CN116721549A - 一种车流量检测系统及检测方法 - Google Patents

Abstract

本发明公开了一种车流量检测系统及检测方法，涉及车流量检测技术领域；通过将自行车专用道路进行区域划分，采集划分区域内摄像头设备的数据传输信息、设备硬件信息，将数据传输信息、设备硬件信息生成采集影响指数，根据采集影响指数对摄像头设备进行标记，再采集道路流量信息，道路流量信息包括行车轨迹信息、区域流量信息，将行车轨迹信息、区域流量信息建立预测因子指数，根据预测因子指数对道路车流量进行分析，根据分析结果生成道路流量信号，根据道路流量信号和摄像头设备标记进行预测，生成不同策略进行车流量检测，节省了调度时间，明确了车流量检测调整策略，提高了车流量检测的及时性。

Description

一种车流量检测系统及检测方法

技术领域

本发明涉及车流量检测技术领域，具体涉及一种车流量检测系统及检测方法。

背景技术

在城市交通领域，随着城市化进程，机动车车辆数量逐步增加，造成交通拥堵的日益加剧，非机动车（如自行车、电动自行车、滑板车等）的交通地位逐渐凸显，非机动车作为环保、低碳的出行方式，在越来越多的场景被使用，使用非机动车出行，对缓解交通压力、改善空气质量和促进绿色出行具有重要作用。

现有技术存在以下不足：传统的车流量检测系统主要针对机动车车流量，而对非机动车车流量的准确监测和统计存在困难，现有越来越多的城市开始铺设自行车专用道路，在自行车专用道路中，使用以往非机动车车道的混合车辆检测已经不足以满足需求，但对于自行车专行道的车流量检测存在缺失现象，不能根据自行车特性与摄像检测进行联动，只通过监测实时的自行车车流量，不能根据数据进行预测，及时调整摄像设备拍摄性能，满足不同时期的车流量检测需求，从而造成车流量的误判，导致车流量检测的不准确性，因此，一种高效、精准的自行车车流量检测已成为了城市交通领域亟待解决的问题。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的是提供一种车流量检测系统及检测方法，以解决上述背景技术中的问题。

为了实现上述目的，本发明提供如下技术方案：一种车流量检测方法，所述方法包括以下步骤：

将自行车专用道路进行区域划分，采集划分区域内摄像头设备的数据传输信息、设备硬件信息；

将数据传输信息、设备硬件信息生成采集影响指数，根据采集影响指数对摄像头设备进行标记；

采集道路流量信息，道路流量信息包括行车轨迹信息、区域流量信息；

将行车轨迹信息、区域流量信息建立预测因子指数，根据预测因子指数对道路车流量进行分析，根据分析结果生成道路流量信号；

根据道路流量信号和摄像头设备标记进行预测，生成不同策略进行车流量检测。

优选的，数据传输信息包括传输失真幅度、处理延迟时长偏差值，并分别标定为、/>，设备硬件信息包括镜面光透系数并标定为/>，行车轨迹信息包括行车轨迹变道系数并XCG，区域流量信息包括区域流量密集系数并标定为QYL。

优选的，传输失真幅度的获取逻辑如下：

获取摄像头采集的原始图像和传输图像，将原始图像和传输图像缩放、裁剪至同等尺寸，获取相应的图像宽度W和图像高度H，计算原始图像和传输图像之间均分误差MSE，具体的计算公式为：

式中，I(x, y)是原始图像在位置 (x, y) 处的像素值，T(x, y) 是传输后的图像在相同位置处的像素值，获取图像最大像素值，根据图像的最大位深度作为最大像素值ZD，将均分误差和最大像素值计算传输失真幅度，计算表达为：；

处理延迟时长偏差值的获取逻辑如下：

获取摄像头设备进行图像数据传输时间Sc，获取接收到对应图像数据反馈时间Sf，获取设定反馈传输标准时长Sz，将图像数据传输时间、图像数据反馈时间、反馈传输标准时计算得到处理延迟时长偏差值，计算表达式为：。

优选的，镜面光透系数的获取逻辑如下：

获取在时间段t中同时采集的摄像头镜面的透过光线功率TG和入射光线功率RS，将透过光线功率TG和入射光线功率RS进行计算得到光透功率GLi=TG/RS，得到时间段t内光透功率集合G，G={GLi} ={GL1、GL2、……、GLi}，i为正整数，获取光透功率集合的光透功率平均值，将光透功率平均值与光透功率集合计算得到镜面光透系数，计算的表达式为：/>，j为光透功率集合中数据总量。

