滞路况表征位置与参照位置之间的距离，记为对比距离，由此构成各特定车辆对应参照位置的对比距离集合；
（5）将各特定车辆对应参照位置的对比距离集合利用公式
Figure QLYQS_17
，计算得到各特定车辆对应参照位置的的集中倾向度/>
Figure QLYQS_18
，其中/>
Figure QLYQS_19
表示为以第j特定车辆对应的阻滞路况表征位置为参照位置时其他第f特定车辆对应的对比距离，j表示为特定车辆的编号，/>
Figure QLYQS_20
，m表示为特定车辆的数量，
Figure QLYQS_21
，f表示为除参照车辆之外其他特定车辆的编号，e表示为自然常数；
（6）将各特定车辆对应参照位置的的集中倾向度与预定义的集中倾向度阈值进行对比，从中筛选出大于集中倾向度阈值的特定车辆，作为集中倾向车辆；
（7）分别以各集中倾向车辆的阻滞路况表征位置为圆心，以预定距离为半径作圆，圆内区域即为各集中倾向车辆对应的阻滞路况表征位置代表区域；
（8）依据各特定车辆对应的阻滞路况表征位置分别统计落入各有效车辆对应阻滞路况表征位置代表区域中的特定车辆数量，并据此将各特定车辆划分为若干阻滞路况位置对应的特定车辆集合；
（9）将各阻滞路况位置按照拥有的特定车辆数量由大到小的顺序进行排列，排序结果即为无人机对各阻滞路况位置的路面采集顺序。
CN202310413457.4A 2023-04-18 2023-04-18 一种基于机器视觉的高速公路路况采集分析处理系统 Active CN116153082B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310413457.4A CN116153082B (zh) 2023-04-18 2023-04-18 一种基于机器视觉的高速公路路况采集分析处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310413457.4A CN116153082B (zh) 2023-04-18 2023-04-18 一种基于机器视觉的高速公路路况采集分析处理系统

Publications (2)

Publication Number Publication Date
CN116153082A CN116153082A (zh) 2023-05-23
CN116153082B true CN116153082B (zh) 2023-06-30

Family

ID=86362097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310413457.4A Active CN116153082B (zh) 2023-04-18 2023-04-18 一种基于机器视觉的高速公路路况采集分析处理系统

Country Status (1)

Country Link
CN (1) CN116153082B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116878572B (zh) * 2023-07-11 2024-03-15 中国人民解放军国防大学联合勤务学院 一种基于装甲车试验环境的多源地理信息数据分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018063267A (ja) * 2018-01-16 2018-04-19 パイオニア株式会社 ナビゲーション装置
CN115691094A (zh) * 2021-07-27 2023-02-03 阿里巴巴新加坡控股有限公司 路况信息处理方法、装置、设备及存储介质
CN115805924A (zh) * 2023-01-28 2023-03-17 江苏钜熙矿用设备科技有限公司 一种矿用车辆制动控制系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3742379B2 (ja) * 2002-11-14 2006-02-01 日本電信電話株式会社 交通渋滞情報変換方法、交通渋滞情報変換装置、交通渋滞情報変換プログラムおよびそのプログラムを記録した記録媒体
CN103745595B (zh) * 2012-10-17 2016-08-03 中国电信股份有限公司 分析路况信息的方法和系统以及路况分析服务器
CN104282165B (zh) * 2013-07-12 2017-07-28 深圳市赛格导航科技股份有限公司 路段拥堵预警方法及装置
CN104318795A (zh) * 2014-10-31 2015-01-28 重庆大学 基于时空分析的高速公路地点交通状态偏离度获取方法
CN106448226A (zh) * 2016-09-06 2017-02-22 深圳市索菱实业股份有限公司 实时上报路况的云控制导航仪系统
CN107038885A (zh) * 2017-05-23 2017-08-11 奇瑞汽车股份有限公司 交通状况提示方法及装置
CN110874920A (zh) * 2018-08-29 2020-03-10 北京汉能光伏投资有限公司 一种路况监测方法及装置、服务器、电子设备
CN111915916A (zh) * 2020-09-07 2020-11-10 四川路桥建设集团交通工程有限公司 一种高速公路全路段的提示方法及系统
US11951992B2 (en) * 2021-01-05 2024-04-09 Guangzhou Automobile Group Co., Ltd. Vehicle positioning method and apparatus, storage medium, and electronic device
CN114111827A (zh) * 2021-11-26 2022-03-01 支付宝(杭州)信息技术有限公司 一种基于区块链的导航处理方法、装置以及设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018063267A (ja) * 2018-01-16 2018-04-19 パイオニア株式会社 ナビゲーション装置
CN115691094A (zh) * 2021-07-27 2023-02-03 阿里巴巴新加坡控股有限公司 路况信息处理方法、装置、设备及存储介质
CN115805924A (zh) * 2023-01-28 2023-03-17 江苏钜熙矿用设备科技有限公司 一种矿用车辆制动控制系统

Also Published As

Publication number Publication date
CN116153082A (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
Morris et al. Real-time video-based traffic measurement and visualization system for energy/emissions
CN104508719B (zh) 驾驶辅助系统以及驾驶辅助方法
CN102723001B (zh) 弯道转向车速安全状态预警的速度反馈标志系统的实现方法
CN111949896B (zh) 基于轨迹大数据的轨迹异常检测方法
CN111862606B (zh) 一种基于多源数据的非法营运车辆识别方法
CN107103775B (zh) 一种基于群智计算的道路质量检测方法
CN108389421B (zh) 基于图像再识别的停车场精确诱导系统及方法
CN114692713B (zh) 一种自动驾驶车辆的驾驶行为评价方法及装置
CN113359673B (zh) 一种基于大数据的自动驾驶汽车性能判定系统
CN116434525A (zh) 一种高速公路智能管理预警系统
CN114495421B (zh) 智能化开放式道路施工作业监测预警方法及系统
CN111209880A (zh) 车辆行为识别方法、装置
CN116153082B (zh) 一种基于机器视觉的高速公路路况采集分析处理系统
CN111785050A (zh) 一种高速公路疲劳驾驶预警装置及方法
CN114971166A (zh) 一种轻量化道路路面服务质量巡检系统
CN116798222A (zh) 高速公路能见度检测与智慧诱导方法、系统及装置
CN117494018A (zh) 一种基于群体数据分析的异常行为监测预警方法
CN113362590A (zh) 基于联网adas调查路域交通违法行为时空特征的方法
CN110254435A (zh) 一种驾驶风格识别方法
CN109720353B (zh) 一种基于智能手机的驾驶行为检测方法
Jiang et al. itv: Inferring traffic violation-prone locations with vehicle trajectories and road environment data
CN108981728A (zh) 一种智能车辆导航地图建立方法
CN117351697A (zh) 一种交通采集图像处理方法及系统
CN117274303A (zh) 一种车辆轨迹的智能追踪方法及系统
Ismail et al. PGTLP: A Dataset for Tunisian License Plate Detection and Recognition

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