CN116798237B - 一种交通流量监测方法及设备 - Google Patents
一种交通流量监测方法及设备 Download PDFInfo
- Publication number
- CN116798237B CN116798237B CN202310318248.1A CN202310318248A CN116798237B CN 116798237 B CN116798237 B CN 116798237B CN 202310318248 A CN202310318248 A CN 202310318248A CN 116798237 B CN116798237 B CN 116798237B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- preset
- speed
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 16
- 238000003860 storage Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种交通流量监测方法及设备；本发明实施例可以采集在不同功能车道中车辆经过预设道路监测点时的运行信息，所述运行信息包括反射波信息和影像信息；采用预设信号处理器对所述反射波信息进行处理并统计，得到不同功能车道中车辆的速度信息、数量信息和尺寸信息；采用预设图像识别模型提取所述影像信息中的车辆轮廓信息，并根据所述轮廓信息识别出所述车辆的类型；根据所述数量信息和预设时间单位，计算不同功能车道在所述预设道路监测点的初始流量；根据所述速度信息、所述尺寸信息、所述车辆的类型和所述不同功能车道对应的自由速度，计算得到校准参数；基于所述校准参数对所述初始流量进行校准，得到预设道路监测点的流量参数。从而可以更加准确地计算道路交通流量。
Description
技术领域
本发明涉及人工智能技术领域，具体涉及一种交通流量监测方法及设备。
背景技术
随着经济的发展和城市化进程的加速，中国的城市规模不断地扩大。伴随着这一进程的是中国的城市交通拥堵情况越来越严重，这给城市的建设者和管理者提出了一系列的难题。因此，如何准确地了解城市道路上的交通流量，成为城市交通规划、建设和管理的重要问题。
目前传统流量监控的方法是在道路上设置交通监控摄像头，用监控摄像头拍摄道路上的交通状况，然后通过有线网络将道路视频传输到监控中心。该方法虽然能够直观看到道路上的各种情况，但是监控中心需要24小时有人值班，而且同时查看多条道路比较困难；另一方面有线网络的布线比较麻烦，更改监控点也相对困难。
有些方案中也采用雷达作为交通流量监测装置，用于统计单位时间内重要交通要道的人流量或者车流量。具体地，雷达向路面连续发射线性调频微波波束，车辆通过微波波束时反射信号，根据反射信号监测目标是否存在并计算其交通参数。每隔一定时间将各种交通流参数信息通过数据通道传输到指挥控制中心。但是用于雷达存在测量位置分辨率不高、测距精度不高、视野不够宽广的问题，因此仅采用雷达来监测流量往往不够准确，不能真实地反映道路的拥挤状况。另外，即使单位时间内通过的车辆数量相同，但是由于道路中车辆的尺寸不同、速度不同，道路的实际拥挤情况也不相同。
因此，目前亟需一种能够准确、方便地监测道路交通流量的方法和设置。
发明内容
本发明实施例提供一种交通流量监测方法及设备，可以更加全面、准确地挖掘对象之间的关联关系，从而可以更加准确地向用户推荐对象。
本发明提供的交通流量监测方案具体包括如下步骤：
采集在不同功能车道中车辆经过预设道路监测点时的运行信息，所述运行信息包括反射波信息和影像信息；
采用预设信号处理器对所述反射波信息进行处理并统计，得到不同功能车道中车辆的速度信息、数量信息和尺寸信息；
采用预设图像识别模型提取所述影像信息中的车辆轮廓信息，并根据所述轮廓信息识别出所述车辆的类型；
根据所述数量信息和预设时间单位，计算不同功能车道在所述预设道路监测点的初始流量；
根据所述速度信息、所述尺寸信息、所述车辆的类型和所述不同功能车道对应的自由速度，计算得到校准参数；
基于所述校准参数对所述初始流量进行校准，得到预设道路监测点的流量参数。
进一步地，所述校准参数包括：速度校准参数、类型校准参数和尺寸校准参数，所述根据所述车辆的所述速度信息、所述尺寸信息和所述车辆的类型得到校准参数，包括：