优选的，所述将数据传输信息、设备硬件信息生成采集影响指数，根据采集影响指数对摄像头设备进行标记，具体过程如下：

将数据传输信息、设备硬件信息中的传输失真幅度、处理延迟时长偏差值、镜面光透系数进行联立生成采集影响指数；

传输失真幅度、处理延迟时长偏差值以及镜面光透系数与采集影响指数成正比；

将采集影响指数与采集影响阈值进行对比，将摄像头设备分为异常设备和正常设备；

若采集影响指数大于等于采集影响阈值，则标记摄像头设备为异常设备；

若采集影响指数小于采集影响阈值，则标记摄像头设备为正常设备。

优选的，行车轨迹变道系数XCG的获取逻辑如下：

获取变道角度LCA，计算表达式为：，X、Y和Z分别表示自行车在X、Y和Z轴方向上的加速度，将变道角度大于设定变道标准的作为一次变道，统计得到变道次数NLC，获取自行车相邻两次变道行为的平均时间间隔ATI，得到行车轨迹变道系数，计算表达式为：/>。

优选的，区域流量密集系数QYL的获取逻辑如下：

获取区域内自行车单位时间内通过的自行车数量N，获取区域内自行车道的宽度W，获取区域总面积A，计算区域单位面积内自行车数量，则得到自行车密度为D=N/A，将自行车密度与宽度计算得到密集程度指数，获取设置的密集程度指数标准值DBZ，计算得到区域流量密集系数，计算表达式为：/>。

优选的，将行车轨迹信息、区域流量信息建立预测因子指数，根据预测因子指数对道路车流量进行分析，具体过程如下：

将行车轨迹变道系数、区域流量密集系数联立，生成预测因子指数；

行车轨迹变道系数、区域流量密集系数与预测因子指数成正比；

将预测因子指数与检测阈值进行比对；

若预测因子指数大于等于检测阈值，生成交通道路流量异常信号；

若预测因子指数小于检测阈值，生成交通道路流量正常信号。

优选的，根据道路流量信号和摄像头设备标记进行预测，生成不同策略进行车流量检测，具体过程如下：

对同一划分区域的交通路段进行分析，当摄像头设备为异常设备且为生成交通道路流量异常信号时，通知道路管理人员对交通路段进行整体检查；

当摄像头设备为异常设备且生成的道路流量信号为交通道路流量正常信号时，通知道路管理人员对摄像头设备进行检修；

当摄像头设备为正常设备且生成的道路流量信号为交通道路流量异常信号时，预测交通道路流量增大，调整摄像头设备的成像质量与采集频率；

当摄像头设备为正常设备且生成的道路流量信号为交通道路流量正常信号时，不对交通路段进行调整。

本发明还提供一种车流量检测系统，包括数据采集模块、数据处理模块、数据分析模块、预测调控模块；

数据采集模块对自行车专用道路进行区域划分，并采集划分区域内摄像头设备的数据传输信息、设备硬件信息，道路流量信息中的行车轨迹信息、区域流量信息，将采集的数据发送到数据处理模块；

数据处理模块接收到数据采集模块发送的数据，将数据传输信息、设备硬件信息生成采集影响指数，将行车轨迹信息、区域流量信息预测因子指数，并发送到数据分析模块；

数据分析模块接收数据处理模块发送的数据，将采集影响指数与采集影响阈值进行对比，得到对比结果，将预测因子指数与检测阈值进行对比，得到对比结果，将两个对比结果数据发送到预测调控模块；

预测调控模块接收数据分析模块发送的数据，根据两个对比结果数据进行分析预测，根据分析预测结果进行车流量检测策略的调控。

在上述技术方案中，本发明提供的技术效果和优点：

本发明通过采集摄像头设备的数据传输信息和设备硬件信息，将数据传输信息和设备硬件信息生成采集影响指数，从而对摄像头设备的状态进行分析，将摄像头设备分别标记为异常设备和正常设备，再采集道路流量信息，道路流量信息生成预测因子指数，将预测因子指数与检测阈值进行对比，对划分区域的交通道路流量生成交通道路流量异常信号与交通道路流量正常信号，对二者进行联合分析，根据分析结果进行预测，从而生成不同处理方案，节省了调度时间，明确了车流量检测调整策略，提高了车流量检测的及时性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明一种车流量检测系统及检测方法的方法示意图。

