CN116524718A - 一种路口数据的远程可视化处理方法和系统 - Google Patents
一种路口数据的远程可视化处理方法和系统 Download PDFInfo
- Publication number
- CN116524718A CN116524718A CN202310539333.0A CN202310539333A CN116524718A CN 116524718 A CN116524718 A CN 116524718A CN 202310539333 A CN202310539333 A CN 202310539333A CN 116524718 A CN116524718 A CN 116524718A
- Authority
- CN
- China
- Prior art keywords
- intersection
- current
- field
- equipment
- point
- 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.)
- Pending
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 148
- 238000003672 processing method Methods 0.000 title abstract description 9
- 238000012544 monitoring process Methods 0.000 claims abstract description 372
- 238000004458 analytical method Methods 0.000 claims abstract description 155
- 238000012545 processing Methods 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000010223 real-time analysis Methods 0.000 claims abstract description 18
- 238000012800 visualization Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims description 74
- 238000012806 monitoring device Methods 0.000 claims description 70
- 238000004891 communication Methods 0.000 claims description 63
- 238000010586 diagram Methods 0.000 claims description 40
- 230000001360 synchronised effect Effects 0.000 claims description 19
- 238000013145 classification model Methods 0.000 claims description 14
- 241001465754 Metazoa Species 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 10
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 8
- 238000003709 image segmentation Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 8
- 240000004050 Pentaglottis sempervirens Species 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000009877 rendering Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 7
- 239000000284 extract Substances 0.000 description 6
- 238000004590 computer program Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
-
- 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
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例涉及一种路口数据的远程可视化处理方法和系统,所述方法包括:云平台对各路口的设备在线状态进行监测;对各路口的实时监测数据进行接收;对各路口的三维场景进行模拟;对各路口的交通事件进行实时分析;对各路口的交通指标进行实时分析;对各路口的交通参与者数量进行实时分析;对各路口的实时交通状况进行可视化处理。通过本发明可以增强道路路口的智能分析水平、提高可视化监控的实时分析能力。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种路口数据的远程可视化处理方法和系统。
背景技术
对道路路口的交通状况进行可视化监测是当前交通管理的一个典型应用需求。目前常规的解决方案是在前端布设摄像头进行实时视频拍摄、在后台对实时视频进行播放、后台工作人员通过人工方式对监测视频进行交通状态分析。很显然,这种常规解决方案过于依赖人工分析条件、其监测分析的实时性和准确性都有待提高。
发明内容
本发明的目的,就是针对现有技术的缺陷,提供一种路口数据的远程可视化处理方法和系统;在各个路口设置多个路侧点,并在每个路侧点上设置一组监测设备与一个路侧点通信设备,各个监测设备通过对应的路侧点通信设备与远程的云平台连接;各个监测设备对当前路口、当前路侧点的交通状况进行实时监测并将监测数据送至云平台;云平台则一方面使用路口监测数据库接收并保存前端的实时监测数据,另一方面基于异步处理机制从路口监测数据库中提取信息进行三维场景构建、交通事件分析、交通指标分析、交通参与值分析并将动态分析结果存于路口分析数据库中,再一方面使用定制的第一、第三可视化页面对各个路口的实时监测视频、交通事件分析、交通指标分析、交通参与值分析进行显示、并使用定制的第二可视化页面基于数字孪生(Digital Twin)技术从当前路侧点视角对当前路口的场景进行展示。通过本发明可以增强道路路口的智能分析水平、提高可视化监控的实时分析能力。
为实现上述目的,本发明实施例第一方面提供了一种路口数据的远程可视化处理方法,所述方法包括:
云平台对各路口的设备在线状态进行监测并根据监测结果更新路口设备数据库;
对各路口的实时监测数据进行接收并存至路口监测数据库;
根据所述路口监测数据库对各路口的三维场景进行模拟并将模拟结果存至路口分析数据库内对应的三维场景数据表中;
根据所述路口监测数据库对各路口的交通事件进行实时分析并将分析结果存至所述路口分析数据库内对应的交通事件数据表中;
根据所述路口监测数据库对各路口的交通指标进行实时分析并将分析结果存至所述路口分析数据库内对应的交通指标数据表中;
根据所述路口监测数据库对各路口的交通参与者数量进行实时分析并将分析结果存至所述路口分析数据库内对应的交通参与者数据表中;
根据实时更新的所述路口设备数据库、所述路口监测数据库、所述路口分析数据库以及预置的运营车辆数据库和路口-路侧点关系数据库对各路口的实时交通状况进行可视化处理。
优选的,各个路口分别对应一个唯一路口编号记为对应的第一路口编号;各个路口包括多个路口分支,每个所述路口分支对应一个分支朝向,所述分支朝向包括东、南、西、北侧,若单一朝向的路口分支数量不唯一则基于当前朝向进行顺序编码;各个路口的各条道路上行驶的机动车辆包括运营车辆和非运营车辆两种;各个运营车辆上预置一个OBU设备;
在每个所述路口分支进入对应路口的道路路侧预置一个路侧点记为对应的第一路侧点;各个所述第一路侧点对应一个唯一路侧点编号记为对应的第一路侧点编号;各个所述第一路侧点上预置一个第一路侧点通信设备和多个所述第一监测设备;
所述第一路侧点通信设备本地保存对应的所述第一路口编号、所述第一路侧点编号和第一路侧点朝向;所述第一路侧点朝向与对应的所述分支朝向一致;
各个所述第一监测设备通过对应的所述第一路侧点通信设备与所述云平台连接;所述第一监测设备本地保存一组对应的设备参数,包括第一设备名称、第一设备编号、第一设备类型和第一设备厂商;所述第一设备类型包括长焦摄像头、全景摄像头、激光雷达、毫米波雷达、RSU设备和交通信号灯杆;
所述第一设备类型为长焦摄像头的所述第一监测设备用于对监测道路进行实时视频拍摄生成一个包含了固定长度视频的第一实时监测数据,并按预设的同步频率定期将最新的所述第一实时监测数据通过对应的所述第一路侧点通信设备向所述云平台发送;所述第一实时监测数据包括第一时间戳、所述第一设备编号、第一数据类型和第一视频数据;所述第一数据类型设为长焦视频类型;
所述第一设备类型为全景摄像头的所述第一监测设备用于对监测道路进行实时视频拍摄生成一个包含了固定长度视频的第二实时监测数据,并按预设的同步频率定期将最新的所述第二实时监测数据通过对应的所述第一路侧点通信设备向所述云平台发送;所述第二实时监测数据包括第二时间戳、所述第一设备编号、第二数据类型和第二视频数据;所述第二数据类型设为全景视频类型;
所述第一设备类型为激光雷达的所述第一监测设备用于对监测环境进行雷达扫描生成一个第三实时监测数据,并按预设的同步频率定期将最新的所述第三实时监测数据通过对应的所述第一路侧点通信设备向所述云平台发送;所述第三实时监测数据包括第三时间戳、所述第一设备编号、第三数据类型和第一雷达点云;所述第三数据类型设为激光雷达点云类型;所述第一雷达点云的各点特征包括第一坐标特征和第一反射强度特征;所述第一坐标特征的坐标系为世界坐标系;
所述第一设备类型为毫米波雷达的所述第一监测设备用于对监测环境进行雷达扫描生成一个第四实时监测数据,并按预设的同步频率定期将最新的所述第四实时监测数据通过对应的所述第一路侧点通信设备向所述云平台发送;所述第四实时监测数据包括第四时间戳、所述第一设备编号、第四数据类型和第二雷达点云;所述第四数据类型设为毫米波雷达点云类型;所述第二雷达点云的各点特征包括第二坐标特征和第一速度特征;所述第二坐标特征的坐标系为世界坐标系;
所述第一设备类型为RSU设备的所述第一监测设备用于接收监测范围内各个运营车辆的OBU设备发送的第一运营车辆数据,并根据预设的第一时段长度将最近第一时段内收到的所有所述第一运营车辆数据组成对应的第五实时监测数据;并按预设的同步频率定期将最新的所述第五实时监测数据通过对应的所述第一路侧点通信设备向所述云平台发送;所述第一运营车辆数据包括第一车辆时间戳、第一车辆车牌、第一车辆型号、第一车辆颜色、第一驾驶模式、第一驾驶员标识、第一运营机构标识、第一车辆定位和第一车辆车速;所述第一驾驶模式包括无人驾驶、自动驾驶和人工驾驶;所述第一驾驶员标识在所述第一驾驶模式为自动驾驶或人工驾驶时为当前驾驶员的身份标识;所述第五实时监测数据包括第五时间戳、所述第一设备编号、第五数据类型和最近第一时段内收到的所有所述第一运营车辆数据,所述第五实时监测数据内的每两个所述第一运营车辆数据的所述第一车辆时间戳的时间间隔不超过所述第一时段长度;所述第五数据类型设为运营车辆类型;
所述第一设备类型为交通信号灯杆的所述第一监测设备用于获取灯杆上所有信号灯的实时灯状态生成对应的第六实时监测数据,并按预设的同步频率定期将最新的所述第六实时监测数据通过对应的所述第一路侧点通信设备向所述云平台发送;所述第六实时监测数据包括第六时间戳、所述第一设备编号、第六数据类型和多个第一信号灯数据;所述第一信号灯数据包括第一信号灯类型、第一信号灯状态和第一信号灯剩余时长;所述第一信号灯类型包括左转灯类型、直行灯类型和右转灯类型;所述第一信号灯状态包括红灯状态、黄灯状态、黄灯闪烁状态和绿灯状态;所述第六数据类型设为灯杆类型;
所述第一路侧点通信设备用于在接收到任一类所述第一监测设备发送的实时监测数据时,将当次接收到的第一、第二、第三、第四、第五或第六实时监测数据作为对应的当前实时监测数据,并由所述第一路口编号、所述第一路侧点编号、所述第一路侧点朝向和所述当前实时监测数据组成对应的第一路侧点数据包向所述云平台发送;
所述第一路侧点通信设备还用于定期对与之连接的所有所述第一监测设备的在线状态是否正常进行探测得到对应的第一设备在线状态列表,并将携带了所述第一路口编号、所述第一路侧点编号和所述第一设备在线状态列表的第一设备心跳指令向所述云平台发送;所述第一设备在线状态列表包括多个第一设备状态记录;所述第一设备状态记录包括第一监测设备编号字段和第一监测设备在线状态字段;所述第一监测设备在线状态字段包括在线状态和离线状态。
优选的,所述云平台包括所述运营车辆数据库、所述路口-路侧点关系数据库、所述路口设备数据库、所述路口监测数据库和所述路口分析数据库;
所述运营车辆数据库包括多个第一车辆记录;所述第一车辆记录包括第一车辆标识字段、第一车辆车牌字段、第一车辆型号字段、第一车辆颜色字段、第一驾驶模式字段、第一驾驶员字段和第一运营机构字段;所述第一驾驶模式字段包括无人驾驶、自动驾驶和人工驾驶;所述第一驾驶员字段在所述第一驾驶模式字段为无人驾驶时为空,在所述第一驾驶模式字段为自动驾驶或人工驾驶时为指定驾驶员标识;
所述路口-路侧点关系数据库包括多个第一关系记录;所述第一关系记录包括第一路口编号字段、第一路口名称字段、第一路口中心点坐标字段和第一路侧点集合字段;所述第一路侧点集合字段用于保存对应的第一路侧点集合;所述第一路侧点集合包括多个第一路侧点记录;所述第一路侧点记录包括第一路侧点编号字段、第一路侧点朝向字段和第一路侧点覆盖范围字段;
所述路口设备数据库包括多个路口设备数据表,所述路口设备数据表与所述第一路口编号一一对应;
所述路口设备数据表包括多个第一设备记录;所述第一设备记录包括第二路侧点编号字段、第一设备编号字段、第一设备名称字段、第一设备类型字段、第一设备厂商字段、第一设备状态字段和第一设备图片字段;所述第一设备类型字段包括长焦摄像头、全景摄像头、激光雷达、毫米波雷达、RSU设备和交通信号灯杆;所述第一设备状态字段包括在线状态和离线状态;
所述路口监测数据库包括多个路口监测子数据库,所述路口监测子数据库与所述第一路口编号一一对应;各个所述路口监测子数据库包括视频数据表、点云数据表、运营车辆数据表和信号灯杆数据表;
所述视频数据表包括多个第一视频记录;所述第一视频记录包括第三路侧点编号字段、第二设备编号字段、第二设备类型字段、第一时间戳字段和第一视频字段;所述第二设备类型字段包括长焦摄像头和全景摄像头;
所述点云数据表包括多个第一点云记录;所述第一点云记录包括第四路侧点编号字段、第三设备编号字段、第三设备类型字段、第二时间戳字段和第一雷达点云字段;所述第三设备类型字段包括激光雷达和毫米波雷达;
所述运营车辆数据表包括多个第二车辆记录;所述第二车辆记录包括第五路侧点编号字段、第四设备编号字段、第三时间戳字段、第二车辆车牌字段、第二车辆型号字段、第二车辆颜色字段、第二驾驶模式字段、第二驾驶员字段、第二运营机构字段、第一车辆定位字段和第一车辆车速字段;所述第二驾驶模式字段包括无人驾驶、自动驾驶和人工驾驶;所述第二驾驶员字段在所述第二驾驶模式字段为无人驾驶时为空,在所述第二驾驶模式字段为自动驾驶或人工驾驶时为当前驾驶员的身份标识;
所述信号灯杆数据表包括多个第一灯杆记录;所述第一灯杆记录包括第六路侧点编号字段、第五设备编号字段、第四时间戳字段和第一信号灯集合字段;所述第一信号灯集合字段用于存储对应的第一信号灯集合;所述第一信号灯集合包括多个第一信号灯记录;所述第一信号灯记录包括第一信号灯类型字段、第一信号灯状态字段和第一信号灯剩余时长字段;所述第一信号灯类型字段包括左转灯、直行灯和右转灯;所述第一信号灯状态字段包括红灯状态、黄灯状态、黄灯闪烁状态和绿灯状态;
所述路口分析数据库包括多个路口分析子数据库,所述路口分析子数据库与所述第一路口编号一一对应;各个所述路口分析子数据库包括所述三维场景数据表、所述交通事件数据表、所述交通指标数据表和所述交通参与者数据表;
所述三维场景数据表包括多个第一场景记录;所述第一场景记录包括第七路侧点编号字段、第五时间戳字段和第一路口三维场景图字段;
所述交通事件数据表包括多个第一事件记录;所述第一事件记录包括第八路侧点编号字段、第一事件类型字段、第一事件位置字段、第一事件影响范围字段、第一事件时间字段和第一事件取证视频字段;
所述交通指标数据表包括多个第一指标记录;所述第一指标记录包括第九路侧点编号字段、第五时间戳字段、第一车道标识字段、第一车道通行效率字段、第一车道平均车速字段、第一车道平均延误时间字段、第一车道平均停车次数字段和第一车道平均排队长度字段;
所述交通参与者数据表包括多个第一参与者记录;所述第一参与者记录包括第十路侧点编号字段、第六时间戳字段、第一类交通参与者数量字段、第二类交通参与者数量字段和第三类交通参与者数量字段;所述第一、第二和第三类交通参与者数量字段对应的交通参与者类型分别为人、机动车和非机动车。
优选的,所述云平台对各路口的设备在线状态进行监测并根据监测结果更新路口设备数据库,具体包括:
所述云平台为各个所述第一路侧点通信设备分配一个对应的第一计时器并按正常时间频率对其进行计时;
并在每接收一个所述第一路侧点通信设备发送的所述第一设备心跳指令时,就将对应的所述第一计时器清零并启动重新计时,并从所述第一设备心跳指令中提取出所述第一路口编号、所述第一路侧点编号和所述第一设备在线状态列表作为对应的当前路口编号、当前路侧点编号和当前设备在线状态列表;并将所述当前路口编号对应的所述路口设备数据表作为对应的当前路口设备数据表;并对所述当前设备在线状态列表的各个所述第一设备状态记录进行遍历,并在遍历时将当前遍历的所述第一设备状态记录的所述第一监测设备编号字段、所述第一监测设备在线状态字段提取出来作为对应的当前监测设备编号、当前监测设备在线状态,并将所述当前路口设备数据表中所述第二路侧点编号字段与所述当前路侧点编号匹配且所述第一设备编号字段与所述当前监测设备编号匹配的所述第一设备记录的所述第一设备状态字段重置为所述当前监测设备在线状态;
并对各个所述第一计时器的当前计时结果是否超过预设的计时阈值进行实时甄别,一旦超过则将当前所述第一计时器对应的所述第一路侧点通信设备对应的所述第一路侧点编号和所述第一路口编号作为对应的当前离线路侧点编号和当前离线路口编号,并将所述当前离线路口编号对应的所述路口设备数据表中所述第二路侧点编号字段与所述当前离线路侧点编号匹配的所有所述第一设备记录的所述第一设备状态字段都重置为离线状态。
优选的,所述对各路口的实时监测数据进行接收并存至路口监测数据库,具体包括:
所述云平台在接收到所述第一路侧点数据包时,从中提取出所述第一路口编号、所述第一路侧点编号、所述第一路侧点朝向和实时监测数据作为对应的当前路口编号、当前路侧点编号、当前路侧点朝向和当前实时监测数据;并将所述当前路口编号对应的所述路口监测子数据库的所述视频数据表、所述点云数据表、所述运营车辆数据表和所述信号灯杆数据表作为对应的当前视频数据表、当前点云数据表、当前运营车辆数据表和当前信号灯杆数据表;并将所述当前实时监测数据的时间戳和设备编号提取出来作为对应的当前时间戳和当前设备编号;并对所述当前路口编号对应的所述路口设备数据表进行查询,将所述路口设备数据表中所述第二路侧点编号字段与所述当前路侧点编号匹配且所述第一设备编号字段与所述当前设备编号匹配的所述第一设备记录的所述第一设备类型字段提取出来作为对应的当前设备类型;并将所述当前实时监测数据的数据类型提取出来作为对应的当前数据类型;
当所述当前数据类型为长焦视频类型时,从所述当前实时监测数据中提取出对应的所述第一视频数据;并由所述当前路侧点编号、所述当前设备编号、所述当前设备类型、所述当前时间戳和所述第一视频数据作为对应字段组成对应的所述第一视频记录向所述当前视频数据表中添加;
当所述当前数据类型为全景视频类型时,从所述当前实时监测数据中提取出对应的所述第二视频数据;并由所述当前路侧点编号、所述当前设备编号、所述当前设备类型、所述当前时间戳和所述第二视频数据作为对应字段组成对应的所述第一视频记录向所述当前视频数据表中添加;
当所述当前数据类型为激光雷达点云类型时,从所述当前实时监测数据中提取出对应的所述第一雷达点云;并由所述当前路侧点编号、所述当前设备编号、所述当前设备类型、所述当前时间戳和所述第一雷达点云作为对应字段组成对应的所述第一点云记录向所述当前点云数据表中添加;
当所述当前数据类型为毫米波雷达点云类型时,从所述当前实时监测数据中提取出对应的所述第二雷达点云;并由所述当前路侧点编号、所述当前设备编号、所述当前设备类型、所述当前时间戳和所述第二雷达点云作为对应字段组成对应的所述第一点云记录向所述当前点云数据表中添加;
当所述当前数据类型为运营车辆类型时,从所述当前实时监测数据中提取出多个所述第一运营车辆数据;并由所述当前路侧点编号、所述当前设备编号、所述当前时间戳和各个所述第一运营车辆数据的所述第一车辆车牌、所述第一车辆型号、所述第一车辆颜色、所述第一驾驶模式、所述第一驾驶员标识、所述第一运营机构标识、所述第一车辆定位和所述第一车辆车速作为对应字段组成对应的所述第二车辆记录向所述当前运营车辆数据表中添加;
当所述当前数据类型为灯杆类型时,从所述当前实时监测数据中提取出多个所述第一信号灯数据;并由各个所述第一信号灯数据的所述第一信号灯类型、所述第一信号灯状态和所述第一信号灯剩余时长作为对应字段组成对应的所述第一信号灯记录,并由得到的所有所述第一信号灯记录组成对应的所述第一信号灯集合;并由所述当前路侧点编号、所述当前设备编号、所述当前时间戳和所述第一信号灯集合作为对应字段组成对应的所述第一灯杆记录向所述当前信号灯杆数据表中添加。
优选的,所述根据所述路口监测数据库对各路口的三维场景进行模拟并将模拟结果存至路口分析数据库内对应的三维场景数据表中,具体包括:
所述云平台在任一个所述点云数据表中添加了所述第三设备类型字段为激光雷达的所述第一点云记录时,将当前添加的所述第一点云记录作为对应的一类点云记录,并将所述一类点云记录的所述第二时间戳字段提取出来作为对应的当前时间戳,并将当前添加了新记录的所述点云数据表作为对应的当前点云数据表,并将所述当前点云数据表对应的所述路口监测子数据库和所述第一路口编号作为对应的当前路口监测子数据库和当前路口编号,并将所述当前路口监测子数据库的所述视频数据表作为对应的当前视频数据表,并将所述一类点云记录的所述第四路侧点编号字段提取出来作为对应的当前路侧点编号;并将所述路口-路侧点关系数据库中所述第一路口编号字段与所述当前路口编号匹配的所述第一关系记录的所述第一路口中心点坐标字段提取出来作为对应的当前路口中心点坐标,并从预设的高精地图中以所述当前路口中心点坐标为中心进行路口区域地图提取处理得到对应的当前路口地图;
将所述当前点云数据表中所述第四路侧点编号字段为所述当前路侧点编号且所述第三设备类型字段为毫米波雷达且所述第二时间戳字段与所述当前时间戳的时间间隔小于设定时间阈值的所述第一点云记录提取出来作为对应的二类点云记录;并将所述当前视频数据表中所述第三路侧点编号字段为所述当前路侧点编号且所述第二设备类型字段为全景摄像头且所述第一时间戳字段与所述当前时间戳的时间间隔小于设定时间阈值的所述第一视频记录提取出来作为对应的当前全景视频记录;
若所述二类点云记录和所述当前全景视频记录都不为空,则将所述一类、二类点云记录的所述第一雷达点云字段提取出来作为对应的一类、二类点云;并将所述当前全景视频记录的所述第一视频字段提取出来作为对应的当前全景视频;所述一类点云的各点对应一个世界坐标和一个反射强度;所述二类点云的各点对应一个世界坐标和一个相对速度;
将所述二类点云中相对速度不为零的点视为运动点,并将所述一类点云中与各个所述运动点对应的点以及超出所述当前路口地图坐标范围的点都删除,并将完成点删除的所述一类点云作为对应的当前点云;并对所述当前全景视频进行单帧图像提取得到多个第一帧图像,并对各个所述第一帧图像的图像清晰度进行识别,并从中选取清晰度最高的作为对应的当前场景图;
根据所述当前路口地图进行鸟瞰视角的路口平面图构建得到对应的当前路口鸟瞰场景图;并基于点云目标检测模型对所述当前点云进行目标检测得到多个三维的第一目标检测框;并基于带有深度估计的视觉图像分割模型对所述当前场景图进行语义分割处理得到多个带有深度特征的第一目标掩码图;并由对应同一目标的所述第一目标检测框和所述第一目标掩码图组成对应的第一匹配组;并根据各个所述第一匹配组对所述当前路口鸟瞰场景图中的对应目标的高度、外观、颜色进行三维重构从而得到对应的当前路口三维场景图;所述当前路口三维场景图的各个像素点通过所述当前路口鸟瞰场景图从所述当前路口地图中继承了对应的世界坐标;
由所述当前路侧点编号、所述当前时间戳和所述当前路口三维场景图作为对应字段组成对应的所述第一场景记录向所述当前路口编号对应的所述路口分析子数据库的所述三维场景数据表中添加。
优选的,所述根据所述路口监测数据库对各路口的交通事件进行实时分析并将分析结果存至所述路口分析数据库内对应的交通事件数据表中,具体包括:
所述云平台在任一个所述视频数据表添加了所述第二设备类型字段为长焦摄像头的所述第一视频记录时,将当前添加的所述第一视频记录作为对应的当前视频记录,并将所述当前视频记录的所述三路侧点编号字段、所述第二设备编号字段和所述第一视频字段提取出来作为对应的当前路侧点编号、当前设备编号和当前视频,并将当前添加了新记录的所述视频数据表作为对应的当前视频数据表,并将所述当前视频数据表对应的所述路口监测子数据库和所述第一路口编号作为对应的当前路口监测子数据库和当前路口编号;
基于预设的事件分类模型对所述当前视频进行事件检测和分类处理得到对应的事件类型、事件位置、事件范围和事件时间;并将所述当前视频数据表中,所述第三路侧点编号字段与所述当前路侧点编号匹配且所述第二设备编号字段与所述当前设备编号且所述第一时间戳字段在所述事件时间前后指定时间范围内的所有所述第一视频记录的所述第一视频字段提取出来按时间先后顺序进行视频拼接得到对应的事件取证视频;并由所述当前路侧点编号、所述事件类型、所述事件位置、所述事件范围、所述事件时间和所述事件取证视频作为对应字段组成对应的所述第一事件记录向所述当前路口编号对应的所述路口分析子数据库的所述交通事件数据表中添加;所述事件分类模型至少包括行人违规事件分析模型、非机动车违规事件分析模型、机动车道路违规事件分析模型、机动车驾驶违规事件分析模型。
优选的,所述根据所述路口监测数据库对各路口的交通指标进行实时分析并将分析结果存至所述路口分析数据库内对应的交通指标数据表中,具体包括:
所述云平台每隔一个指定时间间隔就对各个所述路口监测子数据库进行遍历,并在遍历时将当前遍历的所述路口监测子数据库的所述视频数据表和所述信号灯杆数据表作为对应的当前视频数据表和当前信号灯杆数据表,并将当前遍历的所述路口监测子数据库对应的所述第一路口编号作为对应的当前路口编号,并将所述当前路口编号对应的所述路口分析子数据库的所述交通指标数据表作为对应的当前交通指标数据表;
将所述当前视频数据表中所述第一时间戳字段在最近第一指定时长内且所述第二设备类型字段为长焦摄像头的所有所述第一视频记录提取出来组成对应集合、并在集合中按路侧点对所述第一视频记录进行聚类从而得到多个第一记录集合;并将所述当前信号灯杆数据表中所述第四时间戳字段在最近所述第一指定时长内的所有所述第一灯杆记录提取出来组成对应集合、并在集合中按路侧点对所述第一灯杆记录进行聚类从而得到多个第二记录集合;并由对应相同路测点的所述第一、第二记录集合组成一组对应的第一集合组;并基于所述第一集合组对应的路口编号和路侧点编号从预设的高精地图中获取对应路口下对应路侧点位置的道路高精地图作为对应的第一道路地图;所述第一记录集合中所有所述第一视频记录的所述第三路侧点编号字段相同,所述第二记录集合中所有所述第一灯杆记录的所述第六路侧点编号字段相同,所述第一集合组中所有记录的路侧点编号字段都相同;
将所述第一集合组的所述第一记录集合的所有所述第一视频记录的所述第一视频字段的视频提取出来并按时间先后顺序进行视频拼接得到对应的第一长视频;并对所述第一长视频进行单帧图像提取处理得到多个第二帧图像,并使用基于视觉图像的目标分类模型对各个所述第二帧图像进行车辆目标检测和分类处理得到多个第一车辆目标检测框组成对应的第一帧车辆目标集合,并基于常规的目标跟踪算法根据所有所述第一帧车辆目标集合进行车辆目标跟踪处理得到多个第一车辆轨迹;并由各个所述第一车辆轨迹的轨迹长度除以轨迹时长得到对应的第一车辆平均车速;所述第一车辆目标检测框包括检测框目标类型、检测框中心坐标、检测框尺寸大小和检测框朝向角,检测框目标类型为车辆类型,所述车辆类型包括轿车、巴士、工程车、卡车、货车;
根据所述第一集合组的所述第二记录集合对最近所述第一指定时长内各类信号灯类型从其他状态切换到绿灯状态的时间点进行识别得到一个或多个第一时间点组成对应的第一时间点序列;
对所述第一道路地图内各条车道的平均车速、通行效率和平均延误时间进行估计得到对应的第一车道交通指标数据组,具体为:对各个所述第一车辆轨迹在各条车道内的轨迹点数进行统计得到对应的第一车道点数,并将当前所述第一车辆轨迹作为最大的所述第一车道点数的对应车道的下属轨迹;并对各条车道下属的所有所述第一车辆轨迹的所述第一车辆平均车速进行均值计算得到对应的第一车道平均车速,并对各条车道的通行效率进行计算得到对应的第一车道通行效率=(第一车道平均车速/自由流速度)*100%,并对各条车道的平均延误时间进行计算得到对应的第一车道平均延误时间=(路口平均长度/第一车道平均车速)-(路口平均长度/自由流速度);并由各条车道的车道标识和对应的所述第一车道平均车速、所述第一车道通行效率和所述第一车道平均延误时间组成对应的所述第一车道交通指标数据组;所述自由流速度为预设的固定速度值,所述路口平均长度为预设的固定长度值;
对所述第一道路地图内各条车道的平均停车次数和平均排队长度进行估计得到对应的第二车道交通指标数据组,具体为:为各类所述车辆类型分配一个固定的车身长度作为对应的类型车长;并对各条车道进行遍历;并在遍历时,将当前遍历车道记为对应的当前车道,并从所述第一道路地图中获得所述当前车道的对应信号灯类型记为当前车道信号灯类型,并将所述当前车道信号灯类型对应的所述第一时间点序列的各个所述第一时间点记为对应的第二时间点,并对所述第二时间点的数量进行统计生成对应的第一总数,并为所述当前车道初始化两个起始为0的计数器和一个起始为空的数据序列记为对应的第一车辆计数器、第一停车车次计数器和第一车身长度序列;并对各个所述第一车辆轨迹是否与所述当前车道发生过一次或一次以上轨迹相交的情况进行确认,若确认发生过一次或一次以上轨迹相交的情况则对所述第一车辆计数器的计数值加1;并对各个所述第一车辆轨迹在各个所述第二时间点上是否正处于所述当前车道上进行确认,若确认当前所述第二时间点上当前所述第一车辆轨迹正处于所述当前车道上则对所述第一停车车次计数器的计数值加1、并将当前所述第一车辆轨迹对应的所述车辆类型对应的所述类型车长向所述第一车身长度序列中添加;并在所述第一车辆计数器和所述第一停车车次计数器都完成计数且所述第一车身长度序列也完成数据添加之后,计算生成对应的第一车道平均停车次数=第一停车车次计数器/第一车辆计数器,并对所述第一车身长度序列中的所有所述类型车长进行总和计算生成对应的第一车长总和并计算生成对应的第一车道平均排队长度=第一车长总和/第一总数;并在遍历结束时,由各条车道的所述车道标识和对应的所述第一车道平均停车次数和所述第一车道平均排队长度组成对应的所述第二车道交通指标数据组;
将当前平台时间作为当前时间戳;并由各个所述第一集合组对应的路测点编号、所述当前时间戳,以及各条车道对应的所述车道标识、所述第一车道通行效率、所述第一车道平均车速、所述第一车道平均延误时间、所述第一车道平均停车次数和所述第一车道平均排队长度作为对应字段组成对应的所述第一指标记录向所述当前交通指标数据表中添加。
优选的,所述根据所述路口监测数据库对各路口的交通参与者数量进行实时分析并将分析结果存至所述路口分析数据库内对应的交通参与者数据表中,具体包括:
所述云平台每隔一个指定时间间隔就对所各个所述路口监测子数据库进行遍历,并在遍历时将当前遍历的所述路口监测子数据库的所述视频数据表作为对应的当前视频数据表,并将当前遍历的所述路口监测子数据库对应的所述第一路口编号作为对应的当前路口编号,并将所述当前路口编号对应的所述路口分析子数据库的所述交通参与者数据表作为对应的当前交通参与者数据表;
将所述路口-路侧点关系数据库中所述第一路口编号字段与所述当前路口编号匹配的所述第一关系记录的各个所述第一路侧点编号字段提取出来作为对应的第一编号;并将所述当前视频数据表中所述第三路侧点编号字段与各个所述第一编号匹配且所述第二设备类型字段为全景摄像头的且所述第一时间戳字段为距离当前时间最近的所述第一视频记录的所述第一时间戳字段和所述第一视频字段提取出来作为对应的第一全景时间戳和第二全景视频;并对各个所述第二全景视频进行单帧图像提取并将最后一帧作为对应的第一全景图像;并使用基于视觉图像的目标分类模型对所述第一全景图像进行目标检测和分类处理得到多个第二目标检测框,并对目标类型为人、机动车和非机动车的所述第二目标检测框的总数进行分别统计得到对应的第一、第二、第三类交通参与者数量;并由各个所述第一编号以及对应的所述第一全景时间戳和所述第一、第二、第三类交通参与者数量作为对应字段组成对应的所述第一参与者记录向所述当前交通参与者数据表中添加;所述第二目标检测框包括目标类型、目标坐标、目标尺寸大小和目标朝向角,目标类型包括人、动物、机动车、非机动车、建筑物;所述第二目标检测框包括检测框目标类型、检测框中心坐标、检测框尺寸大小和检测框朝向角。
优选的,所述方法还包括:预设了三个可视化页面分别为第一、第二和第三可视化页面;其中,
所述第一可视化页面的页面显示区包括第一、第二、第三和第四显示区;所述第一显示区包括路口名称条目和多个路口编号条目;所述第二显示区包括路口监测设备总量条目和多个第一类设备数量条目;所述第三显示区包括地图区、路侧点监测设备总量条目和路侧点监测设备列表;所述路侧点监测设备列表的各条记录包括设备名称、设备编号、设备朝向和设备厂商字段;所述第四显示区包括路侧点交通事件列表;所述路侧点交通事件列表的各条记录包括事件类型、事件位置、事件范围、事件时间和取证查看字段;
所述第二可视化页面为基于数字孪生技术实现的可视化页面;
所述第三可视化页面的页面显示区包括监测视频区、第一分析区和第二分析区;所述监测视频区包括东、南、西、北侧视频区和路口孪生视频区;所述路口孪生视频区为基于数字孪生技术实现的视频区,包括朝向条目和比对标记;所述第一分析区包括通行效率条目、平均车速条目、平均延误时间条目、平均停车次数条目、平均排队长度条目和包络图显示区;所述第二分析区包括统计图显示区、行人数量条目、机动车数量条目和非机动车数量条目。
优选的,所述根据实时更新的所述路口设备数据库、所述路口监测数据库、所述路口分析数据库以及预置的运营车辆数据库和路口-路侧点关系数据库对各路口的实时交通状况进行可视化处理,具体包括:
所述云平台加载所述第一可视化页面;
并对所述路口-路侧点关系数据库的所述第一关系记录的总数进行统计得到对应的第一路口总数;并在所述第一可视化页面的所述第一显示区中创建所述第一路口总数的所述路口编号条目,并通过所述第一显示区左右两侧的三角翻页符对所有所述路口编号条目进行翻页浏览,并为各个所述路口编号条目与所述第一关系记录建立一一对应关系,并由各个所述第一关系记录的所述第一路口编号字段对对应的所述路口编号条目的显示内容进行设置,并在设置完成之后首先将第一个所述路口编号条目作为当前被选中的路口编号条目;
并在任一个所述路口编号条目被选中时,将当前被选中的所述路口编号条目对应的所述第一关系记录作为对应的当前关系记录,并将所述当前关系记录的所述第一路口编号字段提取出来作为对应的当前路口编号,并根据所述当前关系记录的所述第一路口名称字段对所述第一显示区的所述路口名称条目的显示内容进行设置;
并在所述当前路口编号对应的所述路口设备数据表中,对设备类型的种类数量进行统计生成对应的第一种类数量,并对所述第一设备记录的总数进行统计得到对应的第一设备总数,并对各类相同设备类型的所述第一设备记录的总数进行统计得到所述第一种类数量的第一类设备总数;并根据所述第一设备总数对所述第二显示区的所述路口监测设备总量条目的显示内容进行设置;并在所述第二显示区中创建所述第一种类数量的所述第一类设备数量条目,并为各个所述第一类设备数量条目与所述第一类设备总数建立一一对应关系,并由各个所述第一类设备总数和对应的设备类型名称组成对应的第一类设备数量信息,并根据所述第一类设备数量信息对对应的所述第一类设备数量条目的显示内容进行设置;
并根据所述当前关系记录的所述第一路口中心点坐标字段从预设的高精地图中提取出对应的路口高精地图加载到所述第三显示区的地图区中;并基于所述当前关系记录的所述第一路侧点集合的各个所述第一路侧点记录的所述第一路侧点朝向字段在所述地图区的所述路口高精地图上进行路侧点标记绘制处理;并在任一个所述路侧点标记被选中时,对当前被选中的所述路侧点标记进行标记放大处理生成对应的当前路侧点标记;并在所述当前路侧点标记的上方通过提示框的方式进行当前路侧点提示说明;并将所述当前关系记录中与所述当前路侧点标记对应的所述第一路侧点编号字段提取出来作为对应的当前路侧点编号;
并在所述当前路口编号对应的所述路口设备数据表中,对所述第二路侧点编号字段与所述当前路侧点编号匹配的所有所述第一设备记录进行提取组成对应的第一记录列表;并对所述第一记录列表的所述第一设备记录的总数进行统计得到对应的第二设备总数;并基于所述第二设备总数对所述第三显示区的所述路侧点监测设备总量条目的显示内容进行设置;并基于所述第一记录列表对所述第三显示区的所述路侧点监测设备列表的各条记录内容进行设置;