根据当前功能车道对应的自由速度与所述车辆实际行驶的速度信息，计算得到速度校准参数；
统计所述预设时间单位内的所述车辆的类型，并计算不同车辆类型所占的比例，基于所述比例确定类型校准参数；
统计所述预设单位时间内所述车辆的尺寸信息，计算得到尺寸校准参数。
进一步地，所述根据当前功能车道对应的自由速度与所述车辆实际行驶的速度信息，计算得到速度校准参数，包括：
采用所述预设道路监测点内的历史速度数据，对所述历史速度数据进行聚类运算，得到包含多个聚类中心的聚类模型；
计算所述车辆实际行程的速度信息与所述聚类中心的距离，根据所述距离确定所述车辆所属的速度类别；
计算所述车辆所属的速度类别与自由速度类别的距离，作为所述所述速度校准参数。
进一步地，所述统计所述预设时间单位内的所述车辆的类型，并计算不同车辆类型所占的比例，基于所述比例确定类型校准参数，包括：
根据所述车辆的类型，将预设时间单位内经过所述预设道路监测点的车辆划分为常规车辆类型、大型车辆类型和小型车辆；
计算得到常规车辆所占的比例、大型车辆所占的比例以及小型车辆所占的比例；
基于所述比例，确定类型校准参数。
进一步地，所述基于所述比例，确定类型校准参数，包括：
当所述大型车辆所占的比例大于预设第一阈值时，根据所述大型车辆所占的比例对所述预设时间单位进行更新，得到采样时间单位；
在所述采样时间单位内的时间统计所述车辆的类型，并重复上述计算不同车辆类型所占的比例的步骤，直至所述大型车辆所占的比例不大于所述预设第一阈值。
进一步地，所述统计所述预设时间单位内的所述车辆的类型，并计算不同车辆类型所占的比例，将所述比例作为类型校准参数，还包括：
当所述大型车辆所占的比例不大于所述预设第一阈值时，将所述常规车辆所占的比例、所述大型车辆所占的比例以及所述小型车辆所占的比例分别与车辆类型对应的标准尺寸权重进行乘积运算，得到类型校准参数。
进一步地，所述统计所述预设单位时间内所述车辆的尺寸信息，计算得到尺寸校准参数，包括：
统计所述预设单位时间内经过所述预设道路监测点的车辆的实际尺寸，并计算所述车辆的实际尺寸平均数；
对所述实际尺寸平均数与所述常规车辆对应的标准尺寸进行取商，得到所述尺寸校准参数。
进一步地，所述基于所述校准参数对所述初始流量进行校准，得到预设道路监测点的流量参数，包括：
以所述速度校准参数作为偏置参数；
分别以所述类型校准参数和所述尺寸校准参数作为权重系数，对所述初始流量进行加权求和，得到权重流量参数；
将所述偏置参数与所述权重流量参数之和，作为所述流量参数。
进一步地，所述采用预设图像识别模型提取所述影像信息中的车辆轮廓信息，并根据所述轮廓信息识别出所述车辆的类型，包括：
提取所述影像信息中的特征信息；
采用预先训练得到的轮廓识别模块，对所述特征信息进行计算，得到多个预测轮廓数据；
对所述多个预测轮廓数据进行特征叠加，得到预测叠加数据；
基于所述预测叠加数据，得到目标车辆的轮廓数据；
对所述目标车辆的轮廓数据进行聚类运算，识别出所述目标车辆为大型车辆、常规车辆和小型车辆三种车辆类型之一。
进一步地，包括：
采集模块，所述采集设备设置在预设道路监测点上，用于采集在不同功能车道中车辆经过预设道路监测点时的反射波信息和影像信息；
通信模块，用于将所述反射波信息发送给所述预设信号处理器，将所述影像信息发送给预设图像识别模型；
信号处理模块，用于对所述反射波信息进行处理并统计，得到不同功能车道中车辆的速度信息、数量信息和尺寸信息；
图像识别模型，用于提取所述影像信息中的车辆轮廓信息，并根据所述轮廓信息识别出所述车辆的类型；
计算模块，用于根据所述速度信息、所述尺寸信息、所述车辆的类型和所述数量信息，计算得到预设道路监测点的流量参数
由于该方案采用雷达和视频影像，处理得到多个车辆数量、速度、尺寸、类型等多种不同维度的参数，再根据这些不同维度的参数计算得到校准参数，对计算得到的初始流量进行校准，可以得到更准确的流量参数，从而为城市交通规划、建设和管理提供重要的参考。这个过程是自动化的过程，采用计算机对进行信息处理和流量计算，方便快捷，节省人力成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于智能的道路交通流量监测方法的场景示意图；
图2是本发明实施例提供的基于智能的道路交通流量监测方法中对象关系挖掘的流程示意图；
图3是本发明实施例提供的道路交通流量监测设备的一种结构示意图；
图4是本发明实施例提供的网络设备的结构示意图。