图2为本发明一种车流量检测系统及检测方法的模块流程图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本公开的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

实施例1：本发明提供了如图1所示的一种车流量检测方法，包括以下步骤：

将自行车专用道路进行区域划分，采集各划分区域内摄像头设备的数据传输信息、设备硬件信息；

在自行车专行道路中，将道路进行区域划分并在各划分区域内使用多台传感器设备进行数据的获取，测量不同划分区域内车流量情况，进而确定道路内整体的车流量状态；

在自行车专行道路中，在对自行车车流量检测中，采用多种方法来进行检测和监测，常用的技术和方法如下：

视觉检测：使用摄像头或视频监控设备来监测自行车在路口或特定路段的流量，通过计算机视觉算法，可以实时识别和跟踪自行车，并统计自行车的数量和流量情况；

地磁传感器：地磁传感器可以埋在道路表面，当自行车经过时，会产生磁场变化，从而检测到自行车的流量，这种传感器适用于在自行车车道或自行车道与汽车道交叉的位置进行检测；

红外传感器：红外传感器可以通过红外辐射来检测自行车通过的情况，当自行车经过传感器时，会触发红外信号，从而实现自行车流量的检测；

激光雷达：激光雷达可以扫描周围环境，包括自行车的位置和数量，从而实现自行车流量检测；

使用单一传感器的检测方式，在道路路况复杂的情况下，容易造成采集数据的不准确，使用混合方式又容易造成检测系统需要处理的数据量过大，出现过载负荷等情况，影响检测系统本身的稳定运行，对于自行车车流量较小，采集数据误差小的情况下，使用过多的传感器进行数据采集，容易造成不必要的资源浪费，通过视频设备进行监控是机动车车流量检测途径，根据自行车自身的特点与行驶特性选择以视频监控作为主要检测手段更符合实际需求；

由于预先对自行车专用道路进行了区域划分，在各划分区域设置有至少一部摄像头设备用以采集图像数据，根据不同区域特点将摄像头设备放置在最优处，摄像头设备将采集的图像传递给车流量检测系统进行实况分析，在分析图像前，需对摄像头设备进行状态分析，以免由于摄像头设备出现故障导致的错误图像的采集，进而影响车流量检测系统的分析结果；

数据传输信息包括传输失真幅度、处理延迟时长偏差值，设备硬件信息包括镜面光透系数，将传输失真幅度、处理延迟时长偏差值、镜面光透系数分别标定为、/>、；

传输失真幅度表示摄像头设备在采集图像后，图像在传输、处理或显示过程中产生的质量损失或变形情况，传输失真幅度影响图像的质量和准确性，从而导致以下问题的产生：

信息丢失：图像失真会导致图像中的细节和信息丢失或模糊，使得图像无法准确地反映原始场景或对象的特征，从而影响了图像的可用性和有效性；

数据解读困难：在某些应用中，图像是用来提供关键信息和做出决策的重要数据来源，如果图像失真，可能导致数据解读困难，影响决策的准确性和可靠性；

误导和误解：失真的图像可能误导观察者或读者，导致对图像所表达内容的误解或错误理解，进而产生错误的决策；

传输失真幅度的获取逻辑如下：

获取摄像头采集的原始图像和传输图像，将原始图像和传输图像缩放、裁剪至同等尺寸，获取相应的图像宽度W和图像高度H，计算原始图像和传输图像之间均分误差MSE，具体的计算公式为：

，

式中，I(x, y)是原始图像在位置 (x, y) 处的像素值，T(x, y) 是传输后的图像在相同位置处的像素值，获取图像最大像素值，根据图像的最大位深度作为最大像素值ZD，依据上述获得的均分误差和最大像素值计算传输失真幅度，计算表达为：；

需要说明的是，最大位深度作为取值范围是指范围的大小，例如，对于8位图像，像素值的最大可能取值范围是0到255，对于16位图像，像素值的最大可能取值范围是0到65535。