并在所述当前路口编号对应的所述路口分析子数据库的所述交通事件数据表中,将最近的指定数量的所述第九路侧点编号字段与所述当前路侧点编号匹配的所有所述第一事件记录提取出来组成对应的第二记录列表;并基于所述第二记录列表各条记录的所述第一事件类型字段、所述第一事件位置字段、所述第一事件影响范围字段和所述第一事件时间字段对所述第四显示区的所述路口交通事件列表各条记录的事件类型、事件位置、事件范围、事件时间字段的显示内容进行设置;并在所述路口交通事件列表的各记录的取证查看字段设置一个默认的查看标记;并在任一个所述查看标记被点击时,通过弹窗方式对所述第二记录列表中与当前查看标记对应的所述第一事件记录的所述第一事件取证视频字段的视频进行播放处理;
所述云平台加载所述第二可视化页面;
并从所述当前路口编号对应的所述路口监测子数据库的所述视频数据表中提取出所述第三路侧点编号字段与所述当前路侧点编号匹配且所述第二设备类型字段为所述全景摄像头且所述第一时间戳字段为距离当前时间最近的所述第一视频记录的所述第一视频字段作为对应的当前全景视频;并从所述当前路口编号对应的所述路口分析子数据库的所述三维场景数据表中提取出所述第七路侧点编号字段与所述当前路侧点编号匹配且所述第五时间戳字段为距离当前时间最近的所述第一场景记录的所述第一路口三维场景图字段作为对应的第一路口三维场景图;
并通过预设的路测点设备杆可视化对象在所述第一路口三维场景图的各个路侧点处模拟出对应的路测点设备杆;并通过预设的监测设备可视化对象在各个所述路测点设备杆可视化对象上模拟出监测设备,并根据所述当前路口编号对应的所述路口设备数据表提供的各个路侧点的监测设备信息对各个所述监测设备可视化对象的图标和名称进行设置;并通过预设的路测点覆盖范围可视化对象在各个所述路测点设备杆可视化对象下模拟出监测覆盖范围,并根据所述当前关系记录的各个所述第一路侧点覆盖范围字段对各个所述路测点覆盖范围可视化对象的范围大小进行设置;并将设置之后得到的所述第一路口三维场景图作为对应的基准三维场景;
并对所述当前全景视频进行单帧图像提取得到多个第一帧全景图;并对各个所述第一帧全景图进行遍历;并在遍历时,将当前遍历的所述第一帧全景图作为对应的当前全景图;并基于带有深度估计的视觉图像分割模型对所述当前全景图进行语义分割处理得到多个带有深度特征的第二目标掩码图;并基于图像坐标和世界坐标的转换关系对各个所述第二目标掩码图的世界坐标进行获取;并在所述基准三维场景中与各个目标语义类型为人、动物、机动车辆或非机动车辆的所述第二目标掩码图的世界坐标对应的场景位置处,创建一个对应的人、动物、机动车辆或非机动车辆可视化对象,并基于所述第二目标掩码图的图像特征对当前可视化对象的外观进行设置,并将完成设置的所述基准三维场景记为对应的第一帧三维场景;并根据所述当前路口编号对应的所述路口监测子数据库的所述运营车辆数据表中与所述当前全景图距离最近且时间间隔小于设定阈值的所有所述第二车辆记录的所述第一车辆定位字段对所述第一帧三维场景上各个机动车辆可视化对象是否为运营车辆进行识别,若是则将对应的所述第二车辆记录的所述第一车辆车速字段提取出来作为对应的第一目标车速,并通过预设的可视化速度标记对象在所述机动车辆可视化对象上方模拟出速度提示信息,并基于所述第一目标车速对所述可视化速度标记对象的速度提示信息进行设置;并在所述第一帧三维场景中与各个目标语义类型为交通信号灯的所述第二目标掩码图的世界坐标对应的场景位置上方创建一个信号灯提示牌可视化对象,并基于所述当前路口编号对应的所述路口监测子数据库的所述信号灯杆数据表中各个路侧点上与所述当前全景图时间最接近的所述第一灯杆记录对各个对应的所述信号灯提示牌可视化对象的信号灯颜色、信号灯类型和信号灯剩余时长进行显示内容设置;并在所述第一帧三维场景中各个所述信号灯提示牌可视化对象的上方创建一个交通信息提示牌可视化对象,并根据所述路口高精地图以及所述当前路口编号对应的所述路口分析子数据库的所述交通指标数据表中各个路侧点上与所述当前全景图时间最接近的所述第一指标记录对各个所述交通信息提示牌可视化对象的车道车流方向、车道流量和车道排队长度进行显示内容设置;并在遍历结束时,由得到的所有所述第一帧三维场景按时间先后顺序排序得到对应的第一帧三维场景序列,并根据所述第一帧三维场景序列进行数字孪生视频转换得到对应的第一孪生视频;各个所述第二目标掩码图对应一个所述目标语义类型,所述目标语义类型包括人、动物、机动车辆、非机动车辆、交通信号灯;
并由所述第二可视化页面对所述第一孪生视频进行视频加载并播放;若播放过程中用户对任一个所述监测设备可视化对象进行对象选择,则在选中的所述监测设备可视化对象上创建一个设备提示牌可视化对象,并由所述设备提示牌可视化对象根据所述当前关系记录和当前路口编号对应的所述路口设备数据表对当前监测设备的名称、在线状态、设备图片、类型、编号、朝向、厂商进行内容显示处理;
所述云平台加载所述第三可视化页面;
并从与所述当前路口编号对应的所述路口监测子数据库的所述视频数据表中将当前路口所有路侧点上时间最新且各路侧点间彼此时间间距不超过预设时间阈值的所述第二设备编号字段为长焦摄像头的所述第一视频记录的所述第一视频字段提取出来作为对应的第一路侧点实时视频;并根据各个所述第一路侧点实时视频对应的路侧点朝向对所述监测视频区内东南西北四个视频区中的对应视频区进行视频加载和播放处理;并在东南西北四个视频区任一个视频区被点选之后,将当前视频区的对应朝向作为当前朝向,并将所述当前视频区正在播放的所述第一路侧点实时视频作为对应的当前路侧点实时视频,并将所述当前路侧点编号修改为与所述当前视频区对应的路侧点编号;并在所述监测视频区的所述路口孪生视频区中通过数字孪生技术对所述当前路侧点实时视频进行视频渲染处理,并将所述路口孪生视频区的所述朝向条目设为对应的所述当前朝向,并在所述路口孪生视频区的比对标记被点击时在所述路口孪生视频区中对所述当前路侧点实时视频和对应的渲染视频进行切换比对;
并从与所述当前路口编号对应的所述路口分析子数据库的所述交通指标数据表中提取出所述当前路侧点编号对应的各个车道的所述第一车道通行效率字段、所述第一车道平均车速字段、所述第一车道平均延误时间字段、所述第一车道平均停车次数字段和所述第一车道平均排队长度字段作为对应的第一通行效率、第一平均车速、第一平均延误时间、第一平均停车次数和第一平均排队长度;并对所有车道的所述第一通行效率、所述第一平均车速、所述第一平均延误时间、所述第一平均停车次数和所述第一平均排队长度分别进行均值计算得到对应的第一路侧点通行效率、第一路侧点平均车速、第一路侧点平均延误时间、第一路侧点平均停车次数和第一路侧点平均排队长度;并基于所述第一路侧点通行效率、所述第一路侧点平均车速、所述第一路侧点平均延误时间、所述第一路侧点平均停车次数和所述第一路侧点平均排队长度,对所述第一分析区的所述通行效率条目、所述平均车速条目、所述平均延误时间条目、所述平均停车次数条目和所述平均排队长度条目的显示内容进行设置;
并在所述通行效率条目被选择时,根据当前所述交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的所述第一路侧点通行效率进行计算得到对应的第一路侧点通行效率序列,并基于所述第一路侧点通行效率序列在所述包络图显示区中以时间为横轴、效率百分比为纵轴绘制对应的第一包络图;并在所述平均车速条目被选择时,根据当前所述交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的所述第一路侧点平均车速进行计算得到对应的第一路侧点平均车速序列,并基于所述第一路侧点平均车速序列在所述包络图显示区中以时间为横轴、车速为纵轴绘制对应的第二包络图;并在所述平均延误时间条目被选择时,根据当前所述交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的所述第一路侧点平均延误时间进行计算得到对应的第一路侧点平均延误时间序列,并基于所述第一路侧点平均延误时间序列在所述包络图显示区中以时间为横轴、延误时间为纵轴绘制对应的第三包络图;并在所述平均停车次数条目被选择时,根据当前所述交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的所述第一路侧点平均停车次数进行计算得到对应的第一路侧点平均停车次数序列,并基于所述第一路侧点平均停车次数序列在所述包络图显示区中以时间为横轴、停车次数为纵轴绘制对应的第四包络图;并在所述平均排队长度条目被选择时,根据当前所述交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的所述第一路侧点平均排队长度进行计算得到对应的第一路侧点平均排队长度序列,并基于所述第一路侧点平均排队长度序列在所述包络图显示区中以时间为横轴、排队长度为纵轴绘制对应的第五包络图;
并从与所述当前路口编号对应的所述路口分析子数据库的所述交通参与者数据表中提取出所述第十路侧点编号字段与所述当前路侧点编号匹配的且所述第六时间戳字段为最近时间的所述第一、第二和第三类交通参与者数量字段作为对应的第一行人数量、第一机动车数量和第一非机动车数量;并基于所述第一行人数量、所述第一机动车数量和所述第一非机动车数量对所述第二分析区的所述行人数量条目、所述机动车数量条目和所述非机动车数量条目的显示内容进行设置;
并在所述行人数量条目、所述机动车数量条目或所述非机动车数量条目被选择时,根据当前所述交通参与者数据表的历史数据对最近第二指定时段内各个时间点上对应的所述第一行人数量、所述第一机动车数量或所述第一非机动车数量进行获取从而组成对应的第一行人数量序列、第一机动车数量序列或第一非机动车数量序列,并基于所述第一行人数量序列、所述第一机动车数量序列或所述第一非机动车数量序列在所述统计图显示区中以时间为横轴、数量为纵轴绘制对应的第一、第二或第三曲线;
所述云平台按预设的刷新频率对所述第一、第二和第三可视化页面进行内容刷新处理。
本发明实施例第二方面提供了一种用于实现上述第一方面所述的路口数据的远程可视化处理方法的系统,所述系统包括:云平台、多个第一路侧点通信设备和多个第一监测设备;各个所述第一监测设备通过对应的所述第一路侧点通信设备与所述云平台连接;
所述云平台用于对各路口的设备在线状态进行监测并根据监测结果更新路口设备数据库;并对各路口的实时监测数据进行接收并存至路口监测数据库;并根据所述路口监测数据库对各路口的三维场景进行模拟并将模拟结果存至路口分析数据库内对应的三维场景数据表中;并根据所述路口监测数据库对各路口的交通事件进行实时分析并将分析结果存至所述路口分析数据库内对应的交通事件数据表中;并根据所述路口监测数据库对各路口的交通指标进行实时分析并将分析结果存至所述路口分析数据库内对应的交通指标数据表中;并根据所述路口监测数据库对各路口的交通参与者数量进行实时分析并将分析结果存至所述路口分析数据库内对应的交通参与者数据表中;并根据实时更新的所述路口设备数据库、所述路口监测数据库、所述路口分析数据库以及预置的运营车辆数据库和路口-路侧点关系数据库对各路口的实时交通状况进行可视化处理。
优选的,各个路口包括多个路口分支,在每个所述路口分支进入对应路口的道路路侧预置一个路侧点记为对应的第一路侧点;各个所述第一路侧点上预置一个第一路侧点通信设备和多个所述第一监测设备。
本发明实施例提供了一种路口数据的远程可视化处理方法和系统,在各个路口设置多个路侧点,并在每个路侧点上设置一组监测设备与一个路侧点通信设备,各个监测设备通过对应的路侧点通信设备与远程的云平台连接;各个监测设备对当前路口、当前路侧点的交通状况进行实时监测并将监测数据送至云平台;云平台则一方面使用路口监测数据库接收并保存前端的实时监测数据,另一方面基于异步处理机制从路口监测数据库中提取信息进行三维场景构建、交通事件分析、交通指标分析、交通参与值分析并将动态分析结果存于路口分析数据库中,再一方面使用定制的第一、第三可视化页面对各个路口的实时监测视频、交通事件分析、交通指标分析、交通参与值分析进行显示、并使用定制的第二可视化页面基于数字孪生技术从当前路侧点视角对当前路口的场景进行展示。通过本发明增强了对道路路口的智能分析水平、提高了可视化监控的实时分析能力。
附图说明
图1为本发明实施例一提供的一种路口数据的远程可视化处理方法示意图;
图2为本发明实施例一提供的第一可视化页面的页面结构图;
图3为本发明实施例一提供的第二可视化页面的示意图;
图4为本发明实施例一提供的第三可视化页面的页面结构图;
图5为本发明实施例二提供的一种路口数据的远程可视化处理系统的模块结构图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,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它实施例,都属于本发明保护的范围。
本发明实施例一提供一种路口数据的远程可视化处理方法来实现对道路路口的交通状况进行可视化监测,本发明实施例一方法的技术方案包括路口各路侧点设备和远程云平台的实现方案。下文先对路口各路侧点设备的实现方案进行说明,再对远程云平台的实现方案进行说明。
(一)路口各路侧点设备的实现方案包括:
各个路口分别对应一个唯一路口编号记为对应的第一路口编号;各个路口包括多个路口分支,每个路口分支对应一个分支朝向,分支朝向包括东、南、西、北侧,若单一朝向的路口分支数量不唯一则基于当前朝向进行顺序编码(诸如东1、东2等);各个路口的各条道路上行驶的机动车辆包括运营车辆和非运营车辆两种;各个运营车辆上预置一个车载单元(On board Unit,OBU)设备,该设备用于与路测点上的路侧单元(Road Side Unit,RSU)设备通信;
在每个路口分支进入对应路口的道路路侧预置一个路侧点记为对应的第一路侧点;各个第一路侧点对应一个唯一路侧点编号记为对应的第一路侧点编号;各个第一路侧点上预置一个第一路侧点通信设备和多个第一监测设备;这里,常规情况下都会在路侧点位上安装一个路测点设备杆用来加载当前路侧点对应的第一路侧点通信设备和所有第一监测设备;
第一路侧点通信设备本地保存对应的第一路口编号、第一路侧点编号和第一路侧点朝向;第一路侧点朝向与对应的分支朝向一致;
各个第一监测设备通过对应的第一路侧点通信设备与云平台连接;第一监测设备本地保存一组对应的设备参数,包括第一设备名称、第一设备编号、第一设备类型和第一设备厂商;第一设备类型包括长焦摄像头、全景摄像头、激光雷达、毫米波雷达、RSU设备和交通信号灯杆;这里,第一设备类型为长焦摄像头的第一监测设备的数量可以有一个、也可以有两个甚至两个以上,只有一个时默认其镜头方向是沿路口中心向外、用于对当前路侧点道路的进/出车道的道路视频进行拍摄,有两个甚至两个以上时其中必然包括一个前置摄像头和一个后置摄像头,前置摄像头的镜头方向是沿路口中心向外、用于对当前路侧点道路的进/出车道的道路视频进行拍摄,后置摄像头的镜头方向则与前置摄像头相反,二者的道路视频默认是同步的、可被云平台进行全道路视频拼接;第一设备类型为全景摄像头的第一监测设备的视角常规情况下是360°视角,用于对当前路侧点的周围环境进行全景拍摄视频;第一设备类型为激光雷达、毫米波雷达的第一监测设备,用于按各自设定的视场角(Field of view,FOV)对当前路侧点的周围环境和/或道路状态进行扫描,本发明实施例的云平台会基于雷达设备的扫描点云构建三维场景;第一设备类型为RSU设备的第一监测设备,用于接收通过当前路侧点的任一运营车辆的OBU设备发送的实时数据(定位、车速)并回传云平台,以便云平台可以便捷地获取各个运营车辆的实时位置与实时车速;第一设备类型为交通信号灯杆的第一监测设备,用于对当前路侧点位上的交通信号灯的实时状态(信号灯类型、各类信号灯的实时亮灯状态、各类信号灯当前亮灯的剩余时间状态)进行获取并回传云平台;而第一路侧点通信设备则用于对当前路侧点的所有第一监测设备完成组网,并负责在第一监测设备与云平台之间进行数据转发;本发明实施例这样的网络方案结构具有很强的拓展性,用户可基于实际应用需求在各个路侧点的第一监测设备之下加载更多类型的第一监测设备用于采集更丰富的实时信息传至云平台进行分析,还可基于实际应用需求在各个路侧点加载更多的第一监测设备用于组建更多的监测设备网络;
第一设备类型为长焦摄像头的第一监测设备用于对监测道路进行实时视频拍摄生成一个包含了固定长度视频的第一实时监测数据,并按预设的同步频率定期将最新的第一实时监测数据通过对应的第一路侧点通信设备向云平台发送;第一实时监测数据包括第一时间戳、第一设备编号、第一数据类型和第一视频数据;第一数据类型设为长焦视频类型;
第一设备类型为全景摄像头的第一监测设备用于对监测道路进行实时视频拍摄生成一个包含了固定长度视频的第二实时监测数据,并按预设的同步频率定期将最新的第二实时监测数据通过对应的第一路侧点通信设备向云平台发送;第二实时监测数据包括第二时间戳、第一设备编号、第二数据类型和第二视频数据;第二数据类型设为全景视频类型;
第一设备类型为激光雷达的第一监测设备用于对监测环境进行雷达扫描生成一个第三实时监测数据,并按预设的同步频率定期将最新的第三实时监测数据通过对应的第一路侧点通信设备向云平台发送;第三实时监测数据包括第三时间戳、第一设备编号、第三数据类型和第一雷达点云;第三数据类型设为激光雷达点云类型;第一雷达点云的各点特征包括第一坐标特征和第一反射强度特征;第一坐标特征的坐标系为世界坐标系;
第一设备类型为毫米波雷达的第一监测设备用于对监测环境进行雷达扫描生成一个第四实时监测数据,并按预设的同步频率定期将最新的第四实时监测数据通过对应的第一路侧点通信设备向云平台发送;第四实时监测数据包括第四时间戳、第一设备编号、第四数据类型和第二雷达点云;第四数据类型设为毫米波雷达点云类型;第二雷达点云的各点特征包括第二坐标特征和第一速度特征;第二坐标特征的坐标系为世界坐标系;
第一设备类型为RSU设备的第一监测设备用于接收监测范围内各个运营车辆的OBU设备发送的第一运营车辆数据,并根据预设的第一时段长度将最近第一时段内收到的所有第一运营车辆数据组成对应的第五实时监测数据;并按预设的同步频率定期将最新的第五实时监测数据通过对应的第一路侧点通信设备向云平台发送;第一运营车辆数据包括第一车辆时间戳、第一车辆车牌、第一车辆型号、第一车辆颜色、第一驾驶模式、第一驾驶员标识、第一运营机构标识、第一车辆定位和第一车辆车速;第一驾驶模式包括无人驾驶、自动驾驶和人工驾驶;第一驾驶员标识在第一驾驶模式为自动驾驶或人工驾驶时为当前驾驶员的身份标识;第五实时监测数据包括第五时间戳、第一设备编号、第五数据类型和最近第一时段内收到的所有第一运营车辆数据,第五实时监测数据内的每两个第一运营车辆数据的第一车辆时间戳的时间间隔不超过第一时段长度;第五数据类型设为运营车辆类型;