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，本领域技术人员在没有作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。
本发明实施例提供一种交通流量监测方法及设备。
其中，交通流量是指在选定时间段内通过道路某一地点、某一断面或某一车道的交通实体数，是最基础亦是最重要的交通状态指标之一。
本发明实施例中的道路交通流量监测方法涉及到人工智能技术，其中，人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。本发明实施例提供的方案涉及人工智能的机计算机视觉技术(Computer Vision,CV)和机器学习(MachineLearning,ML)等技术，具体将通过下面的实施例进行说明。
本发明的道路交通流量监测方法还涉及到云技术，其中，云技术(Cloudtechnology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。云技术是基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的系统后盾支撑，只能通过云计算来实现。本发明的实施例提供的方案涉及到云技术的云计算、云存储、云物联等基础技术，具体将通过下面的实施例进行说明。
比如，参考图1，道路交通流量监测系统可以包括雷达、摄像头等用于采集车辆运行信息的设备、用于处理雷达信号和图像信息的服务器，以及用于计算流量参数的计算机设备。其中，计算机设备可以为城市道路控制中心中的计算机设备，也可以是个人用户的手机、平板电脑、车载电脑等终端设备。
另外，道路交通流量监测系统还包括用于数据存储和传输的设备，可以采用内置存储器、无线通信模块、5G通信模块等技术实现数据存储和传输，下文将会进行详细解释，此处不再赘述。
上述图1的例子只是实现本发明实施例的一个系统架构实例，本发明实施例不限于上述图1所示的系统结构，基于该系统架构，提出本发明各个实施例。
以下分别进行详细说明。需说明的是，以下实施例的序号不作为对实施例优选顺序的限定。
图2为本说明书一个或多个实施例提供的一种道路交通流量监测方法的流程示意图。该流程可以由相应领域的计算设备(比如，图像识别模块所在的设备、信号处理器等设备，计算流量参数的设备等)执行，流程中的某些输入参数或者中间结果允许人工干预调节，以帮助提高准确性。
图2中的流程具体可以包括以下步骤：
101、采集在不同功能车道中车辆经过预设道路监测点时的运行信息，所述运行信息包括反射波信息和影像信息。
其中，预设道路监测点指的工作人员预先规划出来的、需要进行道路交通检测的位置。一般情况下，可以选取一小段道路，或者道路的横向切面作为道路监测点。
其中，反射波信息指的是被反射回来的微波信号，雷达向不同功能的车道发出微波信号，当微波信号遇到障碍物，比如汽车时，该微波信号会被反射回来，反射回来的微波信号会随着所碰到的车辆的移动状态发生变化。微波信号是指波长在1mm～1m，频率在300mhz～300ghz范围内的电磁波，是无线电波中分米波、厘米波、毫米波和亚毫米波的统称。
一般采用摄像头来采集经过的车辆的影像信息。
在一些可行的实施例中，通常将雷达、摄像头安装在路面上方的支架上或者安装在路旁的立柱上。为了降低大型车遮挡的情况，一般要求安装高度不低于底面6米，要保证微波信号束的投影覆盖待监测的道路。
道路中具有不同功能的车道，比如人行道、机动车道和公交车专用车道，不同的车道中流量不同，因此需要分开监测。
其中，雷达和摄像头所需要的电源可以设置在道路边。比如，可以采用太阳能电池板供电，可以采用修建道路时预设的电线供电。
102、采用预设信号处理器对所述反射波信息进行处理并统计，得到不同功能车道中车辆的速度信息、数量信息和尺寸信息。
预设信号处理器可以集成在云端的服务器中，通过通信模块将反射波信息传递给信号处理器进行处理。
根据反射回来的微波信号所产生的变化，根据特定关系比例计算，得到车辆的速度信息、数量信息和尺寸信息。
103、采用预设图像识别模型提取所述影像信息中的车辆轮廓信息，并根据所述轮廓信息识别出所述车辆的类型。
在一个实施例中，所述采用预设图像识别模型提取所述影像信息中的车辆轮廓信息，并根据所述轮廓信息识别出所述车辆的类型，包括：
提取所述影像信息中的特征信息；