处理延迟时长偏差值表示摄像头设备在采集到数据后，得到信号反馈的时间差值，处理延迟时长偏差值影响图像的质量和准确性，从而导致以下问题的产生：

控制延迟：如果系统用于控制某些设备或执行动作，信号延迟会导致控制命令的执行延迟。这可能影响设备或系统的响应速度，降低了控制的精确性和效率；

数据不一致：信号延迟可能导致处理的图像数据和实际情况之间出现不一致。例如，监控系统的反馈信号延迟，可能导致观察者看到历史的图像信息，而不是实时的情况，这可能影响对实际情况的判断和决策；

处理延迟时长偏差值的获取逻辑如下：

获取摄像头设备进行图像数据传输时间Sc，获取接收到对应图像数据反馈时间Sf，获取设定反馈传输标准时长Sz，将图像数据传输时间、图像数据反馈时间、反馈传输标准时计算得到处理延迟时长偏差值，计算表达式为：;

需要说明的是，摄像头设备设置信息存储功能，存储功能中存储着摄像头设备有关的日志信息，从日志信息获取传输图像数据时间戳、对应图像数据的反馈时间戳。

镜面光透系数是指摄像头设备上镜面对光的透射能力，镜面表面涂覆有一层特殊涂层，用于防止光的反射和折射，减少污物对透光的影响，以提高图像质量和增强成像效果，镜面光透系数具有如下方面的影响：

图像亮度和清晰度：较高的镜面光透系数能够让更多的光线透过镜面，进入摄像头，提高图像的亮度和清晰度，反之，如果镜面光透系数较差，将有部分光线被反射或吸收，导致图像变暗和模糊；

光线损失：较高的镜面光透系数可以最大限度地减少光线损失，使得图像成像更为明亮和鲜明，光线损失会导致图像信息减少，降低图像质量；

抗反射：较高的镜面光透系数通常是通过抗反射涂层实现的，抗反射涂层能够减少镜面的反射率，避免因光线反射而产生的光晕或干扰，提高图像的对比度和清晰度；

镜面光透系数的获取逻辑如下：

获取在时间段t中同时采集的摄像头镜面的透过光线功率TG和入射光线功率RS，将透过光线功率TG和入射光线功率RS进行计算得到光透功率GLi=TG/RS，得到时间段t内光透功率集合G，G={GLi} ={GL1、GL2、……、GLi}，i为正整数，获取光透功率集合的光透功率平均值，将光透功率平均值与光透功率集合计算得到镜面光透系数，计算的表达式为：/>，j为光透功率集合中数据总量；

需要说明的是，透过光线功率是指透过镜面的光线功率，入射光线功率是指照射在镜面上的原始光线功率，透过光线功率和入射光线功率通过光功率计进行获取，光功率计安装在摄像头镜面的内外部。

将传输失真幅度、处理延迟时长偏差值、镜面光透系数进行计算得到摄像头设备的采集影响指数，具体公式如下：

式中，为采集影响指数，/>、/>、/>分别为传输失真幅度、处理延迟时长偏差值、镜面光透系数的预设比例系数，且/>、/>、/>均大于0，比例系数的具体值有本领域技术人员依据实际情况进行设置；

由公式可知，传输失真幅度越大、处理延迟时长偏差值越大、镜面光透系数越大，即采集影响指数的表现值越大，表明摄像头设备状态越差，传输失真幅度越小、处理延迟时长偏差值越小、镜面光透系数越小，即采集影响指数的表现值越小，表明摄像头设备的状态越好。

采集道路流量信息，道路流量信息包括行车轨迹信息、区域流量信息；

行车轨迹信息包括行车轨迹变道系数，区域流量信息包括区域流量密集系数，将行车轨迹变道系数、区域流量密集系数分别标定为XCG、QYL；

道路流量中行车轨迹变道系数对自行车专用道中车流量判断具有重要影响，由于自行车体积小、重量轻的特点，自行车在行驶途中变道较为简单，自行车轨迹变道，过高行车轨迹变道频率对车流量检测具有如下影响：

检测准确性下降：自行车变道多意味着自行车会频繁改变位置和方向，这可能导致检测系统在跟踪和识别自行车时遇到困难，变道时，自行车的轨迹可能不稳定，导致误判或漏判，影响自行车流量检测的准确性；