第一设备类型为交通信号灯杆的第一监测设备用于获取灯杆上所有信号灯的实时灯状态生成对应的第六实时监测数据,并按预设的同步频率定期将最新的第六实时监测数据通过对应的第一路侧点通信设备向云平台发送;第六实时监测数据包括第六时间戳、第一设备编号、第六数据类型和多个第一信号灯数据;第一信号灯数据包括第一信号灯类型、第一信号灯状态和第一信号灯剩余时长;第一信号灯类型包括左转灯类型、直行灯类型和右转灯类型;第一信号灯状态包括红灯状态、黄灯状态、黄灯闪烁状态和绿灯状态;第六数据类型设为灯杆类型;
第一路侧点通信设备用于在接收到任一类第一监测设备发送的实时监测数据时,将当次接收到的第一、第二、第三、第四、第五或第六实时监测数据作为对应的当前实时监测数据,并由第一路口编号、第一路侧点编号、第一路侧点朝向和当前实时监测数据组成对应的第一路侧点数据包向云平台发送;另外,第一路侧点通信设备还可用于按一个固定周期将最近接收到最新的第一、第二、第三、第四、第五或第六实时监测数据合并成一个当前实时监测数据,并由第一路口编号、第一路侧点编号、第一路侧点朝向和当前实时监测数据组成对应的第一路侧点数据包向云平台发送;
第一路侧点通信设备还用于定期对与之连接的所有第一监测设备的在线状态是否正常进行探测得到对应的第一设备在线状态列表,并将携带了第一路口编号、第一路侧点编号和第一设备在线状态列表的第一设备心跳指令向云平台发送;第一设备在线状态列表包括多个第一设备状态记录;第一设备状态记录包括第一监测设备编号字段和第一监测设备在线状态字段;第一监测设备在线状态字段包括在线状态和离线状态;这里,第一路侧点通信设备具体用于在对与之连接的所有第一监测设备的在线状态是否正常进行探测时,向各个第一监测设备发送预设的在线状态检测指令,若在指定接收时间内未接收到当前第一监测设备的返回数据则将当前第一监测设备对应的第一监测设备在线状态字段设为离线状态,若在指定接收时间内接收到了当前第一监测设备的返回数据但返回数据表示设备工作不正常则将当前第一监测设备对应的第一监测设备在线状态字段设为离线状态,若在指定接收时间内接收到了当前第一监测设备的返回数据且返回数据表示设备工作正常则将当前第一监测设备对应的第一监测设备在线状态字段设为在线状态。
(二)远程云平台的实现方案
本发明实施例方法中远程云平台方案由数据库定义和云平台实施步骤两部分组成。本发明实施例方法中的云平台侧至少定义了以下数据库:包括运营车辆数据库、路口-路侧点关系数据库、路口设备数据库、路口监测数据库和路口分析数据库,下文先对上述数据库结构进行介绍再对云平台实施步骤进行介绍。需要说明的是本发明实施例方法中给出的数据库定义是一种基于数据功能的逻辑功能定义,在实际应用中可基于实际需求对该逻辑功能定义中的任意一个或多个数据项/字段/记录/表/库进行数据删减、添加、合并、组合、映射等操作,还可基于各数据项/字段/记录/表/库的查询、更新频率特征选择不同类型的实体数据文件、数据库或数据库服务器进行实现。
本发明实施例方法的云平台包括运营车辆数据库、路口-路侧点关系数据库、路口设备数据库、路口监测数据库和路口分析数据库;其中,
运营车辆数据库包括多个第一车辆记录;第一车辆记录包括第一车辆标识字段、第一车辆车牌字段、第一车辆型号字段、第一车辆颜色字段、第一驾驶模式字段、第一驾驶员字段和第一运营机构字段;第一驾驶模式字段包括无人驾驶、自动驾驶和人工驾驶;第一驾驶员字段在第一驾驶模式字段为无人驾驶时为空,在第一驾驶模式字段为自动驾驶或人工驾驶时为指定驾驶员标识;这里,运营车辆数据库为一个预置的用于保存已知的所有运营车辆信息的数据库;常规情况下营车辆数据库不会发生动态更新,只会在添加、删除和更新运营车辆信息时才会对其进行对应的数据添加、删除和更新操作;
路口-路侧点关系数据库包括多个第一关系记录;第一关系记录包括第一路口编号字段、第一路口名称字段、第一路口中心点坐标字段和第一路侧点集合字段;第一路侧点集合字段用于保存对应的第一路侧点集合;第一路侧点集合包括多个第一路侧点记录;第一路侧点记录包括第一路侧点编号字段、第一路侧点朝向字段和第一路侧点覆盖范围字段;这里,路口-路侧点关系数据库为一个预置的用于保存已知的所有路口下所有路侧点信息的数据库,其中的第一路侧点覆盖范围字段存储的覆盖范围信息可以为对应路侧点上所有监测设备的有效监测范围的范围合集,也可以为其中用于监测路面交通状况的一个或多个指定摄像头的有效监测范围;常规情况下路口-路侧点关系数据库不会发生动态更新,只会在添加、删除和更新路口-路侧点关系时才会对其进行对应的数据添加、删除和更新操作;
路口设备数据库包括多个路口设备数据表,路口设备数据表与第一路口编号一一对应;路口设备数据表包括多个第一设备记录;第一设备记录包括第二路侧点编号字段、第一设备编号字段、第一设备名称字段、第一设备类型字段、第一设备厂商字段、第一设备状态字段和第一设备图片字段;第一设备类型字段包括长焦摄像头、全景摄像头、激光雷达、毫米波雷达、RSU设备和交通信号灯杆;第一设备状态字段包括在线状态和离线状态;这里,路口设备数据库为一个预置的用于保存已知的所有路口下所有路侧点设备的数据库,常规情况下路口设备数据库各条记录的大部分字段不会发生动态更新、只有第一设备状态字段会动态更新,另外在添加、删除和更新路口设备时会对数据库记录本身或记录中的其他字段进行添加、删除和更新操作;
路口监测数据库包括多个路口监测子数据库,路口监测子数据库与第一路口编号一一对应;各个路口监测子数据库包括视频数据表、点云数据表、运营车辆数据表和信号灯杆数据表;这里,路口监测数据库内所有子数据库的所有数据表都是用来保存各类监测设备的实时监测数据的、都是会被动态更新的,所以路口监测数据库是一个始终保持动态更新的数据库;
视频数据表包括多个第一视频记录;第一视频记录包括第三路侧点编号字段、第二设备编号字段、第二设备类型字段、第一时间戳字段和第一视频字段;第二设备类型字段包括长焦摄像头和全景摄像头;
点云数据表包括多个第一点云记录;第一点云记录包括第四路侧点编号字段、第三设备编号字段、第三设备类型字段、第二时间戳字段和第一雷达点云字段;第三设备类型字段包括激光雷达和毫米波雷达;
运营车辆数据表包括多个第二车辆记录;第二车辆记录包括第五路侧点编号字段、第四设备编号字段、第三时间戳字段、第二车辆车牌字段、第二车辆型号字段、第二车辆颜色字段、第二驾驶模式字段、第二驾驶员字段、第二运营机构字段、第一车辆定位字段和第一车辆车速字段;第二驾驶模式字段包括无人驾驶、自动驾驶和人工驾驶;第二驾驶员字段在第二驾驶模式字段为无人驾驶时为空,在第二驾驶模式字段为自动驾驶或人工驾驶时为当前驾驶员的身份标识;
信号灯杆数据表包括多个第一灯杆记录;第一灯杆记录包括第六路侧点编号字段、第五设备编号字段、第四时间戳字段和第一信号灯集合字段;第一信号灯集合字段用于存储对应的第一信号灯集合;第一信号灯集合包括多个第一信号灯记录;第一信号灯记录包括第一信号灯类型字段、第一信号灯状态字段和第一信号灯剩余时长字段;第一信号灯类型字段包括左转灯、直行灯和右转灯;第一信号灯状态字段包括红灯状态、黄灯状态、黄灯闪烁状态和绿灯状态;这里,本发明实施例方法的第一信号灯类型除了上述三种类型之外还可基于实际应用场景需求另外增设其他信号灯类型,诸如掉头灯、左转+直行灯、掉头+左转+直行灯、右转+直行灯等等;
路口分析数据库包括多个路口分析子数据库,路口分析子数据库与第一路口编号一一对应;各个路口分析子数据库包括三维场景数据表、交通事件数据表、交通指标数据表和交通参与者数据表;这里,路口分析数据库内所有子数据库的所有数据表都是用来保存云平台的各类实时分析结果的、都是会被动态更新的,所以路口分析数据库也是一个始终保持动态更新的数据库;
三维场景数据表包括多个第一场景记录;第一场景记录包括第七路侧点编号字段、第五时间戳字段和第一路口三维场景图字段;
交通事件数据表包括多个第一事件记录;第一事件记录包括第八路侧点编号字段、第一事件类型字段、第一事件位置字段、第一事件影响范围字段、第一事件时间字段和第一事件取证视频字段;
交通指标数据表包括多个第一指标记录;第一指标记录包括第九路侧点编号字段、第五时间戳字段、第一车道标识字段、第一车道通行效率字段、第一车道平均车速字段、第一车道平均延误时间字段、第一车道平均停车次数字段和第一车道平均排队长度字段;
交通参与者数据表包括多个第一参与者记录;第一参与者记录包括第十路侧点编号字段、第六时间戳字段、第一类交通参与者数量字段、第二类交通参与者数量字段和第三类交通参与者数量字段;第一、第二和第三类交通参与者数量字段对应的交通参与者类型分别为人、机动车和非机动车。
上文对数据库结构进行了介绍,下文继续对云平台实施步骤进行介绍。
本发明实施例方法中远程云平台方案的实现步骤如图1为本发明实施例一提供的一种路口数据的远程可视化处理方法示意图所示,本方法主要包括如下步骤:
步骤1,云平台对各路口的设备在线状态进行监测并根据监测结果更新路口设备数据库;
具体包括:步骤11,云平台为各个第一路侧点通信设备分配一个对应的第一计时器并按正常时间频率对其进行计时;
步骤12,在每接收一个第一路侧点通信设备发送的第一设备心跳指令时,就将对应的第一计时器清零并启动重新计时,并从第一设备心跳指令中提取出第一路口编号、第一路侧点编号和第一设备在线状态列表作为对应的当前路口编号、当前路侧点编号和当前设备在线状态列表;并将当前路口编号对应的路口设备数据表作为对应的当前路口设备数据表;并对当前设备在线状态列表的各个第一设备状态记录进行遍历,并在遍历时将当前遍历的第一设备状态记录的第一监测设备编号字段、第一监测设备在线状态字段提取出来作为对应的当前监测设备编号、当前监测设备在线状态,并将当前路口设备数据表中第二路侧点编号字段与当前路侧点编号匹配且第一设备编号字段与当前监测设备编号匹配的第一设备记录的第一设备状态字段重置为当前监测设备在线状态;
步骤13,对各个第一计时器的当前计时结果是否超过预设的计时阈值进行实时甄别,一旦超过则将当前第一计时器对应的第一路侧点通信设备对应的第一路侧点编号和第一路口编号作为对应的当前离线路侧点编号和当前离线路口编号,并将当前离线路口编号对应的路口设备数据表中第二路侧点编号字段与当前离线路侧点编号匹配的所有第一设备记录的第一设备状态字段都重置为离线状态。
步骤2,对各路口的实时监测数据进行接收并存至路口监测数据库;
具体包括:步骤21,云平台在接收到第一路侧点数据包时,从中提取出第一路口编号、第一路侧点编号、第一路侧点朝向和实时监测数据作为对应的当前路口编号、当前路侧点编号、当前路侧点朝向和当前实时监测数据;并将当前路口编号对应的路口监测子数据库的视频数据表、点云数据表、运营车辆数据表和信号灯杆数据表作为对应的当前视频数据表、当前点云数据表、当前运营车辆数据表和当前信号灯杆数据表;并将当前实时监测数据的时间戳和设备编号提取出来作为对应的当前时间戳和当前设备编号;并对当前路口编号对应的路口设备数据表进行查询,将路口设备数据表中第二路侧点编号字段与当前路侧点编号匹配且第一设备编号字段与当前设备编号匹配的第一设备记录的第一设备类型字段提取出来作为对应的当前设备类型;并将当前实时监测数据的数据类型提取出来作为对应的当前数据类型;
步骤22,在当前数据类型为长焦视频类型时,从当前实时监测数据中提取出对应的第一视频数据;并由当前路侧点编号、当前设备编号、当前设备类型、当前时间戳和第一视频数据作为对应字段组成对应的第一视频记录向当前视频数据表中添加;
步骤23,在当前数据类型为全景视频类型时,从当前实时监测数据中提取出对应的第二视频数据;并由当前路侧点编号、当前设备编号、当前设备类型、当前时间戳和第二视频数据作为对应字段组成对应的第一视频记录向当前视频数据表中添加;
步骤24,在当前数据类型为激光雷达点云类型时,从当前实时监测数据中提取出对应的第一雷达点云;并由当前路侧点编号、当前设备编号、当前设备类型、当前时间戳和第一雷达点云作为对应字段组成对应的第一点云记录向当前点云数据表中添加;
步骤25,在当前数据类型为毫米波雷达点云类型时,从当前实时监测数据中提取出对应的第二雷达点云;并由当前路侧点编号、当前设备编号、当前设备类型、当前时间戳和第二雷达点云作为对应字段组成对应的第一点云记录向当前点云数据表中添加;
步骤26,在当前数据类型为运营车辆类型时,从当前实时监测数据中提取出多个第一运营车辆数据;并由当前路侧点编号、当前设备编号、当前时间戳和各个第一运营车辆数据的第一车辆车牌、第一车辆型号、第一车辆颜色、第一驾驶模式、第一驾驶员标识、第一运营机构标识、第一车辆定位和第一车辆车速作为对应字段组成对应的第二车辆记录向当前运营车辆数据表中添加;
步骤27,在当前数据类型为灯杆类型时,从当前实时监测数据中提取出多个第一信号灯数据;并由各个第一信号灯数据的第一信号灯类型、第一信号灯状态和第一信号灯剩余时长作为对应字段组成对应的第一信号灯记录,并由得到的所有第一信号灯记录组成对应的第一信号灯集合;并由当前路侧点编号、当前设备编号、当前时间戳和第一信号灯集合作为对应字段组成对应的第一灯杆记录向当前信号灯杆数据表中添加。
步骤3,根据路口监测数据库对各路口的三维场景进行模拟并将模拟结果存至路口分析数据库内对应的三维场景数据表中;
具体包括:步骤31,云平台在任一个点云数据表中添加了第三设备类型字段为激光雷达的第一点云记录时,将当前添加的第一点云记录作为对应的一类点云记录,并将一类点云记录的第二时间戳字段提取出来作为对应的当前时间戳,并将当前添加了新记录的点云数据表作为对应的当前点云数据表,并将当前点云数据表对应的路口监测子数据库和第一路口编号作为对应的当前路口监测子数据库和当前路口编号,并将当前路口监测子数据库的视频数据表作为对应的当前视频数据表,并将一类点云记录的第四路侧点编号字段提取出来作为对应的当前路侧点编号;并将路口-路侧点关系数据库中第一路口编号字段与当前路口编号匹配的第一关系记录的第一路口中心点坐标字段提取出来作为对应的当前路口中心点坐标,并从预设的高精地图中以当前路口中心点坐标为中心进行路口区域地图提取处理得到对应的当前路口地图;
步骤32,将当前点云数据表中第四路侧点编号字段为当前路侧点编号且第三设备类型字段为毫米波雷达且第二时间戳字段与当前时间戳的时间间隔小于设定时间阈值的第一点云记录提取出来作为对应的二类点云记录;并将当前视频数据表中第三路侧点编号字段为当前路侧点编号且第二设备类型字段为全景摄像头且第一时间戳字段与当前时间戳的时间间隔小于设定时间阈值的第一视频记录提取出来作为对应的当前全景视频记录;
步骤33,若二类点云记录和当前全景视频记录都不为空,则将一类、二类点云记录的第一雷达点云字段提取出来作为对应的一类、二类点云;并将当前全景视频记录的第一视频字段提取出来作为对应的当前全景视频;
其中,一类点云的各点对应一个世界坐标和一个反射强度;二类点云的各点对应一个世界坐标和一个相对速度;
这里,一类点云就是由激光雷达扫描产生的点云,由公开的激光雷达工作机制以及对应的激光雷达点云特征可知该类点云各点至少对应一个三维的世界坐标和一个激光反射强度;二类点云就是由毫米波雷达扫描产生的点云,由公开的毫米波雷达工作机制以及对应的毫米波雷达点云特征可知该类点云各点至少对应一个二维或三维的世界坐标和一个相对速度;
步骤34,将二类点云中相对速度不为零的点视为运动点,并将一类点云中与各个运动点对应的点以及超出当前路口地图坐标范围的点都删除,并将完成点删除的一类点云作为对应的当前点云;并对当前全景视频进行单帧图像提取得到多个第一帧图像,并对各个第一帧图像的图像清晰度进行识别,并从中选取清晰度最高的作为对应的当前场景图;
这里,由公开的激光雷达点云特征可知基于该类点云进行目标外形确认的准确度是较高的、但该类点云无法区分扫描点所在对象的运动特征,所以本发明实施例方法根据二类点云中的运动点来消除一类点云中的对应点、这样就能在保留所有静态物体点云的前提下尽可能地消除动态物体点云的干扰;另外,由公开的激光雷达点云特征还可知,该类点云超过一定范围其点云稀疏度会产生阶跃、点云密度会发生断崖式下降从而大大影响目标外形确认的准确度,所以本发明实施例方法还会以当前路口地图的坐标范围为限制对一类点云中超出该范围的点进行删除,这样就能大大降低由点云稀疏度波动导致的预测误差;需要说明的是,本发明实施例在对各个第一帧图像的图像清晰度进行识别时可基于多种淸晰度算法进行识别,这里的多种淸晰度算法包括但不限于Tenengrad梯度方法、Laplacian梯度方法和方差方法;
步骤35,根据当前路口地图进行鸟瞰视角的路口平面图构建得到对应的当前路口鸟瞰场景图;并基于点云目标检测模型对当前点云进行目标检测得到多个三维的第一目标检测框;并基于带有深度估计的视觉图像分割模型对当前场景图进行语义分割处理得到多个带有深度特征的第一目标掩码图;并由对应同一目标的第一目标检测框和第一目标掩码图组成对应的第一匹配组;并根据各个第一匹配组对当前路口鸟瞰场景图中的对应目标的高度、外观、颜色进行三维重构从而得到对应的当前路口三维场景图;当前路口三维场景图的各个像素点通过当前路口鸟瞰场景图从当前路口地图中继承了对应的世界坐标;
这里,基于具体为矢量高精地图的路口地图构建鸟瞰视角(Bird’s Eye View,BEV)路口平面图的处理方式是一种较为常见的处理方式,在许多基于BEV视角的人工智能模型(诸如BEVDet、BEVFormer、PersFormer)方案中都给出了实现说明和引用实现说明,在此不做一一复述;本发明实施例的路口鸟瞰场景图和路口三维场景图其本质都与路口地图一样都是可进行数据对象添加、数据特征添加的矢量图;本发明实施例方法构建路口三维场景图的目的就是为后续的数字孪生可视化处理步骤准备提供一个较为理想的不带动态对象且最贴近现实的基础场景框架;本发明实施例方法使用的点云目标检测模型是一种可以对点云进行目标检测和分类的人工智能模型,常见的有PointNet、SSD等,在此不做一一复述,只是在使用之前需要根据检测范围与分类范围对其进行定制训练;本发明实施例方法使用的基于视觉图像的图像分割模型都是一种能对视觉图像进行像素级语义类型分割的人工智能模型,常见的有MASK-CNN等,在此不做一一复述,只是在不同步骤中基于每个步骤的不同分割需求需要提前基于该图像分割模型的通用模型结构复制出一个定制模型版结构并基于每个步骤的不同分类需求对各个定制模型版结构进行单独训练,并在训练成熟之后进行应用;
步骤36,由当前路侧点编号、当前时间戳和当前路口三维场景图作为对应字段组成对应的第一场景记录向当前路口编号对应的路口分析子数据库的三维场景数据表中添加。
步骤4,根据路口监测数据库对各路口的交通事件进行实时分析并将分析结果存至路口分析数据库内对应的交通事件数据表中;
具体包括:步骤41,云平台在任一个视频数据表添加了第二设备类型字段为长焦摄像头的第一视频记录时,将当前添加的第一视频记录作为对应的当前视频记录,并将当前视频记录的三路侧点编号字段、第二设备编号字段和第一视频字段提取出来作为对应的当前路侧点编号、当前设备编号和当前视频,并将当前添加了新记录的视频数据表作为对应的当前视频数据表,并将当前视频数据表对应的路口监测子数据库和第一路口编号作为对应的当前路口监测子数据库和当前路口编号;