采用预先训练得到的轮廓识别模块，对所述特征信息进行计算，得到多个预测轮廓数据；
对所述多个预测轮廓数据进行特征叠加，得到预测叠加数据；
基于所述预测叠加数据，得到目标车辆的轮廓数据；
对所述目标车辆的轮廓数据进行聚类运算，识别出所述目标车辆为大型车辆、常规车辆和小型车辆三种车辆类型之一。
其中，轮廓识别模型可以采用大量不同车辆的图片作为样本，对现有神经网络模型训练得到。
104、根据所述数量信息和预设时间单位，计算不同功能车道在所述预设道路监测点的初始流量。
采用公式:初始流量＝车辆通预设道路监测点的数量/预设时间单位。其中，预设时间单位是工作人员根据以往经验确定的，一般可以以15分钟、10分钟或者5分钟作为预设时间单位。
105、根据所述速度信息、所述尺寸信息、所述车辆的类型和所述不同功能车道对应的自由速度，计算得到校准参数。
在一个实施例中，所述校准参数包括：速度校准参数、类型校准参数和尺寸校准参数，所述根据所述车辆的所述速度信息、所述尺寸信息和所述车辆的类型得到校准参数，包括：
根据当前功能车道对应的自由速度与所述车辆实际行驶的速度信息，计算得到速度校准参数；
统计所述预设时间单位内的所述车辆的类型，并计算不同车辆类型所占的比例，基于所述比例确定类型校准参数；
统计所述预设单位时间内所述车辆的尺寸信息，计算得到尺寸校准参数。
根据这些不同维度的参数计算得到校准参数，对计算得到的初始流量进行校准，可以得到更准确的流量参数，从而为城市交通规划、建设和管理提供重要的参考。
在一个实施例中，所述根据当前功能车道对应的自由速度与所述车辆实际行驶的速度信息，计算得到速度校准参数，包括：
采用所述预设道路监测点内的历史速度数据，对所述历史速度数据进行聚类运算，得到包含多个聚类中心的聚类模型；
计算所述车辆实际行程的速度信息与所述聚类中心的距离，根据所述距离确定所述车辆所属的速度类别；
计算所述车辆所属的速度类别与自由速度类别的距离，作为所述所述速度校准参数。
其中，聚类运算得到多个以聚类中心为中心的速度类别，其中包括自有速度类别。
其中，自由速度指的是在当前车道内自由行驶时的速度，是在无任何拥堵的情况下行驶的速度，与当前车道速度的上下限有关，一般可以设置当前车道内的速度上下限作为自由速度。
在一个实施例中，所述统计所述预设时间单位内的所述车辆的类型，并计算不同车辆类型所占的比例，基于所述比例确定类型校准参数，包括：
根据所述车辆的类型，将预设时间单位内经过所述预设道路监测点的车辆划分为常规车辆类型、大型车辆类型和小型车辆；
计算得到常规车辆所占的比例、大型车辆所占的比例以及小型车辆所占的比例；
基于所述比例，确定类型校准参数。
其中，大型车辆一般指的是大卡车、油罐车等大型车辆。常规车指的是轿车等车辆。小型车辆指的是摩托车等车辆。
在一个实施例中，所述基于所述比例，确定类型校准参数，包括：
当所述大型车辆所占的比例大于预设第一阈值时，根据所述大型车辆所占的比例对所述预设时间单位进行更新，得到采样时间单位；
在所述采样时间单位内的时间统计所述车辆的类型，并重复上述计算不同车辆类型所占的比例的步骤，直至所述大型车辆所占的比例不大于所述预设第一阈值。
其中，预设第一阈值是工作人员根据经验设置的，一般可以设置第一阈值为10％。
在一个实施例中，所述统计所述预设时间单位内的所述车辆的类型，并计算不同车辆类型所占的比例，将所述比例作为类型校准参数，还包括：
当所述大型车辆所占的比例不大于所述预设第一阈值时，将所述常规车辆所占的比例、所述大型车辆所占的比例以及所述小型车辆所占的比例分别与车辆类型对应的标准尺寸权重进行乘积运算，得到类型校准参数。
在一个实施例中，所述统计所述预设单位时间内所述车辆的尺寸信息，计算得到尺寸校准参数，包括：
统计所述预设单位时间内经过所述预设道路监测点的车辆的实际尺寸，并计算所述车辆的实际尺寸平均数；
对所述实际尺寸平均数与所述常规车辆对应的标准尺寸进行取商，得到所述尺寸校准参数。
106、基于所述校准参数对所述初始流量进行校准，得到预设道路监测点的流量参数。
在一个实施例中，所述基于所述校准参数对所述初始流量进行校准，得到预设道路监测点的流量参数，包括：
以所述速度校准参数作为偏置参数；
分别以所述类型校准参数和所述尺寸校准参数作为权重系数，对所述初始流量进行加权求和，得到权重流量参数；
将所述偏置参数与所述权重流量参数之和，作为所述流量参数。