数据处理复杂化：自行车变道多导致检测到的自行车轨迹相对复杂，需要更复杂的数据处理算法来进行轨迹跟踪和统计，处理复杂化可能会增加系统的计算量和响应时间；

数据峰值：自行车变道多可能导致自行车流量在某些时间段出现较大的峰值，这些峰值会对交通流量的分析和预测产生影响，需要合理处理和分析这些数据峰值；

行车轨迹变道系数XCG的获取逻辑如下：

获取变道角度LCA，计算表达式为：，X、Y和Z分别表示自行车在X、Y和Z轴方向上的加速度，将变道角度大于设定变道标准的作为一次变道，统计得到变道次数NLC，获取自行车相邻两次变道行为的平均时间间隔ATI，得到行车轨迹变道系数，计算表达式为：/>；

需要说明的是，加速度是根据摄像头设备拍摄的连续图像进行分析得到；

区域流量密集系数对判断道路内自行车流量具有重要影响，区域流量是指区域内经过的自行车车流量，在一定时间内区域流量处于较高状态，会产生较大的车流量密度，区域流量密集大容易造成以下影响：

通行效率下降：高车流量意味着自行车专用道上有更多的自行车骑手，当自行车流量过高时，自行车骑手可能会相互之间产生拥堵，导致通行效率下降，车辆行驶速度减慢；

安全风险增加：自行车专用道上高密集程度可能增加与其他自行车或行人之间的碰撞风险，骑手需要更加警惕，避免发生事故；

可用空间减少：高密集程度意味着自行车专用道上的可用空间会减少，当自行车专用道宽度有限时，高车流量会使道路更加拥挤，可能会导致自行车专用道不足以容纳所有自行车骑手；

区域流量密集系数QYL的获取逻辑如下：

获取区域内自行车单位时间内通过的自行车数量N，获取区域内自行车道的宽度W，获取区域总面积A，计算区域单位面积内自行车数量，则得到自行车密度为D=N/A，将自行车密度与宽度计算得到密集程度指数DI=D*W，获取设置的密集程度指数标准值DBZ，计算得到区域流量密集系数，计算表达式为：；

需要说明的是，区域内自行车数量可通过摄像头设备等传感器联合分析获取，单位时间可根据通行时间段调整，如一个小时、十分钟，具体情况依据实际情况进行调整；

根据获取到行车轨迹变道系数XCG、区域流量密集系数QYL生成预测因子指数，将预测因子指数标定为，公式如下：

式中，为预测因子指数，/>、/>为行车轨迹变道系数XCG、区域流量密集系数QYL的预设比例系数，且/>、/>均大于0；

由公式可知，行车轨迹变道系数越大、区域流量密集系数越大，即区域流量密集系数的表现值越大，表明自行车专行道路的路况越复杂，行车轨迹变道系数越小、区域流量密集系数越小，即区域流量密集系数的表现值越小，表明自行车专行道路的路况较为清晰、通畅；

将预测因子指数与采集影响指数进行联合评估，分析划分区域中路段的自行车车流量检测状态，根据分析结果生成不同策略进行车流量检测；

将采集影响指数与采集影响阈值进行比对，将摄像头设备分为异常设备和正常设备；

若采集影响指数大于等于采集影响阈值，则标记摄像头设备为异常设备，表明摄像头设备状态差，采集的图像不准确，不能进行正常图像的采集，及时进行摄像头设备的维修；

若采集影响指数小于采集影响阈值，则标记摄像头设备为正常设备，表明摄像头设备状态正常，采集的图像符合要求，可以进行正常图像的采集；

将生成的预测因子指数与检测阈值进行比对，具体对比过程如下；

若预测因子指数大于等于检测阈值，生成交通道路流量异常信号，表明自行车行驶的划分区域路段交通状况差；

若预测因子指数小于检测阈值，生成交通道路流量正常信号，表明自行车行驶的划分区域路段交通状况良好；

将对同一划分区域的交通路段进行分析，当摄像头设备为异常设备且信号为生成交通道路流量异常信号时，通知道路管理人员对交通路段进行整体检查；

当摄像头设备为异常设备且生成信号为交通道路流量正常信号时，通知道路管理人员对摄像头设备进行检修；

当摄像头设备为正常设备且生成信号为交通道路流量异常信号时，预测交通道路流量增大，调整摄像头设备的成像质量与采集频率，获取更准确的数据进行车流量分析；

当摄像头设备为正常设备且生成信号为交通道路流量正常信号时，不对交通路段进行调整，但对已经调整检测精度与采集频率的摄像头设备进行回调，回调为标准采集频率和标准成像质量进行自行车车流量的检测，节省能耗。