步骤42,基于预设的事件分类模型对当前视频进行事件检测和分类处理得到对应的事件类型、事件位置、事件范围和事件时间;并将当前视频数据表中,第三路侧点编号字段与当前路侧点编号匹配且第二设备编号字段与当前设备编号且第一时间戳字段在事件时间前后指定时间范围内的所有第一视频记录的第一视频字段提取出来按时间先后顺序进行视频拼接得到对应的事件取证视频;并由当前路侧点编号、事件类型、事件位置、事件范围、事件时间和事件取证视频作为对应字段组成对应的第一事件记录向当前路口编号对应的路口分析子数据库的交通事件数据表中添加;
其中,事件分类模型至少包括行人违规事件分析模型、非机动车违规事件分析模型、机动车道路违规事件分析模型、机动车驾驶违规事件分析模型。
这里,当前步骤中提及的事件时间前后指定时间范围常规情况下为事件时间前15秒到为事件时间后15秒这段时间范围。
步骤5,根据路口监测数据库对各路口的交通指标进行实时分析并将分析结果存至路口分析数据库内对应的交通指标数据表中;
具体包括:步骤51,云平台每隔一个指定时间间隔就对各个路口监测子数据库进行遍历,并在遍历时将当前遍历的路口监测子数据库的视频数据表和信号灯杆数据表作为对应的当前视频数据表和当前信号灯杆数据表,并将当前遍历的路口监测子数据库对应的第一路口编号作为对应的当前路口编号,并将当前路口编号对应的路口分析子数据库的交通指标数据表作为对应的当前交通指标数据表;
步骤52,将当前视频数据表中第一时间戳字段在最近第一指定时长内且第二设备类型字段为长焦摄像头的所有第一视频记录提取出来组成对应集合、并在集合中按路侧点对第一视频记录进行聚类从而得到多个第一记录集合;并将当前信号灯杆数据表中第四时间戳字段在最近第一指定时长内的所有第一灯杆记录提取出来组成对应集合、并在集合中按路侧点对第一灯杆记录进行聚类从而得到多个第二记录集合;并由对应相同路测点的第一、第二记录集合组成一组对应的第一集合组;并基于第一集合组对应的路口编号和路侧点编号从预设的高精地图中获取对应路口下对应路侧点位置的道路高精地图作为对应的第一道路地图;
其中,第一记录集合中所有第一视频记录的第三路侧点编号字段相同,第二记录集合中所有第一灯杆记录的第六路侧点编号字段相同,第一集合组中所有记录的路侧点编号字段都相同;
步骤53,将第一集合组的第一记录集合的所有第一视频记录的第一视频字段的视频提取出来并按时间先后顺序进行视频拼接得到对应的第一长视频;并对第一长视频进行单帧图像提取处理得到多个第二帧图像,并使用基于视觉图像的目标分类模型对各个第二帧图像进行车辆目标检测和分类处理得到多个第一车辆目标检测框组成对应的第一帧车辆目标集合,并基于常规的目标跟踪算法根据所有第一帧车辆目标集合进行车辆目标跟踪处理得到多个第一车辆轨迹;并由各个第一车辆轨迹的轨迹长度除以轨迹时长得到对应的第一车辆平均车速;
其中,第一车辆目标检测框包括检测框目标类型、检测框中心坐标、检测框尺寸大小和检测框朝向角,检测框目标类型为车辆类型,车辆类型包括轿车、巴士、工程车、卡车、货车;
这里,本发明实施例方法使用的基于视觉图像的目标分类模型都是一种基于视觉图像进行目标检测和分类的人工智能模型,常见的有R-CNN、YOLO系列等,在此不做一一复述,只是在不同步骤中基于每个步骤的不同分类需求需要提前基于该目标分类模型的通用模型结构复制出一个定制模型版结构并基于每个步骤的不同分类需求对各个定制模型版结构进行单独训练,并在训练成熟之后进行应用;本发明实施例方法使用的目标跟踪算法也是常规的基于连续时间点上视觉图像目标检测结果即目标检测框(bounding box,bbox)的目标跟踪算法,诸如基于前后时间点各对目标检测框交集的匈牙利算法、基于滤波器(诸如卡尔曼滤波器)目标状态预测的跟踪算法等等,在此不做一一复述;
步骤54,根据第一集合组的第二记录集合对最近第一指定时长内各类信号灯类型从其他状态切换到绿灯状态的时间点进行识别得到一个或多个第一时间点组成对应的第一时间点序列;
步骤55,对第一道路地图内各条车道的平均车速、通行效率和平均延误时间进行估计得到对应的第一车道交通指标数据组,具体为:
对各个第一车辆轨迹在各条车道内的轨迹点数进行统计得到对应的第一车道点数,并将当前第一车辆轨迹作为最大的第一车道点数的对应车道的下属轨迹;并对各条车道下属的所有第一车辆轨迹的第一车辆平均车速进行均值计算得到对应的第一车道平均车速,并对各条车道的通行效率进行计算得到对应的第一车道通行效率=(第一车道平均车速/自由流速度)*100%,并对各条车道的平均延误时间进行计算得到对应的第一车道平均延误时间=(路口平均长度/第一车道平均车速)-(路口平均长度/自由流速度);并由各条车道的车道标识和对应的第一车道平均车速、第一车道通行效率和第一车道平均延误时间组成对应的第一车道交通指标数据组;
其中,自由流速度为预设的固定速度值(例如50km/h),路口平均长度为预设的固定长度值(例如200m);
步骤56,对第一道路地图内各条车道的平均停车次数和平均排队长度进行估计得到对应的第二车道交通指标数据组,具体为:
为各类车辆类型分配一个固定的车身长度作为对应的类型车长;并对各条车道进行遍历;并在遍历时,将当前遍历车道记为对应的当前车道,并从第一道路地图中获得当前车道的对应信号灯类型记为当前车道信号灯类型,并将当前车道信号灯类型对应的第一时间点序列的各个第一时间点记为对应的第二时间点,并对第二时间点的数量进行统计生成对应的第一总数,并为当前车道初始化两个起始为0的计数器和一个起始为空的数据序列记为对应的第一车辆计数器、第一停车车次计数器和第一车身长度序列;并对各个第一车辆轨迹是否与当前车道发生过一次或一次以上轨迹相交的情况进行确认,若确认发生过一次或一次以上轨迹相交的情况则对第一车辆计数器的计数值加1;并对各个第一车辆轨迹在各个第二时间点上是否正处于当前车道上进行确认,若确认当前第二时间点上当前第一车辆轨迹正处于当前车道上则对第一停车车次计数器的计数值加1、并将当前第一车辆轨迹对应的车辆类型对应的类型车长向第一车身长度序列中添加;并在第一车辆计数器和第一停车车次计数器都完成计数且第一车身长度序列也完成数据添加之后,计算生成对应的第一车道平均停车次数=第一停车车次计数器/第一车辆计数器,并对第一车身长度序列中的所有类型车长进行总和计算生成对应的第一车长总和并计算生成对应的第一车道平均排队长度=第一车长总和/第一总数;并在遍历结束时,由各条车道的车道标识和对应的第一车道平均停车次数和第一车道平均排队长度组成对应的第二车道交通指标数据组;
步骤57,将当前平台时间作为当前时间戳;并由各个第一集合组对应的路测点编号、当前时间戳,以及各条车道对应的车道标识、第一车道通行效率、第一车道平均车速、第一车道平均延误时间、第一车道平均停车次数和第一车道平均排队长度作为对应字段组成对应的第一指标记录向当前交通指标数据表中添加。
步骤6,根据路口监测数据库对各路口的交通参与者数量进行实时分析并将分析结果存至路口分析数据库内对应的交通参与者数据表中;
具体包括:步骤61,云平台每隔一个指定时间间隔就对所各个路口监测子数据库进行遍历,并在遍历时将当前遍历的路口监测子数据库的视频数据表作为对应的当前视频数据表,并将当前遍历的路口监测子数据库对应的第一路口编号作为对应的当前路口编号,并将当前路口编号对应的路口分析子数据库的交通参与者数据表作为对应的当前交通参与者数据表;
步骤62,将路口-路侧点关系数据库中第一路口编号字段与当前路口编号匹配的第一关系记录的各个第一路侧点编号字段提取出来作为对应的第一编号;并将当前视频数据表中第三路侧点编号字段与各个第一编号匹配且第二设备类型字段为全景摄像头的且第一时间戳字段为距离当前时间最近的第一视频记录的第一时间戳字段和第一视频字段提取出来作为对应的第一全景时间戳和第二全景视频;并对各个第二全景视频进行单帧图像提取并将最后一帧作为对应的第一全景图像;并使用基于视觉图像的目标分类模型对第一全景图像进行目标检测和分类处理得到多个第二目标检测框,并对目标类型为人、机动车和非机动车的第二目标检测框的总数进行分别统计得到对应的第一、第二、第三类交通参与者数量;并由各个第一编号以及对应的第一全景时间戳和第一、第二、第三类交通参与者数量作为对应字段组成对应的第一参与者记录向当前交通参与者数据表中添加;
其中,第二目标检测框包括目标类型、目标坐标、目标尺寸大小和目标朝向角,目标类型包括人、动物、机动车、非机动车、建筑物;第二目标检测框包括检测框目标类型、检测框中心坐标、检测框尺寸大小和检测框朝向角。
步骤7,根据实时更新的路口设备数据库、路口监测数据库、路口分析数据库以及预置的运营车辆数据库和路口-路侧点关系数据库对各路口的实时交通状况进行可视化处理;
具体包括:步骤71,云平台加载第一可视化页面;
这里,如图2为本发明实施例一提供的第一可视化页面的页面结构图所示,第一可视化页面的页面显示区包括第一、第二、第三和第四显示区;第一显示区包括路口名称条目和多个路口编号条目;第二显示区包括路口监测设备总量条目和多个第一类设备数量条目;第三显示区包括地图区、路侧点监测设备总量条目和路侧点监测设备列表;路侧点监测设备列表的各条记录包括设备名称、设备编号、设备朝向和设备厂商字段;第四显示区包括路侧点交通事件列表;路侧点交通事件列表的各条记录包括事件类型、事件位置、事件范围、事件时间和取证查看字段;
步骤72,对路口-路侧点关系数据库的第一关系记录的总数进行统计得到对应的第一路口总数;并在第一可视化页面的第一显示区中创建第一路口总数的路口编号条目,并通过第一显示区左右两侧的三角翻页符对所有路口编号条目进行翻页浏览,并为各个路口编号条目与第一关系记录建立一一对应关系,并由各个第一关系记录的第一路口编号字段对对应的路口编号条目的显示内容进行设置,并在设置完成之后首先将第一个路口编号条目作为当前被选中的路口编号条目;
步骤73,在任一个路口编号条目被选中时,将当前被选中的路口编号条目对应的第一关系记录作为对应的当前关系记录,并将当前关系记录的第一路口编号字段提取出来作为对应的当前路口编号,并根据当前关系记录的第一路口名称字段对第一显示区的路口名称条目的显示内容进行设置;
步骤74,在当前路口编号对应的路口设备数据表中,对设备类型的种类数量进行统计生成对应的第一种类数量,并对第一设备记录的总数进行统计得到对应的第一设备总数,并对各类相同设备类型的第一设备记录的总数进行统计得到第一种类数量的第一类设备总数;并根据第一设备总数对第二显示区的路口监测设备总量条目的显示内容进行设置;并在第二显示区中创建第一种类数量的第一类设备数量条目,并为各个第一类设备数量条目与第一类设备总数建立一一对应关系,并由各个第一类设备总数和对应的设备类型名称组成对应的第一类设备数量信息,并根据第一类设备数量信息对对应的第一类设备数量条目的显示内容进行设置;
步骤75,根据当前关系记录的第一路口中心点坐标字段从预设的高精地图中提取出对应的路口高精地图加载到第三显示区的地图区中;并基于当前关系记录的第一路侧点集合的各个第一路侧点记录的第一路侧点朝向字段在地图区的路口高精地图上进行路侧点标记绘制处理;并在任一个路侧点标记被选中时,对当前被选中的路侧点标记进行标记放大处理生成对应的当前路侧点标记;并在当前路侧点标记的上方通过提示框的方式进行当前路侧点提示说明;并将当前关系记录中与当前路侧点标记对应的第一路侧点编号字段提取出来作为对应的当前路侧点编号;
步骤76,在当前路口编号对应的路口设备数据表中,对第二路侧点编号字段与当前路侧点编号匹配的所有第一设备记录进行提取组成对应的第一记录列表;并对第一记录列表的第一设备记录的总数进行统计得到对应的第二设备总数;并基于第二设备总数对第三显示区的路侧点监测设备总量条目的显示内容进行设置;并基于第一记录列表对第三显示区的路侧点监测设备列表的各条记录内容进行设置;
步骤77,在当前路口编号对应的路口分析子数据库的交通事件数据表中,将最近的指定数量的第九路侧点编号字段与当前路侧点编号匹配的所有第一事件记录提取出来组成对应的第二记录列表;并基于第二记录列表各条记录的第一事件类型字段、第一事件位置字段、第一事件影响范围字段和第一事件时间字段对第四显示区的路口交通事件列表各条记录的事件类型、事件位置、事件范围、事件时间字段的显示内容进行设置;并在路口交通事件列表的各记录的取证查看字段设置一个默认的查看标记;并在任一个查看标记被点击时,通过弹窗方式对第二记录列表中与当前查看标记对应的第一事件记录的第一事件取证视频字段的视频进行播放处理;
步骤78,云平台加载第二可视化页面;这里,第二可视化页面为基于数字孪生技术实现的可视化页面;
步骤79,从当前路口编号对应的路口监测子数据库的视频数据表中提取出第三路侧点编号字段与当前路侧点编号匹配且第二设备类型字段为全景摄像头且第一时间戳字段为距离当前时间最近的第一视频记录的第一视频字段作为对应的当前全景视频;并从当前路口编号对应的路口分析子数据库的三维场景数据表中提取出第七路侧点编号字段与当前路侧点编号匹配且第五时间戳字段为距离当前时间最近的第一场景记录的第一路口三维场景图字段作为对应的第一路口三维场景图;
步骤80,通过预设的路测点设备杆可视化对象在第一路口三维场景图的各个路侧点处模拟出对应的路测点设备杆;并通过预设的监测设备可视化对象在各个路测点设备杆可视化对象上模拟出监测设备,并根据当前路口编号对应的路口设备数据表提供的各个路侧点的监测设备信息对各个监测设备可视化对象的图标和名称进行设置;并通过预设的路测点覆盖范围可视化对象在各个路测点设备杆可视化对象下模拟出监测覆盖范围,并根据当前关系记录的各个第一路侧点覆盖范围字段对各个路测点覆盖范围可视化对象的范围大小进行设置;并将设置之后得到的第一路口三维场景图作为对应的基准三维场景;
步骤81,对当前全景视频进行单帧图像提取得到多个第一帧全景图;并对各个第一帧全景图进行遍历;并在遍历时,将当前遍历的第一帧全景图作为对应的当前全景图;并基于带有深度估计的视觉图像分割模型对当前全景图进行语义分割处理得到多个带有深度特征的第二目标掩码图;并基于图像坐标和世界坐标的转换关系对各个第二目标掩码图的世界坐标进行获取;并在基准三维场景中与各个目标语义类型为人、动物、机动车辆或非机动车辆的第二目标掩码图的世界坐标对应的场景位置处,创建一个对应的人、动物、机动车辆或非机动车辆可视化对象,并基于第二目标掩码图的图像特征对当前可视化对象的外观进行设置,并将完成设置的基准三维场景记为对应的第一帧三维场景;并根据当前路口编号对应的路口监测子数据库的运营车辆数据表中与当前全景图距离最近且时间间隔小于设定阈值的所有第二车辆记录的第一车辆定位字段对第一帧三维场景上各个机动车辆可视化对象是否为运营车辆进行识别,若是则将对应的第二车辆记录的第一车辆车速字段提取出来作为对应的第一目标车速,并通过预设的可视化速度标记对象在机动车辆可视化对象上方模拟出速度提示信息,并基于第一目标车速对可视化速度标记对象的速度提示信息进行设置;并在第一帧三维场景中与各个目标语义类型为交通信号灯的第二目标掩码图的世界坐标对应的场景位置上方创建一个信号灯提示牌可视化对象,并基于当前路口编号对应的路口监测子数据库的信号灯杆数据表中各个路侧点上与当前全景图时间最接近的第一灯杆记录对各个对应的信号灯提示牌可视化对象的信号灯颜色、信号灯类型和信号灯剩余时长进行显示内容设置;并在第一帧三维场景中各个信号灯提示牌可视化对象的上方创建一个交通信息提示牌可视化对象,并根据路口高精地图以及当前路口编号对应的路口分析子数据库的交通指标数据表中各个路侧点上与当前全景图时间最接近的第一指标记录对各个交通信息提示牌可视化对象的车道车流方向、车道流量和车道排队长度进行显示内容设置;并在遍历结束时,由得到的所有第一帧三维场景按时间先后顺序排序得到对应的第一帧三维场景序列,并根据第一帧三维场景序列进行数字孪生视频转换得到对应的第一孪生视频;
其中,各个第二目标掩码图对应一个目标语义类型,目标语义类型包括人、动物、机动车辆、非机动车辆、交通信号灯;
步骤82,由第二可视化页面对第一孪生视频进行视频加载并播放;若播放过程中用户对任一个监测设备可视化对象进行对象选择,则在选中的监测设备可视化对象上创建一个设备提示牌可视化对象,并由设备提示牌可视化对象根据当前关系记录和当前路口编号对应的路口设备数据表对当前监测设备的名称、在线状态、设备图片、类型、编号、朝向、厂商进行内容显示处理;
这里,为对上述步骤79-82能有一个直观的理解,本发明实施例给出如图3为本发明实施例一提供的第二可视化页面的示意图所示的一个具体示例来进行说明;
步骤83,云平台加载第三可视化页面;
这里,如图4为本发明实施例一提供的第三可视化页面的页面结构图所示,第三可视化页面的页面显示区包括监测视频区、第一分析区和第二分析区;监测视频区包括东、南、西、北侧视频区和路口孪生视频区;路口孪生视频区为基于数字孪生技术实现的视频区,包括朝向条目和比对标记;第一分析区包括通行效率条目、平均车速条目、平均延误时间条目、平均停车次数条目、平均排队长度条目和包络图显示区;第二分析区包括统计图显示区、行人数量条目、机动车数量条目和非机动车数量条目;
步骤84,从与当前路口编号对应的路口监测子数据库的视频数据表中将当前路口所有路侧点上时间最新且各路侧点间彼此时间间距不超过预设时间阈值的第二设备编号字段为长焦摄像头的第一视频记录的第一视频字段提取出来作为对应的第一路侧点实时视频;并根据各个第一路侧点实时视频对应的路侧点朝向对监测视频区内东南西北四个视频区中的对应视频区进行视频加载和播放处理;并在东南西北四个视频区任一个视频区被点选之后,将当前视频区的对应朝向作为当前朝向,并将当前视频区正在播放的第一路侧点实时视频作为对应的当前路侧点实时视频,并将当前路侧点编号修改为与当前视频区对应的路侧点编号;并在监测视频区的路口孪生视频区中通过数字孪生技术对当前路侧点实时视频进行视频渲染处理,并将路口孪生视频区的朝向条目设为对应的当前朝向,并在路口孪生视频区的比对标记被点击时在路口孪生视频区中对当前路侧点实时视频和对应的渲染视频进行切换比对;
步骤85,从与当前路口编号对应的路口分析子数据库的交通指标数据表中提取出当前路侧点编号对应的各个车道的第一车道通行效率字段、第一车道平均车速字段、第一车道平均延误时间字段、第一车道平均停车次数字段和第一车道平均排队长度字段作为对应的第一通行效率、第一平均车速、第一平均延误时间、第一平均停车次数和第一平均排队长度;并对所有车道的第一通行效率、第一平均车速、第一平均延误时间、第一平均停车次数和第一平均排队长度分别进行均值计算得到对应的第一路侧点通行效率、第一路侧点平均车速、第一路侧点平均延误时间、第一路侧点平均停车次数和第一路侧点平均排队长度;并基于第一路侧点通行效率、第一路侧点平均车速、第一路侧点平均延误时间、第一路侧点平均停车次数和第一路侧点平均排队长度,对第一分析区的通行效率条目、平均车速条目、平均延误时间条目、平均停车次数条目和平均排队长度条目的显示内容进行设置;
步骤86,在通行效率条目被选择时,根据当前交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的第一路侧点通行效率进行计算得到对应的第一路侧点通行效率序列,并基于第一路侧点通行效率序列在包络图显示区中以时间为横轴、效率百分比为纵轴绘制对应的第一包络图;并在平均车速条目被选择时,根据当前交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的第一路侧点平均车速进行计算得到对应的第一路侧点平均车速序列,并基于第一路侧点平均车速序列在包络图显示区中以时间为横轴、车速为纵轴绘制对应的第二包络图;并在平均延误时间条目被选择时,根据当前交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的第一路侧点平均延误时间进行计算得到对应的第一路侧点平均延误时间序列,并基于第一路侧点平均延误时间序列在包络图显示区中以时间为横轴、延误时间为纵轴绘制对应的第三包络图;并在平均停车次数条目被选择时,根据当前交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的第一路侧点平均停车次数进行计算得到对应的第一路侧点平均停车次数序列,并基于第一路侧点平均停车次数序列在包络图显示区中以时间为横轴、停车次数为纵轴绘制对应的第四包络图;并在平均排队长度条目被选择时,根据当前交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的第一路侧点平均排队长度进行计算得到对应的第一路侧点平均排队长度序列,并基于第一路侧点平均排队长度序列在包络图显示区中以时间为横轴、排队长度为纵轴绘制对应的第五包络图;
步骤87,从与当前路口编号对应的路口分析子数据库的交通参与者数据表中提取出第十路侧点编号字段与当前路侧点编号匹配的且第六时间戳字段为最近时间的第一、第二和第三类交通参与者数量字段作为对应的第一行人数量、第一机动车数量和第一非机动车数量;并基于第一行人数量、第一机动车数量和第一非机动车数量对第二分析区的行人数量条目、机动车数量条目和非机动车数量条目的显示内容进行设置;
步骤88,在行人数量条目、机动车数量条目或非机动车数量条目被选择时,根据当前交通参与者数据表的历史数据对最近第二指定时段内各个时间点上对应的第一行人数量、第一机动车数量或第一非机动车数量进行获取从而组成对应的第一行人数量序列、第一机动车数量序列或第一非机动车数量序列,并基于第一行人数量序列、第一机动车数量序列或第一非机动车数量序列在统计图显示区中以时间为横轴、数量为纵轴绘制对应的第一、第二或第三曲线;
步骤89,云平台按预设的刷新频率对第一、第二和第三可视化页面进行内容刷新处理。
图5为本发明实施例二提供的一种路口数据的远程可视化处理系统的模块结构图,该系统为实现前述方法实施例一的终端设备、服务器、系统或平台,也可以为能够使得前述终端设备、服务器、系统或平台实现前述方法实施例一的装置,例如该装置可以是前述终端设备、服务器、系统或平台的装置或芯片系统。如图5所示,该系统包括:云平台110、多个第一路侧点通信设备111和多个第一监测设备112;各个第一监测设备112通过对应的第一路侧点通信设备111与云平台110连接。
云平台110用于对各路口的设备在线状态进行监测并根据监测结果更新路口设备数据库;并对各路口的实时监测数据进行接收并存至路口监测数据库;并根据路口监测数据库对各路口的三维场景进行模拟并将模拟结果存至路口分析数据库内对应的三维场景数据表中;并根据路口监测数据库对各路口的交通事件进行实时分析并将分析结果存至路口分析数据库内对应的交通事件数据表中;并根据路口监测数据库对各路口的交通指标进行实时分析并将分析结果存至路口分析数据库内对应的交通指标数据表中;并根据路口监测数据库对各路口的交通参与者数量进行实时分析并将分析结果存至路口分析数据库内对应的交通参与者数据表中;并根据实时更新的路口设备数据库、路口监测数据库、路口分析数据库以及预置的运营车辆数据库和路口-路侧点关系数据库对各路口的实时交通状况进行可视化处理。需要说明的是,各个路口包括多个路口分支,在每个路口分支进入对应路口的道路路侧预置一个路侧点记为对应的第一路侧点;各个第一路侧点上预置一个第一路侧点通信设备111和多个第一监测设备112。
本发明实施例二提供的一种路口数据的远程可视化处理系统,可以执行上述方法实施例一中的方法步骤,其实现原理和技术效果类似,在此不再赘述。
需要说明的是,应理解以上系统在实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分通过处理元件调用软件的形式实现,部分通过硬件的形式实现。此外,也可以以程序代码的形式存储于存储器中,由上述系统的某一个处理元件调用并执行以上确定功能。此外这些功能全部或部分可以集成在一起,也可以独立实现。这里所描述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,前述方法的各方法步骤或前述系统的各处理步骤可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上系统可以是被配置成实施前述方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,ASIC),或,一个或多个数字信号处理器(Digital Signal Processor,DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,FPGA)等。再如,当以上系统某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(System-on-a-chip,SOC)的形式实现。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照前述方法实施例所描述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线路((Digital Subscriber Line,DSL))或无线(例如红外、无线、蓝牙、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
本发明实施例提供了一种路口数据的远程可视化处理方法和系统,在各个路口设置多个路侧点,并在每个路侧点上设置一组监测设备与一个路侧点通信设备,各个监测设备通过对应的路侧点通信设备与远程的云平台连接;各个监测设备对当前路口、当前路侧点的交通状况进行实时监测并将监测数据送至云平台;云平台则一方面使用路口监测数据库接收并保存前端的实时监测数据,另一方面基于异步处理机制从路口监测数据库中提取信息进行三维场景构建、交通事件分析、交通指标分析、交通参与值分析并将动态分析结果存于路口分析数据库中,再一方面使用定制的第一、第三可视化页面对各个路口的实时监测视频、交通事件分析、交通指标分析、交通参与值分析进行显示、并使用定制的第二可视化页面基于数字孪生技术从当前路侧点视角对当前路口的场景进行展示。通过本发明增强了对道路路口的智能分析水平、提高了可视化监控的实时分析能力。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,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,以上所述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 (13)
1.一种路口数据的远程可视化处理方法,其特征在于,所述方法包括:
云平台对各路口的设备在线状态进行监测并根据监测结果更新路口设备数据库;
对各路口的实时监测数据进行接收并存至路口监测数据库;
根据所述路口监测数据库对各路口的三维场景进行模拟并将模拟结果存至路口分析数据库内对应的三维场景数据表中;
根据所述路口监测数据库对各路口的交通事件进行实时分析并将分析结果存至所述路口分析数据库内对应的交通事件数据表中;
根据所述路口监测数据库对各路口的交通指标进行实时分析并将分析结果存至所述路口分析数据库内对应的交通指标数据表中;
根据所述路口监测数据库对各路口的交通参与者数量进行实时分析并将分析结果存至所述路口分析数据库内对应的交通参与者数据表中;
根据实时更新的所述路口设备数据库、所述路口监测数据库、所述路口分析数据库以及预置的运营车辆数据库和路口-路侧点关系数据库对各路口的实时交通状况进行可视化处理。
2.根据权利要求1所述的路口数据的远程可视化处理方法,其特征在于,
各个路口分别对应一个唯一路口编号记为对应的第一路口编号;各个路口包括多个路口分支,每个所述路口分支对应一个分支朝向,所述分支朝向包括东、南、西、北侧,若单一朝向的路口分支数量不唯一则基于当前朝向进行顺序编码;各个路口的各条道路上行驶的机动车辆包括运营车辆和非运营车辆两种;各个运营车辆上预置一个OBU设备;
在每个所述路口分支进入对应路口的道路路侧预置一个路侧点记为对应的第一路侧点;各个所述第一路侧点对应一个唯一路侧点编号记为对应的第一路侧点编号;各个所述第一路侧点上预置一个第一路侧点通信设备和多个所述第一监测设备;
所述第一路侧点通信设备本地保存对应的所述第一路口编号、所述第一路侧点编号和第一路侧点朝向;所述第一路侧点朝向与对应的所述分支朝向一致;
各个所述第一监测设备通过对应的所述第一路侧点通信设备与所述云平台连接;所述第一监测设备本地保存一组对应的设备参数,包括第一设备名称、第一设备编号、第一设备类型和第一设备厂商;所述第一设备类型包括长焦摄像头、全景摄像头、激光雷达、毫米波雷达、RSU设备和交通信号灯杆;
所述第一设备类型为长焦摄像头的所述第一监测设备用于对监测道路进行实时视频拍摄生成一个包含了固定长度视频的第一实时监测数据,并按预设的同步频率定期将最新的所述第一实时监测数据通过对应的所述第一路侧点通信设备向所述云平台发送;所述第一实时监测数据包括第一时间戳、所述第一设备编号、第一数据类型和第一视频数据;所述第一数据类型设为长焦视频类型;
所述第一设备类型为全景摄像头的所述第一监测设备用于对监测道路进行实时视频拍摄生成一个包含了固定长度视频的第二实时监测数据,并按预设的同步频率定期将最新的所述第二实时监测数据通过对应的所述第一路侧点通信设备向所述云平台发送;所述第二实时监测数据包括第二时间戳、所述第一设备编号、第二数据类型和第二视频数据;所述第二数据类型设为全景视频类型;
所述第一设备类型为激光雷达的所述第一监测设备用于对监测环境进行雷达扫描生成一个第三实时监测数据,并按预设的同步频率定期将最新的所述第三实时监测数据通过对应的所述第一路侧点通信设备向所述云平台发送;所述第三实时监测数据包括第三时间戳、所述第一设备编号、第三数据类型和第一雷达点云;所述第三数据类型设为激光雷达点云类型;所述第一雷达点云的各点特征包括第一坐标特征和第一反射强度特征;所述第一坐标特征的坐标系为世界坐标系;
所述第一设备类型为毫米波雷达的所述第一监测设备用于对监测环境进行雷达扫描生成一个第四实时监测数据,并按预设的同步频率定期将最新的所述第四实时监测数据通过对应的所述第一路侧点通信设备向所述云平台发送;所述第四实时监测数据包括第四时间戳、所述第一设备编号、第四数据类型和第二雷达点云;所述第四数据类型设为毫米波雷达点云类型;所述第二雷达点云的各点特征包括第二坐标特征和第一速度特征;所述第二坐标特征的坐标系为世界坐标系;
所述第一设备类型为RSU设备的所述第一监测设备用于接收监测范围内各个运营车辆的OBU设备发送的第一运营车辆数据,并根据预设的第一时段长度将最近第一时段内收到的所有所述第一运营车辆数据组成对应的第五实时监测数据;并按预设的同步频率定期将最新的所述第五实时监测数据通过对应的所述第一路侧点通信设备向所述云平台发送;所述第一运营车辆数据包括第一车辆时间戳、第一车辆车牌、第一车辆型号、第一车辆颜色、第一驾驶模式、第一驾驶员标识、第一运营机构标识、第一车辆定位和第一车辆车速;所述第一驾驶模式包括无人驾驶、自动驾驶和人工驾驶;所述第一驾驶员标识在所述第一驾驶模式为自动驾驶或人工驾驶时为当前驾驶员的身份标识;所述第五实时监测数据包括第五时间戳、所述第一设备编号、第五数据类型和最近第一时段内收到的所有所述第一运营车辆数据,所述第五实时监测数据内的每两个所述第一运营车辆数据的所述第一车辆时间戳的时间间隔不超过所述第一时段长度;所述第五数据类型设为运营车辆类型;
所述第一设备类型为交通信号灯杆的所述第一监测设备用于获取灯杆上所有信号灯的实时灯状态生成对应的第六实时监测数据,并按预设的同步频率定期将最新的所述第六实时监测数据通过对应的所述第一路侧点通信设备向所述云平台发送;所述第六实时监测数据包括第六时间戳、所述第一设备编号、第六数据类型和多个第一信号灯数据;所述第一信号灯数据包括第一信号灯类型、第一信号灯状态和第一信号灯剩余时长;所述第一信号灯类型包括左转灯类型、直行灯类型和右转灯类型;所述第一信号灯状态包括红灯状态、黄灯状态、黄灯闪烁状态和绿灯状态;所述第六数据类型设为灯杆类型;
所述第一路侧点通信设备用于在接收到任一类所述第一监测设备发送的实时监测数据时,将当次接收到的第一、第二、第三、第四、第五或第六实时监测数据作为对应的当前实时监测数据,并由所述第一路口编号、所述第一路侧点编号、所述第一路侧点朝向和所述当前实时监测数据组成对应的第一路侧点数据包向所述云平台发送;
所述第一路侧点通信设备还用于定期对与之连接的所有所述第一监测设备的在线状态是否正常进行探测得到对应的第一设备在线状态列表,并将携带了所述第一路口编号、所述第一路侧点编号和所述第一设备在线状态列表的第一设备心跳指令向所述云平台发送;所述第一设备在线状态列表包括多个第一设备状态记录;所述第一设备状态记录包括第一监测设备编号字段和第一监测设备在线状态字段;所述第一监测设备在线状态字段包括在线状态和离线状态。
3.根据权利要求2所述的路口数据的远程可视化处理方法,其特征在于,
所述云平台包括所述运营车辆数据库、所述路口-路侧点关系数据库、所述路口设备数据库、所述路口监测数据库和所述路口分析数据库;
所述运营车辆数据库包括多个第一车辆记录;所述第一车辆记录包括第一车辆标识字段、第一车辆车牌字段、第一车辆型号字段、第一车辆颜色字段、第一驾驶模式字段、第一驾驶员字段和第一运营机构字段;所述第一驾驶模式字段包括无人驾驶、自动驾驶和人工驾驶;所述第一驾驶员字段在所述第一驾驶模式字段为无人驾驶时为空,在所述第一驾驶模式字段为自动驾驶或人工驾驶时为指定驾驶员标识;
所述路口-路侧点关系数据库包括多个第一关系记录;所述第一关系记录包括第一路口编号字段、第一路口名称字段、第一路口中心点坐标字段和第一路侧点集合字段;所述第一路侧点集合字段用于保存对应的第一路侧点集合;所述第一路侧点集合包括多个第一路侧点记录;所述第一路侧点记录包括第一路侧点编号字段、第一路侧点朝向字段和第一路侧点覆盖范围字段;
所述路口设备数据库包括多个路口设备数据表,所述路口设备数据表与所述第一路口编号一一对应;
所述路口设备数据表包括多个第一设备记录;所述第一设备记录包括第二路侧点编号字段、第一设备编号字段、第一设备名称字段、第一设备类型字段、第一设备厂商字段、第一设备状态字段和第一设备图片字段;所述第一设备类型字段包括长焦摄像头、全景摄像头、激光雷达、毫米波雷达、RSU设备和交通信号灯杆;所述第一设备状态字段包括在线状态和离线状态;
所述路口监测数据库包括多个路口监测子数据库,所述路口监测子数据库与所述第一路口编号一一对应;各个所述路口监测子数据库包括视频数据表、点云数据表、运营车辆数据表和信号灯杆数据表;
所述视频数据表包括多个第一视频记录;所述第一视频记录包括第三路侧点编号字段、第二设备编号字段、第二设备类型字段、第一时间戳字段和第一视频字段;所述第二设备类型字段包括长焦摄像头和全景摄像头;
所述点云数据表包括多个第一点云记录;所述第一点云记录包括第四路侧点编号字段、第三设备编号字段、第三设备类型字段、第二时间戳字段和第一雷达点云字段;所述第三设备类型字段包括激光雷达和毫米波雷达;
所述运营车辆数据表包括多个第二车辆记录;所述第二车辆记录包括第五路侧点编号字段、第四设备编号字段、第三时间戳字段、第二车辆车牌字段、第二车辆型号字段、第二车辆颜色字段、第二驾驶模式字段、第二驾驶员字段、第二运营机构字段、第一车辆定位字段和第一车辆车速字段;所述第二驾驶模式字段包括无人驾驶、自动驾驶和人工驾驶;所述第二驾驶员字段在所述第二驾驶模式字段为无人驾驶时为空,在所述第二驾驶模式字段为自动驾驶或人工驾驶时为当前驾驶员的身份标识;
所述信号灯杆数据表包括多个第一灯杆记录;所述第一灯杆记录包括第六路侧点编号字段、第五设备编号字段、第四时间戳字段和第一信号灯集合字段;所述第一信号灯集合字段用于存储对应的第一信号灯集合;所述第一信号灯集合包括多个第一信号灯记录;所述第一信号灯记录包括第一信号灯类型字段、第一信号灯状态字段和第一信号灯剩余时长字段;所述第一信号灯类型字段包括左转灯、直行灯和右转灯;所述第一信号灯状态字段包括红灯状态、黄灯状态、黄灯闪烁状态和绿灯状态;
所述路口分析数据库包括多个路口分析子数据库,所述路口分析子数据库与所述第一路口编号一一对应;各个所述路口分析子数据库包括所述三维场景数据表、所述交通事件数据表、所述交通指标数据表和所述交通参与者数据表;
所述三维场景数据表包括多个第一场景记录;所述第一场景记录包括第七路侧点编号字段、第五时间戳字段和第一路口三维场景图字段;
所述交通事件数据表包括多个第一事件记录;所述第一事件记录包括第八路侧点编号字段、第一事件类型字段、第一事件位置字段、第一事件影响范围字段、第一事件时间字段和第一事件取证视频字段;
所述交通指标数据表包括多个第一指标记录;所述第一指标记录包括第九路侧点编号字段、第五时间戳字段、第一车道标识字段、第一车道通行效率字段、第一车道平均车速字段、第一车道平均延误时间字段、第一车道平均停车次数字段和第一车道平均排队长度字段;
所述交通参与者数据表包括多个第一参与者记录;所述第一参与者记录包括第十路侧点编号字段、第六时间戳字段、第一类交通参与者数量字段、第二类交通参与者数量字段和第三类交通参与者数量字段;所述第一、第二和第三类交通参与者数量字段对应的交通参与者类型分别为人、机动车和非机动车。
4.根据权利要求3所述的路口数据的远程可视化处理方法,其特征在于,所述云平台对各路口的设备在线状态进行监测并根据监测结果更新路口设备数据库,具体包括:
所述云平台为各个所述第一路侧点通信设备分配一个对应的第一计时器并按正常时间频率对其进行计时;
并在每接收一个所述第一路侧点通信设备发送的所述第一设备心跳指令时,就将对应的所述第一计时器清零并启动重新计时,并从所述第一设备心跳指令中提取出所述第一路口编号、所述第一路侧点编号和所述第一设备在线状态列表作为对应的当前路口编号、当前路侧点编号和当前设备在线状态列表;并将所述当前路口编号对应的所述路口设备数据表作为对应的当前路口设备数据表;并对所述当前设备在线状态列表的各个所述第一设备状态记录进行遍历,并在遍历时将当前遍历的所述第一设备状态记录的所述第一监测设备编号字段、所述第一监测设备在线状态字段提取出来作为对应的当前监测设备编号、当前监测设备在线状态,并将所述当前路口设备数据表中所述第二路侧点编号字段与所述当前路侧点编号匹配且所述第一设备编号字段与所述当前监测设备编号匹配的所述第一设备记录的所述第一设备状态字段重置为所述当前监测设备在线状态;
并对各个所述第一计时器的当前计时结果是否超过预设的计时阈值进行实时甄别,一旦超过则将当前所述第一计时器对应的所述第一路侧点通信设备对应的所述第一路侧点编号和所述第一路口编号作为对应的当前离线路侧点编号和当前离线路口编号,并将所述当前离线路口编号对应的所述路口设备数据表中所述第二路侧点编号字段与所述当前离线路侧点编号匹配的所有所述第一设备记录的所述第一设备状态字段都重置为离线状态。
5.根据权利要求3所述的路口数据的远程可视化处理方法,其特征在于,所述对各路口的实时监测数据进行接收并存至路口监测数据库,具体包括:
所述云平台在接收到所述第一路侧点数据包时,从中提取出所述第一路口编号、所述第一路侧点编号、所述第一路侧点朝向和实时监测数据作为对应的当前路口编号、当前路侧点编号、当前路侧点朝向和当前实时监测数据;并将所述当前路口编号对应的所述路口监测子数据库的所述视频数据表、所述点云数据表、所述运营车辆数据表和所述信号灯杆数据表作为对应的当前视频数据表、当前点云数据表、当前运营车辆数据表和当前信号灯杆数据表;并将所述当前实时监测数据的时间戳和设备编号提取出来作为对应的当前时间戳和当前设备编号;并对所述当前路口编号对应的所述路口设备数据表进行查询,将所述路口设备数据表中所述第二路侧点编号字段与所述当前路侧点编号匹配且所述第一设备编号字段与所述当前设备编号匹配的所述第一设备记录的所述第一设备类型字段提取出来作为对应的当前设备类型;并将所述当前实时监测数据的数据类型提取出来作为对应的当前数据类型;
当所述当前数据类型为长焦视频类型时,从所述当前实时监测数据中提取出对应的所述第一视频数据;并由所述当前路侧点编号、所述当前设备编号、所述当前设备类型、所述当前时间戳和所述第一视频数据作为对应字段组成对应的所述第一视频记录向所述当前视频数据表中添加;
当所述当前数据类型为全景视频类型时,从所述当前实时监测数据中提取出对应的所述第二视频数据;并由所述当前路侧点编号、所述当前设备编号、所述当前设备类型、所述当前时间戳和所述第二视频数据作为对应字段组成对应的所述第一视频记录向所述当前视频数据表中添加;
当所述当前数据类型为激光雷达点云类型时,从所述当前实时监测数据中提取出对应的所述第一雷达点云;并由所述当前路侧点编号、所述当前设备编号、所述当前设备类型、所述当前时间戳和所述第一雷达点云作为对应字段组成对应的所述第一点云记录向所述当前点云数据表中添加;
当所述当前数据类型为毫米波雷达点云类型时,从所述当前实时监测数据中提取出对应的所述第二雷达点云;并由所述当前路侧点编号、所述当前设备编号、所述当前设备类型、所述当前时间戳和所述第二雷达点云作为对应字段组成对应的所述第一点云记录向所述当前点云数据表中添加;
当所述当前数据类型为运营车辆类型时,从所述当前实时监测数据中提取出多个所述第一运营车辆数据;并由所述当前路侧点编号、所述当前设备编号、所述当前时间戳和各个所述第一运营车辆数据的所述第一车辆车牌、所述第一车辆型号、所述第一车辆颜色、所述第一驾驶模式、所述第一驾驶员标识、所述第一运营机构标识、所述第一车辆定位和所述第一车辆车速作为对应字段组成对应的所述第二车辆记录向所述当前运营车辆数据表中添加;
当所述当前数据类型为灯杆类型时,从所述当前实时监测数据中提取出多个所述第一信号灯数据;并由各个所述第一信号灯数据的所述第一信号灯类型、所述第一信号灯状态和所述第一信号灯剩余时长作为对应字段组成对应的所述第一信号灯记录,并由得到的所有所述第一信号灯记录组成对应的所述第一信号灯集合;并由所述当前路侧点编号、所述当前设备编号、所述当前时间戳和所述第一信号灯集合作为对应字段组成对应的所述第一灯杆记录向所述当前信号灯杆数据表中添加。
6.根据权利要求3所述的路口数据的远程可视化处理方法,其特征在于,所述根据所述路口监测数据库对各路口的三维场景进行模拟并将模拟结果存至路口分析数据库内对应的三维场景数据表中,具体包括:
所述云平台在任一个所述点云数据表中添加了所述第三设备类型字段为激光雷达的所述第一点云记录时,将当前添加的所述第一点云记录作为对应的一类点云记录,并将所述一类点云记录的所述第二时间戳字段提取出来作为对应的当前时间戳,并将当前添加了新记录的所述点云数据表作为对应的当前点云数据表,并将所述当前点云数据表对应的所述路口监测子数据库和所述第一路口编号作为对应的当前路口监测子数据库和当前路口编号,并将所述当前路口监测子数据库的所述视频数据表作为对应的当前视频数据表,并将所述一类点云记录的所述第四路侧点编号字段提取出来作为对应的当前路侧点编号;并将所述路口-路侧点关系数据库中所述第一路口编号字段与所述当前路口编号匹配的所述第一关系记录的所述第一路口中心点坐标字段提取出来作为对应的当前路口中心点坐标,并从预设的高精地图中以所述当前路口中心点坐标为中心进行路口区域地图提取处理得到对应的当前路口地图;
将所述当前点云数据表中所述第四路侧点编号字段为所述当前路侧点编号且所述第三设备类型字段为毫米波雷达且所述第二时间戳字段与所述当前时间戳的时间间隔小于设定时间阈值的所述第一点云记录提取出来作为对应的二类点云记录;并将所述当前视频数据表中所述第三路侧点编号字段为所述当前路侧点编号且所述第二设备类型字段为全景摄像头且所述第一时间戳字段与所述当前时间戳的时间间隔小于设定时间阈值的所述第一视频记录提取出来作为对应的当前全景视频记录;
若所述二类点云记录和所述当前全景视频记录都不为空,则将所述一类、二类点云记录的所述第一雷达点云字段提取出来作为对应的一类、二类点云;并将所述当前全景视频记录的所述第一视频字段提取出来作为对应的当前全景视频;所述一类点云的各点对应一个世界坐标和一个反射强度;所述二类点云的各点对应一个世界坐标和一个相对速度;
将所述二类点云中相对速度不为零的点视为运动点,并将所述一类点云中与各个所述运动点对应的点以及超出所述当前路口地图坐标范围的点都删除,并将完成点删除的所述一类点云作为对应的当前点云;并对所述当前全景视频进行单帧图像提取得到多个第一帧图像,并对各个所述第一帧图像的图像清晰度进行识别,并从中选取清晰度最高的作为对应的当前场景图;
根据所述当前路口地图进行鸟瞰视角的路口平面图构建得到对应的当前路口鸟瞰场景图;并基于点云目标检测模型对所述当前点云进行目标检测得到多个三维的第一目标检测框;并基于带有深度估计的视觉图像分割模型对所述当前场景图进行语义分割处理得到多个带有深度特征的第一目标掩码图;并由对应同一目标的所述第一目标检测框和所述第一目标掩码图组成对应的第一匹配组;并根据各个所述第一匹配组对所述当前路口鸟瞰场景图中的对应目标的高度、外观、颜色进行三维重构从而得到对应的当前路口三维场景图;所述当前路口三维场景图的各个像素点通过所述当前路口鸟瞰场景图从所述当前路口地图中继承了对应的世界坐标;
由所述当前路侧点编号、所述当前时间戳和所述当前路口三维场景图作为对应字段组成对应的所述第一场景记录向所述当前路口编号对应的所述路口分析子数据库的所述三维场景数据表中添加。
7.根据权利要求3所述的路口数据的远程可视化处理方法,其特征在于,所述根据所述路口监测数据库对各路口的交通事件进行实时分析并将分析结果存至所述路口分析数据库内对应的交通事件数据表中,具体包括:
所述云平台在任一个所述视频数据表添加了所述第二设备类型字段为长焦摄像头的所述第一视频记录时,将当前添加的所述第一视频记录作为对应的当前视频记录,并将所述当前视频记录的所述三路侧点编号字段、所述第二设备编号字段和所述第一视频字段提取出来作为对应的当前路侧点编号、当前设备编号和当前视频,并将当前添加了新记录的所述视频数据表作为对应的当前视频数据表,并将所述当前视频数据表对应的所述路口监测子数据库和所述第一路口编号作为对应的当前路口监测子数据库和当前路口编号;
基于预设的事件分类模型对所述当前视频进行事件检测和分类处理得到对应的事件类型、事件位置、事件范围和事件时间;并将所述当前视频数据表中,所述第三路侧点编号字段与所述当前路侧点编号匹配且所述第二设备编号字段与所述当前设备编号且所述第一时间戳字段在所述事件时间前后指定时间范围内的所有所述第一视频记录的所述第一视频字段提取出来按时间先后顺序进行视频拼接得到对应的事件取证视频;并由所述当前路侧点编号、所述事件类型、所述事件位置、所述事件范围、所述事件时间和所述事件取证视频作为对应字段组成对应的所述第一事件记录向所述当前路口编号对应的所述路口分析子数据库的所述交通事件数据表中添加;所述事件分类模型至少包括行人违规事件分析模型、非机动车违规事件分析模型、机动车道路违规事件分析模型、机动车驾驶违规事件分析模型。
8.根据权利要求3所述的路口数据的远程可视化处理方法,其特征在于,所述根据所述路口监测数据库对各路口的交通指标进行实时分析并将分析结果存至所述路口分析数据库内对应的交通指标数据表中,具体包括:
所述云平台每隔一个指定时间间隔就对各个所述路口监测子数据库进行遍历,并在遍历时将当前遍历的所述路口监测子数据库的所述视频数据表和所述信号灯杆数据表作为对应的当前视频数据表和当前信号灯杆数据表,并将当前遍历的所述路口监测子数据库对应的所述第一路口编号作为对应的当前路口编号,并将所述当前路口编号对应的所述路口分析子数据库的所述交通指标数据表作为对应的当前交通指标数据表;
将所述当前视频数据表中所述第一时间戳字段在最近第一指定时长内且所述第二设备类型字段为长焦摄像头的所有所述第一视频记录提取出来组成对应集合、并在集合中按路侧点对所述第一视频记录进行聚类从而得到多个第一记录集合;并将所述当前信号灯杆数据表中所述第四时间戳字段在最近所述第一指定时长内的所有所述第一灯杆记录提取出来组成对应集合、并在集合中按路侧点对所述第一灯杆记录进行聚类从而得到多个第二记录集合;并由对应相同路测点的所述第一、第二记录集合组成一组对应的第一集合组;并基于所述第一集合组对应的路口编号和路侧点编号从预设的高精地图中获取对应路口下对应路侧点位置的道路高精地图作为对应的第一道路地图;所述第一记录集合中所有所述第一视频记录的所述第三路侧点编号字段相同,所述第二记录集合中所有所述第一灯杆记录的所述第六路侧点编号字段相同,所述第一集合组中所有记录的路侧点编号字段都相同;
将所述第一集合组的所述第一记录集合的所有所述第一视频记录的所述第一视频字段的视频提取出来并按时间先后顺序进行视频拼接得到对应的第一长视频;并对所述第一长视频进行单帧图像提取处理得到多个第二帧图像,并使用基于视觉图像的目标分类模型对各个所述第二帧图像进行车辆目标检测和分类处理得到多个第一车辆目标检测框组成对应的第一帧车辆目标集合,并基于常规的目标跟踪算法根据所有所述第一帧车辆目标集合进行车辆目标跟踪处理得到多个第一车辆轨迹;并由各个所述第一车辆轨迹的轨迹长度除以轨迹时长得到对应的第一车辆平均车速;所述第一车辆目标检测框包括检测框目标类型、检测框中心坐标、检测框尺寸大小和检测框朝向角,检测框目标类型为车辆类型,所述车辆类型包括轿车、巴士、工程车、卡车、货车;
根据所述第一集合组的所述第二记录集合对最近所述第一指定时长内各类信号灯类型从其他状态切换到绿灯状态的时间点进行识别得到一个或多个第一时间点组成对应的第一时间点序列;
对所述第一道路地图内各条车道的平均车速、通行效率和平均延误时间进行估计得到对应的第一车道交通指标数据组,具体为:对各个所述第一车辆轨迹在各条车道内的轨迹点数进行统计得到对应的第一车道点数,并将当前所述第一车辆轨迹作为最大的所述第一车道点数的对应车道的下属轨迹;并对各条车道下属的所有所述第一车辆轨迹的所述第一车辆平均车速进行均值计算得到对应的第一车道平均车速,并对各条车道的通行效率进行计算得到对应的第一车道通行效率=(第一车道平均车速/自由流速度)*100%,并对各条车道的平均延误时间进行计算得到对应的第一车道平均延误时间=(路口平均长度/第一车道平均车速)-(路口平均长度/自由流速度);并由各条车道的车道标识和对应的所述第一车道平均车速、所述第一车道通行效率和所述第一车道平均延误时间组成对应的所述第一车道交通指标数据组;所述自由流速度为预设的固定速度值,所述路口平均长度为预设的固定长度值;
对所述第一道路地图内各条车道的平均停车次数和平均排队长度进行估计得到对应的第二车道交通指标数据组,具体为:为各类所述车辆类型分配一个固定的车身长度作为对应的类型车长;并对各条车道进行遍历;并在遍历时,将当前遍历车道记为对应的当前车道,并从所述第一道路地图中获得所述当前车道的对应信号灯类型记为当前车道信号灯类型,并将所述当前车道信号灯类型对应的所述第一时间点序列的各个所述第一时间点记为对应的第二时间点,并对所述第二时间点的数量进行统计生成对应的第一总数,并为所述当前车道初始化两个起始为0的计数器和一个起始为空的数据序列记为对应的第一车辆计数器、第一停车车次计数器和第一车身长度序列;并对各个所述第一车辆轨迹是否与所述当前车道发生过一次或一次以上轨迹相交的情况进行确认,若确认发生过一次或一次以上轨迹相交的情况则对所述第一车辆计数器的计数值加1;并对各个所述第一车辆轨迹在各个所述第二时间点上是否正处于所述当前车道上进行确认,若确认当前所述第二时间点上当前所述第一车辆轨迹正处于所述当前车道上则对所述第一停车车次计数器的计数值加1、并将当前所述第一车辆轨迹对应的所述车辆类型对应的所述类型车长向所述第一车身长度序列中添加;并在所述第一车辆计数器和所述第一停车车次计数器都完成计数且所述第一车身长度序列也完成数据添加之后,计算生成对应的第一车道平均停车次数=第一停车车次计数器/第一车辆计数器,并对所述第一车身长度序列中的所有所述类型车长进行总和计算生成对应的第一车长总和并计算生成对应的第一车道平均排队长度=第一车长总和/第一总数;并在遍历结束时,由各条车道的所述车道标识和对应的所述第一车道平均停车次数和所述第一车道平均排队长度组成对应的所述第二车道交通指标数据组;
将当前平台时间作为当前时间戳;并由各个所述第一集合组对应的路测点编号、所述当前时间戳,以及各条车道对应的所述车道标识、所述第一车道通行效率、所述第一车道平均车速、所述第一车道平均延误时间、所述第一车道平均停车次数和所述第一车道平均排队长度作为对应字段组成对应的所述第一指标记录向所述当前交通指标数据表中添加。
9.根据权利要求3所述的路口数据的远程可视化处理方法,其特征在于,所述根据所述路口监测数据库对各路口的交通参与者数量进行实时分析并将分析结果存至所述路口分析数据库内对应的交通参与者数据表中,具体包括:
所述云平台每隔一个指定时间间隔就对所各个所述路口监测子数据库进行遍历,并在遍历时将当前遍历的所述路口监测子数据库的所述视频数据表作为对应的当前视频数据表,并将当前遍历的所述路口监测子数据库对应的所述第一路口编号作为对应的当前路口编号,并将所述当前路口编号对应的所述路口分析子数据库的所述交通参与者数据表作为对应的当前交通参与者数据表;
将所述路口-路侧点关系数据库中所述第一路口编号字段与所述当前路口编号匹配的所述第一关系记录的各个所述第一路侧点编号字段提取出来作为对应的第一编号;并将所述当前视频数据表中所述第三路侧点编号字段与各个所述第一编号匹配且所述第二设备类型字段为全景摄像头的且所述第一时间戳字段为距离当前时间最近的所述第一视频记录的所述第一时间戳字段和所述第一视频字段提取出来作为对应的第一全景时间戳和第二全景视频;并对各个所述第二全景视频进行单帧图像提取并将最后一帧作为对应的第一全景图像;并使用基于视觉图像的目标分类模型对所述第一全景图像进行目标检测和分类处理得到多个第二目标检测框,并对目标类型为人、机动车和非机动车的所述第二目标检测框的总数进行分别统计得到对应的第一、第二、第三类交通参与者数量;并由各个所述第一编号以及对应的所述第一全景时间戳和所述第一、第二、第三类交通参与者数量作为对应字段组成对应的所述第一参与者记录向所述当前交通参与者数据表中添加;所述第二目标检测框包括目标类型、目标坐标、目标尺寸大小和目标朝向角,目标类型包括人、动物、机动车、非机动车、建筑物;所述第二目标检测框包括检测框目标类型、检测框中心坐标、检测框尺寸大小和检测框朝向角。
10.根据权利要求3所述的路口数据的远程可视化处理方法,其特征在于,所述方法还包括:预设了三个可视化页面分别为第一、第二和第三可视化页面;其中,
所述第一可视化页面的页面显示区包括第一、第二、第三和第四显示区;所述第一显示区包括路口名称条目和多个路口编号条目;所述第二显示区包括路口监测设备总量条目和多个第一类设备数量条目;所述第三显示区包括地图区、路侧点监测设备总量条目和路侧点监测设备列表;所述路侧点监测设备列表的各条记录包括设备名称、设备编号、设备朝向和设备厂商字段;所述第四显示区包括路侧点交通事件列表;所述路侧点交通事件列表的各条记录包括事件类型、事件位置、事件范围、事件时间和取证查看字段;
所述第二可视化页面为基于数字孪生技术实现的可视化页面;
所述第三可视化页面的页面显示区包括监测视频区、第一分析区和第二分析区;所述监测视频区包括东、南、西、北侧视频区和路口孪生视频区;所述路口孪生视频区为基于数字孪生技术实现的视频区,包括朝向条目和比对标记;所述第一分析区包括通行效率条目、平均车速条目、平均延误时间条目、平均停车次数条目、平均排队长度条目和包络图显示区;所述第二分析区包括统计图显示区、行人数量条目、机动车数量条目和非机动车数量条目。
11.根据权利要求10所述的路口数据的远程可视化处理方法,其特征在于,所述根据实时更新的所述路口设备数据库、所述路口监测数据库、所述路口分析数据库以及预置的运营车辆数据库和路口-路侧点关系数据库对各路口的实时交通状况进行可视化处理,具体包括:
所述云平台加载所述第一可视化页面;
并对所述路口-路侧点关系数据库的所述第一关系记录的总数进行统计得到对应的第一路口总数;并在所述第一可视化页面的所述第一显示区中创建所述第一路口总数的所述路口编号条目,并通过所述第一显示区左右两侧的三角翻页符对所有所述路口编号条目进行翻页浏览,并为各个所述路口编号条目与所述第一关系记录建立一一对应关系,并由各个所述第一关系记录的所述第一路口编号字段对对应的所述路口编号条目的显示内容进行设置,并在设置完成之后首先将第一个所述路口编号条目作为当前被选中的路口编号条目;
并在任一个所述路口编号条目被选中时,将当前被选中的所述路口编号条目对应的所述第一关系记录作为对应的当前关系记录,并将所述当前关系记录的所述第一路口编号字段提取出来作为对应的当前路口编号,并根据所述当前关系记录的所述第一路口名称字段对所述第一显示区的所述路口名称条目的显示内容进行设置;
并在所述当前路口编号对应的所述路口设备数据表中,对设备类型的种类数量进行统计生成对应的第一种类数量,并对所述第一设备记录的总数进行统计得到对应的第一设备总数,并对各类相同设备类型的所述第一设备记录的总数进行统计得到所述第一种类数量的第一类设备总数;并根据所述第一设备总数对所述第二显示区的所述路口监测设备总量条目的显示内容进行设置;并在所述第二显示区中创建所述第一种类数量的所述第一类设备数量条目,并为各个所述第一类设备数量条目与所述第一类设备总数建立一一对应关系,并由各个所述第一类设备总数和对应的设备类型名称组成对应的第一类设备数量信息,并根据所述第一类设备数量信息对对应的所述第一类设备数量条目的显示内容进行设置;
并根据所述当前关系记录的所述第一路口中心点坐标字段从预设的高精地图中提取出对应的路口高精地图加载到所述第三显示区的地图区中;并基于所述当前关系记录的所述第一路侧点集合的各个所述第一路侧点记录的所述第一路侧点朝向字段在所述地图区的所述路口高精地图上进行路侧点标记绘制处理;并在任一个所述路侧点标记被选中时,对当前被选中的所述路侧点标记进行标记放大处理生成对应的当前路侧点标记;并在所述当前路侧点标记的上方通过提示框的方式进行当前路侧点提示说明;并将所述当前关系记录中与所述当前路侧点标记对应的所述第一路侧点编号字段提取出来作为对应的当前路侧点编号;
并在所述当前路口编号对应的所述路口设备数据表中,对所述第二路侧点编号字段与所述当前路侧点编号匹配的所有所述第一设备记录进行提取组成对应的第一记录列表;并对所述第一记录列表的所述第一设备记录的总数进行统计得到对应的第二设备总数;并基于所述第二设备总数对所述第三显示区的所述路侧点监测设备总量条目的显示内容进行设置;并基于所述第一记录列表对所述第三显示区的所述路侧点监测设备列表的各条记录内容进行设置;
并在所述当前路口编号对应的所述路口分析子数据库的所述交通事件数据表中,将最近的指定数量的所述第九路侧点编号字段与所述当前路侧点编号匹配的所有所述第一事件记录提取出来组成对应的第二记录列表;并基于所述第二记录列表各条记录的所述第一事件类型字段、所述第一事件位置字段、所述第一事件影响范围字段和所述第一事件时间字段对所述第四显示区的所述路口交通事件列表各条记录的事件类型、事件位置、事件范围、事件时间字段的显示内容进行设置;并在所述路口交通事件列表的各记录的取证查看字段设置一个默认的查看标记;并在任一个所述查看标记被点击时,通过弹窗方式对所述第二记录列表中与当前查看标记对应的所述第一事件记录的所述第一事件取证视频字段的视频进行播放处理;
所述云平台加载所述第二可视化页面;
并从所述当前路口编号对应的所述路口监测子数据库的所述视频数据表中提取出所述第三路侧点编号字段与所述当前路侧点编号匹配且所述第二设备类型字段为所述全景摄像头且所述第一时间戳字段为距离当前时间最近的所述第一视频记录的所述第一视频字段作为对应的当前全景视频;并从所述当前路口编号对应的所述路口分析子数据库的所述三维场景数据表中提取出所述第七路侧点编号字段与所述当前路侧点编号匹配且所述第五时间戳字段为距离当前时间最近的所述第一场景记录的所述第一路口三维场景图字段作为对应的第一路口三维场景图;
并通过预设的路测点设备杆可视化对象在所述第一路口三维场景图的各个路侧点处模拟出对应的路测点设备杆;并通过预设的监测设备可视化对象在各个所述路测点设备杆可视化对象上模拟出监测设备,并根据所述当前路口编号对应的所述路口设备数据表提供的各个路侧点的监测设备信息对各个所述监测设备可视化对象的图标和名称进行设置;并通过预设的路测点覆盖范围可视化对象在各个所述路测点设备杆可视化对象下模拟出监测覆盖范围,并根据所述当前关系记录的各个所述第一路侧点覆盖范围字段对各个所述路测点覆盖范围可视化对象的范围大小进行设置;并将设置之后得到的所述第一路口三维场景图作为对应的基准三维场景;
并对所述当前全景视频进行单帧图像提取得到多个第一帧全景图;并对各个所述第一帧全景图进行遍历;并在遍历时,将当前遍历的所述第一帧全景图作为对应的当前全景图;并基于带有深度估计的视觉图像分割模型对所述当前全景图进行语义分割处理得到多个带有深度特征的第二目标掩码图;并基于图像坐标和世界坐标的转换关系对各个所述第二目标掩码图的世界坐标进行获取;并在所述基准三维场景中与各个目标语义类型为人、动物、机动车辆或非机动车辆的所述第二目标掩码图的世界坐标对应的场景位置处,创建一个对应的人、动物、机动车辆或非机动车辆可视化对象,并基于所述第二目标掩码图的图像特征对当前可视化对象的外观进行设置,并将完成设置的所述基准三维场景记为对应的第一帧三维场景;并根据所述当前路口编号对应的所述路口监测子数据库的所述运营车辆数据表中与所述当前全景图距离最近且时间间隔小于设定阈值的所有所述第二车辆记录的所述第一车辆定位字段对所述第一帧三维场景上各个机动车辆可视化对象是否为运营车辆进行识别,若是则将对应的所述第二车辆记录的所述第一车辆车速字段提取出来作为对应的第一目标车速,并通过预设的可视化速度标记对象在所述机动车辆可视化对象上方模拟出速度提示信息,并基于所述第一目标车速对所述可视化速度标记对象的速度提示信息进行设置;并在所述第一帧三维场景中与各个目标语义类型为交通信号灯的所述第二目标掩码图的世界坐标对应的场景位置上方创建一个信号灯提示牌可视化对象,并基于所述当前路口编号对应的所述路口监测子数据库的所述信号灯杆数据表中各个路侧点上与所述当前全景图时间最接近的所述第一灯杆记录对各个对应的所述信号灯提示牌可视化对象的信号灯颜色、信号灯类型和信号灯剩余时长进行显示内容设置;并在所述第一帧三维场景中各个所述信号灯提示牌可视化对象的上方创建一个交通信息提示牌可视化对象,并根据所述路口高精地图以及所述当前路口编号对应的所述路口分析子数据库的所述交通指标数据表中各个路侧点上与所述当前全景图时间最接近的所述第一指标记录对各个所述交通信息提示牌可视化对象的车道车流方向、车道流量和车道排队长度进行显示内容设置;并在遍历结束时,由得到的所有所述第一帧三维场景按时间先后顺序排序得到对应的第一帧三维场景序列,并根据所述第一帧三维场景序列进行数字孪生视频转换得到对应的第一孪生视频;各个所述第二目标掩码图对应一个所述目标语义类型,所述目标语义类型包括人、动物、机动车辆、非机动车辆、交通信号灯;
并由所述第二可视化页面对所述第一孪生视频进行视频加载并播放;若播放过程中用户对任一个所述监测设备可视化对象进行对象选择,则在选中的所述监测设备可视化对象上创建一个设备提示牌可视化对象,并由所述设备提示牌可视化对象根据所述当前关系记录和当前路口编号对应的所述路口设备数据表对当前监测设备的名称、在线状态、设备图片、类型、编号、朝向、厂商进行内容显示处理;
所述云平台加载所述第三可视化页面;
并从与所述当前路口编号对应的所述路口监测子数据库的所述视频数据表中将当前路口所有路侧点上时间最新且各路侧点间彼此时间间距不超过预设时间阈值的所述第二设备编号字段为长焦摄像头的所述第一视频记录的所述第一视频字段提取出来作为对应的第一路侧点实时视频;并根据各个所述第一路侧点实时视频对应的路侧点朝向对所述监测视频区内东南西北四个视频区中的对应视频区进行视频加载和播放处理;并在东南西北四个视频区任一个视频区被点选之后,将当前视频区的对应朝向作为当前朝向,并将所述当前视频区正在播放的所述第一路侧点实时视频作为对应的当前路侧点实时视频,并将所述当前路侧点编号修改为与所述当前视频区对应的路侧点编号;并在所述监测视频区的所述路口孪生视频区中通过数字孪生技术对所述当前路侧点实时视频进行视频渲染处理,并将所述路口孪生视频区的所述朝向条目设为对应的所述当前朝向,并在所述路口孪生视频区的比对标记被点击时在所述路口孪生视频区中对所述当前路侧点实时视频和对应的渲染视频进行切换比对;
并从与所述当前路口编号对应的所述路口分析子数据库的所述交通指标数据表中提取出所述当前路侧点编号对应的各个车道的所述第一车道通行效率字段、所述第一车道平均车速字段、所述第一车道平均延误时间字段、所述第一车道平均停车次数字段和所述第一车道平均排队长度字段作为对应的第一通行效率、第一平均车速、第一平均延误时间、第一平均停车次数和第一平均排队长度;并对所有车道的所述第一通行效率、所述第一平均车速、所述第一平均延误时间、所述第一平均停车次数和所述第一平均排队长度分别进行均值计算得到对应的第一路侧点通行效率、第一路侧点平均车速、第一路侧点平均延误时间、第一路侧点平均停车次数和第一路侧点平均排队长度;并基于所述第一路侧点通行效率、所述第一路侧点平均车速、所述第一路侧点平均延误时间、所述第一路侧点平均停车次数和所述第一路侧点平均排队长度,对所述第一分析区的所述通行效率条目、所述平均车速条目、所述平均延误时间条目、所述平均停车次数条目和所述平均排队长度条目的显示内容进行设置;
并在所述通行效率条目被选择时,根据当前所述交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的所述第一路侧点通行效率进行计算得到对应的第一路侧点通行效率序列,并基于所述第一路侧点通行效率序列在所述包络图显示区中以时间为横轴、效率百分比为纵轴绘制对应的第一包络图;并在所述平均车速条目被选择时,根据当前所述交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的所述第一路侧点平均车速进行计算得到对应的第一路侧点平均车速序列,并基于所述第一路侧点平均车速序列在所述包络图显示区中以时间为横轴、车速为纵轴绘制对应的第二包络图;并在所述平均延误时间条目被选择时,根据当前所述交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的所述第一路侧点平均延误时间进行计算得到对应的第一路侧点平均延误时间序列,并基于所述第一路侧点平均延误时间序列在所述包络图显示区中以时间为横轴、延误时间为纵轴绘制对应的第三包络图;并在所述平均停车次数条目被选择时,根据当前所述交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的所述第一路侧点平均停车次数进行计算得到对应的第一路侧点平均停车次数序列,并基于所述第一路侧点平均停车次数序列在所述包络图显示区中以时间为横轴、停车次数为纵轴绘制对应的第四包络图;并在所述平均排队长度条目被选择时,根据当前所述交通指标数据表的历史数据对最近第一指定时段内各个时间点上对应的所述第一路侧点平均排队长度进行计算得到对应的第一路侧点平均排队长度序列,并基于所述第一路侧点平均排队长度序列在所述包络图显示区中以时间为横轴、排队长度为纵轴绘制对应的第五包络图;
并从与所述当前路口编号对应的所述路口分析子数据库的所述交通参与者数据表中提取出所述第十路侧点编号字段与所述当前路侧点编号匹配的且所述第六时间戳字段为最近时间的所述第一、第二和第三类交通参与者数量字段作为对应的第一行人数量、第一机动车数量和第一非机动车数量;并基于所述第一行人数量、所述第一机动车数量和所述第一非机动车数量对所述第二分析区的所述行人数量条目、所述机动车数量条目和所述非机动车数量条目的显示内容进行设置;
并在所述行人数量条目、所述机动车数量条目或所述非机动车数量条目被选择时,根据当前所述交通参与者数据表的历史数据对最近第二指定时段内各个时间点上对应的所述第一行人数量、所述第一机动车数量或所述第一非机动车数量进行获取从而组成对应的第一行人数量序列、第一机动车数量序列或第一非机动车数量序列,并基于所述第一行人数量序列、所述第一机动车数量序列或所述第一非机动车数量序列在所述统计图显示区中以时间为横轴、数量为纵轴绘制对应的第一、第二或第三曲线;
所述云平台按预设的刷新频率对所述第一、第二和第三可视化页面进行内容刷新处理。
12.一种用于实现权利要求1-11任一项所述的路口数据的远程可视化处理方法的系统,其特征在于,所述系统包括:云平台、多个第一路侧点通信设备和多个第一监测设备;各个所述第一监测设备通过对应的所述第一路侧点通信设备与所述云平台连接;
所述云平台用于对各路口的设备在线状态进行监测并根据监测结果更新路口设备数据库;并对各路口的实时监测数据进行接收并存至路口监测数据库;并根据所述路口监测数据库对各路口的三维场景进行模拟并将模拟结果存至路口分析数据库内对应的三维场景数据表中;并根据所述路口监测数据库对各路口的交通事件进行实时分析并将分析结果存至所述路口分析数据库内对应的交通事件数据表中;并根据所述路口监测数据库对各路口的交通指标进行实时分析并将分析结果存至所述路口分析数据库内对应的交通指标数据表中;并根据所述路口监测数据库对各路口的交通参与者数量进行实时分析并将分析结果存至所述路口分析数据库内对应的交通参与者数据表中;并根据实时更新的所述路口设备数据库、所述路口监测数据库、所述路口分析数据库以及预置的运营车辆数据库和路口-路侧点关系数据库对各路口的实时交通状况进行可视化处理。
13.根据权利要求12所述的系统,其特征在于,
各个路口包括多个路口分支,在每个所述路口分支进入对应路口的道路路侧预置一个路侧点记为对应的第一路侧点;各个所述第一路侧点上预置一个第一路侧点通信设备和多个所述第一监测设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310539333.0A CN116524718A (zh) | 2023-05-12 | 2023-05-12 | 一种路口数据的远程可视化处理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310539333.0A CN116524718A (zh) | 2023-05-12 | 2023-05-12 | 一种路口数据的远程可视化处理方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116524718A true CN116524718A (zh) | 2023-08-01 |
Family
ID=87404500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310539333.0A Pending CN116524718A (zh) | 2023-05-12 | 2023-05-12 | 一种路口数据的远程可视化处理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116524718A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117275241A (zh) * | 2023-11-21 | 2023-12-22 | 湖南希赛网络科技有限公司 | 基于数字孪生的交通态势感知和流量预测的可视化系统 |
-
2023
- 2023-05-12 CN CN202310539333.0A patent/CN116524718A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117275241A (zh) * | 2023-11-21 | 2023-12-22 | 湖南希赛网络科技有限公司 | 基于数字孪生的交通态势感知和流量预测的可视化系统 |
CN117275241B (zh) * | 2023-11-21 | 2024-02-09 | 湖南希赛网络科技有限公司 | 基于数字孪生的交通态势感知和流量预测的可视化系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Moers et al. | The exid dataset: A real-world trajectory dataset of highly interactive highway scenarios in germany | |
CN112101433A (zh) | 一种基于YOLO V4和DeepSORT的分车道车辆自动计数方法 | |
CN104303193B (zh) | 基于聚类的目标分类 | |
CN110874362A (zh) | 一种数据关联分析方法及装置 | |
CN111818313B (zh) | 一种基于监控视频的车辆实时追踪方法及装置 | |
CN112991742B (zh) | 一种实时交通数据的可视化仿真方法及系统 | |
CN107301776A (zh) | 基于视频检测技术的车道路况处理及发布方法 | |
CN110660222A (zh) | 一种智能环保道路黑烟车辆电子抓拍系统 | |
CN104951775A (zh) | 基于视频技术的铁路道口防护区域安全智能识别方法 | |
CN105138525B (zh) | 交通视频处理装置和方法及检索装置和方法 | |
US20220044558A1 (en) | Method and device for generating a digital representation of traffic on a road | |
US20220237919A1 (en) | Method, Apparatus, and Computing Device for Lane Recognition | |
CN110379172A (zh) | 交通规则的生成方法及装置、存储介质、电子装置 | |
CN109903574A (zh) | 路口交通信息的获取方法和装置 | |
CN116524718A (zh) | 一种路口数据的远程可视化处理方法和系统 | |
CN112037543A (zh) | 基于三维建模的城市交通灯控制方法、装置、设备和介质 | |
WO2020211593A1 (zh) | 交通道路的数字化重建方法、装置和系统 | |
CN114492022A (zh) | 路况传感数据处理方法、装置、设备、程序以及存储介质 | |
CN111929672A (zh) | 移动轨迹的确定方法及装置、存储介质和电子装置 | |
CN112562315B (zh) | 一种获取车流信息的方法、终端及存储介质 | |
CN114512005B (zh) | 一种道路自巡检方法、装置、无人机及存储介质 | |
CN116794650A (zh) | 一种毫米波雷达与摄像头数据融合的目标检测方法和装置 | |
CN114979204A (zh) | 一种高速公路运营管理数字化管控平台 | |
CN114723820A (zh) | 道路数据的复用方法、辅助驾驶系统、装置和计算机设备 | |
Shinde et al. | Traffic optimization algorithms in optical networks for real time traffic analysis |
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 |