其中，偏置参数是用于衡量初始流量偏离流量参数的程度的参数。权重参数是用于衡量初始流量对流量参数重要程度的参数。
实施例二
参考图3，本发明还提供了一种道路交通流量监测设备，包括：
(1)采集模块301，所述采集设备设置在预设道路监测点上，用于采集在不同功能车道中车辆经过预设道路监测点时的反射波信息和影像信息；
(2)通信模块302，用于将所述反射波信息发送给所述预设信号处理器，将所述影像信息发送给预设图像识别模型；
(3)信号处理模块303，用于对所述反射波信息进行处理并统计，得到不同功能车道中车辆的速度信息、数量信息和尺寸信息；
(4)图像识别模型304，用于提取所述影像信息中的车辆轮廓信息，并根据所述轮廓信息识别出所述车辆的类型；
(5)计算模块305，用于根据所述速度信息、所述尺寸信息、所述车辆的类型和所述数量信息，计算得到预设道路监测点的流量参数。
在一些实施例中，该道路交通流量监测设备还可以包括电源模块、存储模块等。存储模块可以用于存储车辆的速度信息、数量信息、车辆类型、影像信息等。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例还提供了一种计算机设备，该计算机设备可以为服务器或终端等设备，其集成了本发明实施例所提供的任一种道路流量监测装置。如图4所示，其示出了本发明实施例所涉及的计算机设备的结构示意图，具体来讲：
该计算机设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图4中示出的网络设备结构并不构成对网络设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器401是该计算机设备的控制中心，利用各种接口和线路连接整个网络设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行网络设备的各种功能和处理数据，从而对网络设备进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据网络设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
该计算机设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，网络设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
根据当前功能车道对应的自由速度与所述车辆实际行驶的速度信息，计算得到速度校准参数；
统计所述预设时间单位内的所述车辆的类型，并计算不同车辆类型所占的比例，基于所述比例确定类型校准参数；
统计所述预设单位时间内所述车辆的尺寸信息，计算得到尺寸校准参数。
还需要说明的是，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、商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、商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，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
以上对本发明实施例所提供的一种交通流量监测方法及设备进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种道路交通流量监测方法，其特征在于，包括：
采集在不同功能车道中车辆经过预设道路监测点时的运行信息，所述运行信息包括反射波信息和影像信息；
采用预设信号处理器对所述反射波信息进行处理并统计，得到不同功能车道中车辆的速度信息、数量信息和尺寸信息；
采用预设图像识别模型提取所述影像信息中的车辆轮廓信息，并根据所述轮廓信息识别出所述车辆的类型；
根据所述数量信息和预设时间单位，计算不同功能车道在所述预设道路监测点的初始流量；
根据所述速度信息、所述尺寸信息、所述车辆的类型和所述不同功能车道对应的自由速度，计算得到校准参数；
基于所述校准参数对所述初始流量进行校准，得到预设道路监测点的流量参数；所述校准参数包括：速度校准参数、类型校准参数和尺寸校准参数；
所述基于所述校准参数对所述初始流量进行校准，得到预设道路监测点的流量参数，包括：
以所述速度校准参数作为偏置参数；