本发明通过采集摄像头设备的数据传输信息和设备硬件信息，将数据传输信息和设备硬件信息生成采集影响指数，从而对摄像头设备的状态进行分析，将摄像头设备分别标记为异常设备和正常设备，再采集道路流量信息，道路流量信息生成预测因子指数，将预测因子指数与检测阈值进行对比，对划分区域的交通道路流量生成交通道路流量异常信号与交通道路流量正常信号，对二者进行联合分析，根据分析结果进行预测，从而生成不同处理方案，节省了调度时间，明确了车流量检测调整策略，提高了检测的及时性。

实施例2：本发明提供了如图2所示的一种车流量检测系统，包括数据采集模块、数据处理模块、数据分析模块、预测调控模块；

数据采集模块对自行车专用道路进行区域划分，并采集划分区域内摄像头设备的数据传输信息、设备硬件信息，道路流量信息中的行车轨迹信息、区域流量信息，将采集的数据发送到数据处理模块；

数据处理模块接收到数据采集模块发送的数据，将数据传输信息、设备硬件信息生成采集影响指数，将行车轨迹信息、区域流量信息预测因子指数，并发送到数据分析模块；

数据分析模块接收数据处理模块发送的数据，将采集影响指数与采集影响阈值进行对比，得到对比结果，将预测因子指数与检测阈值进行对比，得到对比结果，将两个对比结果数据发送到预测调控模块；

预测调控模块接收数据分析模块发送的数据，根据两个对比结果数据进行分析预测，根据分析预测结果进行车流量检测策略的调控。

本发明实施例提供的一种车流量检测方法，通过上述一种车流量检测系统来实现，一种车流量检测方法的具体方法和流程详见上述一种车流量检测系统的实施例，此处不再赘述。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。

需要说明的是，在本文中，如若存在第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

本领域普通技术人员可以意识到，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，或者计算机软件和电子硬件的结合来实现。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申请的范围。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种车流量检测方法，其特征在于，所述方法包括以下步骤：

将自行车专用道路进行区域划分，采集划分区域内摄像头设备的数据传输信息、设备硬件信息；

将数据传输信息、设备硬件信息生成采集影响指数，根据采集影响指数对摄像头设备进行标记；

采集道路流量信息，道路流量信息包括行车轨迹信息、区域流量信息；

将行车轨迹信息、区域流量信息建立预测因子指数，根据预测因子指数对道路车流量进行分析，根据分析结果生成道路流量信号；

根据道路流量信号和摄像头设备标记进行预测，生成不同策略进行车流量检测。

2.根据权利要求1所述的一种车流量检测方法，其特征在于，数据传输信息包括传输失真幅度、处理延迟时长偏差值，并分别标定为、/>，设备硬件信息包括镜面光透系数并标定为/>，行车轨迹信息包括行车轨迹变道系数并XCG，区域流量信息包括区域流量密集系数并标定为QYL。

3.根据权利要求2所述的一种车流量检测方法，其特征在于，传输失真幅度的获取逻辑如下：

获取摄像头采集的原始图像和传输图像，将原始图像和传输图像缩放、裁剪至同等尺寸，获取相应的图像宽度W和图像高度H，计算原始图像和传输图像之间均分误差MSE，具体的计算公式为：

,

式中，I(x, y)是原始图像在位置 (x, y) 处的像素值，T(x, y) 是传输后的图像在相同位置处的像素值，获取图像最大像素值，根据图像的最大位深度作为最大像素值ZD，将均分误差和最大像素值计算传输失真幅度，计算表达为：；

处理延迟时长偏差值的获取逻辑如下：

获取摄像头设备进行图像数据传输时间Sc，获取接收到对应图像数据反馈时间Sf，获取设定反馈传输标准时长Sz，将图像数据传输时间、图像数据反馈时间、反馈传输标准时计算得到处理延迟时长偏差值，计算表达式为：。