分别以所述类型校准参数和所述尺寸校准参数作为权重系数，对所述初始流量进行加权求和，得到权重流量参数；
将所述偏置参数与所述权重流量参数之和，作为所述流量参数；
根据所述车辆的所述速度信息、所述尺寸信息和所述车辆的类型得到校准参数，包括：
根据当前功能车道对应的自由速度与所述车辆实际行驶的速度信息，计算得到速度校准参数；
统计所述预设时间单位内的所述车辆的类型，并计算不同车辆类型所占的比例，基于所述比例确定类型校准参数；
统计所述预设时间单位内所述车辆的尺寸信息，计算得到尺寸校准参数；
所述统计所述预设时间单位内的所述车辆的类型，并计算不同车辆类型所占的比例，基于所述比例确定类型校准参数，包括：
根据所述车辆的类型，将预设时间单位内经过所述预设道路监测点的车辆划分为常规车辆类型、大型车辆类型和小型车辆；
计算得到常规车辆所占的比例、大型车辆所占的比例以及小型车辆所占的比例；
基于所述比例，确定类型校准参数；
所述基于所述比例，确定类型校准参数，包括：
当所述大型车辆所占的比例大于预设第一阈值时，根据所述大型车辆所占的比例对所述预设时间单位进行更新，得到采样时间单位；
在所述采样时间单位内的时间统计所述车辆的类型，并重复上述计算不同车辆类型所占的比例的步骤，直至所述大型车辆所占的比例不大于所述预设第一阈值；
所述统计所述预设时间单位内的所述车辆的类型，并计算不同车辆类型所占的比例，基于所述比例确定类型校准参数，还包括：
当所述大型车辆所占的比例不大于所述预设第一阈值时，将所述常规车辆所占的比例、所述大型车辆所占的比例以及所述小型车辆所占的比例分别与车辆类型对应的标准尺寸权重进行乘积运算，得到类型校准参数。
2.根据权利要求1所述的道路交通流量监测方法，其特征在于，所述根据当前功能车道对应的自由速度与所述车辆实际行驶的速度信息，计算得到速度校准参数，包括：
采用所述预设道路监测点内的历史速度数据，对所述历史速度数据进行聚类运算，得到包含多个聚类中心的聚类模型；
计算所述车辆实际行程的速度信息与所述聚类中心的距离，根据所述距离确定所述车辆所属的速度类别；
计算所述车辆所属的速度类别与自由速度类别的距离，作为所述速度校准参数。
3.如权利要求1所述的道路交通流量监测方法，其特征在于，所述统计所述预设时间单位内所述车辆的尺寸信息，计算得到尺寸校准参数，包括：
统计所述预设时间单位内经过所述预设道路监测点的车辆的实际尺寸，并计算所述车辆的实际尺寸平均数；
对所述实际尺寸平均数与所述常规车辆对应的标准尺寸进行取商，得到所述尺寸校准参数。
4.如权利要求1所述的道路交通流量监测方法，其特征在于，所述采用预设图像识别模型提取所述影像信息中的车辆轮廓信息，并根据所述轮廓信息识别出所述车辆的类型，包括：
提取所述影像信息中的特征信息；
采用预先训练得到的轮廓识别模块，对所述特征信息进行计算，得到多个预测轮廓数据；
对所述多个预测轮廓数据进行特征叠加，得到预测叠加数据；
基于所述预测叠加数据，得到目标车辆的轮廓数据；
对所述目标车辆的轮廓数据进行聚类运算，识别出所述目标车辆为大型车辆、常规车辆和小型车辆三种车辆类型之一。
5.一种道路交通流量监测设备，其特征在于，包括：
采集模块，所述采集模块设置在预设道路监测点上，用于采集在不同功能车道中车辆经过预设道路监测点时的反射波信息和影像信息；
通信模块，用于将所述反射波信息发送给预设信号处理器，将所述影像信息发送给预设图像识别模型；
信号处理模块，用于对所述反射波信息进行处理并统计，得到不同功能车道中车辆的速度信息、数量信息和尺寸信息；
图像识别模型，用于提取所述影像信息中的车辆轮廓信息，并根据所述轮廓信息识别出所述车辆的类型；
计算模块，用于根据所述速度信息、所述尺寸信息、所述车辆的类型和所述数量信息，计算得到预设道路监测点的流量参数；
所述设备用于执行如权利要求1所述的一种道路交通流量监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310318248.1A CN116798237B (zh) | 2023-03-24 | 2023-03-24 | 一种交通流量监测方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310318248.1A CN116798237B (zh) | 2023-03-24 | 2023-03-24 | 一种交通流量监测方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116798237A CN116798237A (zh) | 2023-09-22 |
| CN116798237B true CN116798237B (zh) | 2024-04-30 |
Family
ID=88035330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310318248.1A Active CN116798237B (zh) | 2023-03-24 | 2023-03-24 | 一种交通流量监测方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116798237B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103383816A (zh) * | 2013-07-01 | 2013-11-06 | 青岛海信网络科技股份有限公司 | 复用电子警察混合交通流检测的交通信号控制方法及装置 |
| CN104200657A (zh) * | 2014-07-22 | 2014-12-10 | 杭州智诚惠通科技有限公司 | 一种基于视频和传感器的交通流量参数采集方法 |
| WO2017099047A1 (ja) * | 2015-12-09 | 2017-06-15 | 一 笠原 | 位置情報特定方法、位置情報特定装置、及び、位置情報特定プログラム |
| CN108431880A (zh) * | 2015-10-30 | 2018-08-21 | 光学感应器控股有限公司 | 监测交通流量 |
| CN109658715A (zh) * | 2019-01-31 | 2019-04-19 | 厦门精益远达智能科技有限公司 | 多车道的车流量统计方法、装置、设备和存储介质 |
| CN113450580A (zh) * | 2021-08-19 | 2021-09-28 | 浙江安沿科技有限公司 | 一种用于车流量监测的雷达 |
| KR102472075B1 (ko) * | 2022-07-14 | 2022-11-30 | 주식회사 비츠에스앤지 | 실시간 도로영상 및 레이다 신호를 분석한 결과에 기초하여 돌발상황 자동검지 서비스를 지원하는 시스템 및 방법 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113139482A (zh) * | 2021-04-28 | 2021-07-20 | 北京百度网讯科技有限公司 | 交通异常检测的方法和装置 |
| US11645906B2 (en) * | 2021-04-29 | 2023-05-09 | Tetenav, Inc. | Navigation system with traffic state detection mechanism and method of operation thereof |
-
2023
- 2023-03-24 CN CN202310318248.1A patent/CN116798237B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103383816A (zh) * | 2013-07-01 | 2013-11-06 | 青岛海信网络科技股份有限公司 | 复用电子警察混合交通流检测的交通信号控制方法及装置 |
| CN104200657A (zh) * | 2014-07-22 | 2014-12-10 | 杭州智诚惠通科技有限公司 | 一种基于视频和传感器的交通流量参数采集方法 |
| CN108431880A (zh) * | 2015-10-30 | 2018-08-21 | 光学感应器控股有限公司 | 监测交通流量 |
| WO2017099047A1 (ja) * | 2015-12-09 | 2017-06-15 | 一 笠原 | 位置情報特定方法、位置情報特定装置、及び、位置情報特定プログラム |
| CN109658715A (zh) * | 2019-01-31 | 2019-04-19 | 厦门精益远达智能科技有限公司 | 多车道的车流量统计方法、装置、设备和存储介质 |