4.根据权利要求3所述的一种车流量检测方法，其特征在于，镜面光透系数的获取逻辑如下：

获取在时间段t中同时采集的摄像头镜面的透过光线功率TG和入射光线功率RS，将透过光线功率TG和入射光线功率RS进行计算得到光透功率GLi=TG/RS，得到时间段t内光透功率集合G，G={GLi} ={GL1、GL2、……、GLi}，i为正整数，获取光透功率集合的光透功率平均值，将光透功率平均值与光透功率集合计算得到镜面光透系数，计算的表达式为：，j为光透功率集合中数据总量。

5.根据权利要求4所述的一种车流量检测方法，其特征在于，所述将数据传输信息、设备硬件信息生成采集影响指数，根据采集影响指数对摄像头设备进行标记，具体过程如下：

将数据传输信息、设备硬件信息中的传输失真幅度、处理延迟时长偏差值、镜面光透系数进行联立生成采集影响指数；

传输失真幅度、处理延迟时长偏差值以及镜面光透系数与采集影响指数成正比；

将采集影响指数与采集影响阈值进行对比，将摄像头设备分为异常设备和正常设备；

若采集影响指数大于等于采集影响阈值，则标记摄像头设备为异常设备；

若采集影响指数小于采集影响阈值，则标记摄像头设备为正常设备。

6.根据权利要求5所述的一种车流量检测方法，其特征在于，行车轨迹变道系数XCG的获取逻辑如下：

获取变道角度LCA，计算表达式为：，X、Y和Z分别表示自行车在X、Y和Z轴方向上的加速度，将变道角度大于设定变道标准的作为一次变道，统计得到变道次数NLC，获取自行车相邻两次变道行为的平均时间间隔ATI，得到行车轨迹变道系数，计算表达式为：

。

7.根据权利要求6所述的一种车流量检测方法，其特征在于，区域流量密集系数QYL的获取逻辑如下：

获取区域内自行车单位时间内通过的自行车数量N，获取区域内自行车道的宽度W，获取区域总面积A，计算区域单位面积内自行车数量，则得到自行车密度为D=N/A，将自行车密度与宽度计算得到密集程度指数，获取设置的密集程度指数标准值DBZ，计算得到区域流量密集系数，计算表达式为：/>。

8.根据权利要求7所述的一种车流量检测方法，其特征在于，将行车轨迹信息、区域流量信息建立预测因子指数，根据预测因子指数对道路车流量进行分析，具体过程如下：

将行车轨迹变道系数、区域流量密集系数联立，生成预测因子指数；

行车轨迹变道系数、区域流量密集系数与预测因子指数成正比；

将预测因子指数与检测阈值进行比对；

若预测因子指数大于等于检测阈值，生成交通道路流量异常信号；

若预测因子指数小于检测阈值，生成交通道路流量正常信号。

9.根据权利要求8所述的一种车流量检测方法，其特征在于，根据道路流量信号和摄像头设备标记进行预测，生成不同策略进行车流量检测，具体过程如下：

对同一划分区域的交通路段进行分析，当摄像头设备为异常设备且为生成交通道路流量异常信号时，通知道路管理人员对交通路段进行整体检查；

当摄像头设备为异常设备且生成的道路流量信号为交通道路流量正常信号时，通知道路管理人员对摄像头设备进行检修；

当摄像头设备为正常设备且生成的道路流量信号为交通道路流量异常信号时，预测交通道路流量增大，调整摄像头设备的成像质量与采集频率；

当摄像头设备为正常设备且生成的道路流量信号为交通道路流量正常信号时，不对交通路段进行调整。

10.一种车流量检测系统，用于实现权利要求1-9中任一项所述的方法，其特征在于，包括数据采集模块、数据处理模块、数据分析模块、预测调控模块；

数据采集模块对自行车专用道路进行区域划分，并采集划分区域内摄像头设备的数据传输信息、设备硬件信息，道路流量信息中的行车轨迹信息、区域流量信息，将采集的数据发送到数据处理模块；

数据处理模块接收到数据采集模块发送的数据，将数据传输信息、设备硬件信息生成采集影响指数，将行车轨迹信息、区域流量信息预测因子指数，并发送到数据分析模块；

数据分析模块接收数据处理模块发送的数据，将采集影响指数与采集影响阈值进行对比，得到对比结果，将预测因子指数与检测阈值进行对比，得到对比结果，将两个对比结果数据发送到预测调控模块；

预测调控模块接收数据分析模块发送的数据，根据两个对比结果数据进行分析预测，根据分析预测结果进行车流量检测策略的调控。