| CN113450580A (zh) * | 2021-08-19 | 2021-09-28 | 浙江安沿科技有限公司 | 一种用于车流量监测的雷达 |
| KR102472075B1 (ko) * | 2022-07-14 | 2022-11-30 | 주식회사 비츠에스앤지 | 실시간 도로영상 및 레이다 신호를 분석한 결과에 기초하여 돌발상황 자동검지 서비스를 지원하는 시스템 및 방법 |
Non-Patent Citations (1)
| Title |
|---|
| 基于断面流量的交通量调查数据拟合分析及应用研究;贾可乐;杨兴红;佘卓明;刘华;;交通节能与环保;20160825(04);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116798237A (zh) | 2023-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108955702B (zh) | 基于三维激光和gps惯性导航系统的车道级地图创建系统 | |
| CN110376594A (zh) | 一种基于拓扑图的智能导航的方法和系统 | |
| CN104424812B (zh) | 一种公交到站时间预测系统和方法 | |
| CN112763995B (zh) | 雷达标定方法、装置、电子设备和路侧设备 | |
| CN112435469B (zh) | 车辆预警控制方法、装置、计算机可读介质及电子设备 | |
| JP7292355B2 (ja) | 車両整列情報を特定する方法及び装置、電子機器、路側機器、クラウド制御プラットフォーム、記憶媒体並びにコンピュータプログラム製品 | |
| CN112579464A (zh) | 自动驾驶算法的校验方法、装置、设备以及存储介质 | |
| CN109784254A (zh) | 一种车辆违规事件检测的方法、装置和电子设备 | |
| CN112885112B (zh) | 车辆行驶检测的方法、车辆行驶预警的方法和装置 | |
| US11443621B2 (en) | Method and apparatus for adjusting channelization of traffic intersection | |
| EP4020425A2 (en) | Method and apparatus for determining green wave speed, electronic device and storage medium | |
| CN114596709B (zh) | 数据处理方法、装置、设备以及存储介质 | |
| CN112734242A (zh) | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 | |
| CN112434260A (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
| CN111541751B (zh) | 一种轨迹监测的方法及装置 | |
| CN111551190A (zh) | 用于确定定位能力的方法、装置、设备及可读存储介质 | |
| CN112017213B (zh) | 一种目标对象的位置更新方法及系统 | |
| CN116798237B (zh) | 一种交通流量监测方法及设备 | |
| CN114495421B (zh) | 智能化开放式道路施工作业监测预警方法及系统 | |
| CN113344277B (zh) | 预测模型训练方法、状态更新方法、装置、设备和介质 | |
| CN114218504A (zh) | 阻断路段识别方法、装置、电子设备及存储介质 | |
| CN112232581A (zh) | 驾驶风险的预测方法、装置、电子设备及存储介质 | |
| CN116401111B (zh) | 脑机接口的功能检测方法、装置、电子设备及存储介质 | |
| CN116153100B (zh) | 基于物联网的施工现场的监控方法、系统、设备及介质 | |
| CN117008075B (zh) | 一种基于微波天线阵列的无线手势采集方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |