CN117152964B - 一种基于行驶车辆的城市道路信息智能采集方法 - Google Patents
一种基于行驶车辆的城市道路信息智能采集方法 Download PDFInfo
- Publication number
- CN117152964B CN117152964B CN202311439885.0A CN202311439885A CN117152964B CN 117152964 B CN117152964 B CN 117152964B CN 202311439885 A CN202311439885 A CN 202311439885A CN 117152964 B CN117152964 B CN 117152964B
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- feature
- acquisition
- planning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013523 data management Methods 0.000 claims abstract description 47
- 230000010354 integration Effects 0.000 claims abstract description 12
- 230000002452 interceptive effect Effects 0.000 claims abstract description 8
- 238000013439 planning Methods 0.000 claims description 88
- 230000005856 abnormality Effects 0.000 claims description 51
- 230000008878 coupling Effects 0.000 claims description 39
- 238000010168 coupling process Methods 0.000 claims description 39
- 238000005859 coupling reaction Methods 0.000 claims description 39
- 230000004044 response Effects 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 230000003213 activating effect Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于行驶车辆的城市道路信息智能采集方法，应用于数据处理技术领域，该方法包括：通过交互数据管理终端，获得目标城市的道路布局网。基于道路布局网，获得第一目标道路，并通过数据管理终端，获得第一道路基础信息。搭建车辆‑智能采集子模块，基于车辆‑智能采集子模块对第一目标道路进行实时信息采集，获得M个车辆‑道路图像采集结果，并对M个车辆‑道路图像采集结果进行图像增强，生成M个增强车辆‑道路图像数据。获得M个车辆‑道路特征识别结果。对M个车辆‑道路特征识别结果进行数据整合，获得第一道路特征采集报告。解决了现有技术中城市道路信息采集存在采集成本较高，采集效率低的技术问题。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种基于行驶车辆的城市道路信息智能采集方法。
背景技术
城市道路信息采集是一种用于获取城市道路信息中交通标志、消防设施、道路状况等道路信息的信息采集方法。然而，在现有技术中对于城市道路信息采集多为人工标识采集，人工采集的成本较高，并且存在采集效率低的问题。
因此，在现有技术中城市道路信息采集存在采集成本较高，采集效率低的技术问题。
发明内容
本申请通过提供一种基于行驶车辆的城市道路信息智能采集方法，解决了在现有技术中城市道路信息采集存在采集成本较高，采集效率低的技术问题。
本申请提供一种基于行驶车辆的城市道路信息智能采集方法，所述方法包括：交互数据管理终端，获得目标城市的道路布局网；基于所述道路布局网，获得第一目标道路，并通过所述数据管理终端，获得第一道路基础信息；搭建车辆-智能采集子模块，其中，所述车辆-智能采集子模块包括M个车辆-智能采集单元，且，M为大于1的正整数，每个车辆-智能采集单元具有对应标识的车辆行驶路线，所述车辆-智能采集子模块通过以所述第一道路基础信息执行所述第一目标道路的车辆采集特征规划获取；基于所述车辆-智能采集子模块对所述第一目标道路进行实时信息采集，获得M个车辆-道路图像采集结果，并对所述M个车辆-道路图像采集结果进行图像增强，生成M个增强车辆-道路图像数据；获得M个车辆-道路特征识别结果，其中，所述M个车辆-道路特征识别结果通过所述数据管理终端内的道路特征分析器对所述M个增强车辆-道路图像数据进行特征识别获取；对所述M个车辆-道路特征识别结果进行数据整合，获得第一道路特征采集报告。
本申请还提供了一种基于行驶车辆的城市道路信息智能采集系统，所述系统包括：数据交互模块，用于交互数据管理终端，获得目标城市的道路布局网；基础信息获取模块，用于基于所述道路布局网，获得第一目标道路，并通过所述数据管理终端，获得第一道路基础信息；特征规划模块，用于搭建车辆-智能采集子模块，其中，所述车辆-智能采集子模块包括M个车辆-智能采集单元，且，M为大于1的正整数，每个车辆-智能采集单元具有对应标识的车辆行驶路线，所述车辆-智能采集子模块通过以所述第一道路基础信息执行所述第一目标道路的车辆采集特征规划获取；实时信息采集模块，用于基于所述车辆-智能采集子模块对所述第一目标道路进行实时信息采集，获得M个车辆-道路图像采集结果，并对所述M个车辆-道路图像采集结果进行图像增强，生成M个增强车辆-道路图像数据；特征识别模块，用于获得M个车辆-道路特征识别结果，其中，所述M个车辆-道路特征识别结果通过所述数据管理终端内的道路特征分析器对所述M个增强车辆-道路图像数据进行特征识别获取；采集报告获取模块，用于对所述M个车辆-道路特征识别结果进行数据整合，获得第一道路特征采集报告。
本申请还提供了一种电子设备，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现本申请提供的一种基于行驶车辆的城市道路信息智能采集方法。
本申请提供一种计算机可读存储介质，存储有计算机程序，该程序被处理器执行时，实现本申请提供的一种基于行驶车辆的城市道路信息智能采集方法。
拟通过本申请提出的一种基于行驶车辆的城市道路信息智能采集方法，通过交互数据管理终端，获得目标城市的道路布局网。基于道路布局网，获得第一目标道路，并通过数据管理终端，获得第一道路基础信息。搭建车辆-智能采集子模块，基于车辆-智能采集子模块对第一目标道路进行实时信息采集，获得M个车辆-道路图像采集结果，并对M个车辆-道路图像采集结果进行图像增强，生成M个增强车辆-道路图像数据。获得M个车辆-道路特征识别结果。对M个车辆-道路特征识别结果进行数据整合，获得第一道路特征采集报告。实现了对城市道路信息的智能化采集，降低了城市道路信息的采集成本，提高了城市道路信息的采集效率。解决了现有技术中城市道路信息采集存在采集成本较高，采集效率低的技术问题。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例，而非对本公开的限制。
图1为本申请实施例提供的一种基于行驶车辆的城市道路信息智能采集方法的流程示意图；
图2为本申请实施例提供的一种基于行驶车辆的城市道路信息智能采集方法搭建车辆-智能采集子模块的流程示意图；
图3为本申请实施例提供的一种基于行驶车辆的城市道路信息智能采集方法获取道路特征分析器的流程示意图；
图4为本申请实施例提供的一种基于行驶车辆的城市道路信息智能采集方法的系统的结构示意图；
图5为本发明实施例提供的一种基于行驶车辆的城市道路信息智能采集方法的系统电子设备的结构示意图。
附图标记说明：数据交互模块11，基础信息获取模块12，特征规划模块13，实时信息采集模块14，特征识别模块15，采集报告获取模块16，处理器31，存储器32，输入装置33，输出装置34。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，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，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上，所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
如图1所示，本申请实施例提供了一种基于行驶车辆的城市道路信息智能采集方法，所述方法包括：
交互数据管理终端，获得目标城市的道路布局网；
基于所述道路布局网，获得第一目标道路，并通过所述数据管理终端，获得第一道路基础信息；
搭建车辆-智能采集子模块，其中，所述车辆-智能采集子模块包括M个车辆-智能采集单元，且，M为大于1的正整数，每个车辆-智能采集单元具有对应标识的车辆行驶路线，所述车辆-智能采集子模块通过以所述第一道路基础信息执行所述第一目标道路的车辆采集特征规划获取；
城市道路信息采集是一种用于获取城市道路信息中交通标志、消防设施、道路状况等道路信息的信息采集方法。然而，在现有技术中对于城市道路信息采集多为人工标识采集，人工采集的成本较高，并且存在采集效率低的问题。通过交互数据管理终端，其中，数据管理终端中存储有各城市的道路地图以及道路的基础信息，获取目标城市的道路布局网。随后，基于所述道路布局网，获得第一目标道路，并通过所述数据管理终端，获得第一道路基础信息。其中，第一道路基础信息包括道路的具体位置长度、宽度等信息。进一步，搭建车辆-智能采集子模块，其中，所述车辆-智能采集子模块包括M个车辆-智能采集单元，且，M为车辆数量且为大于1的正整数，每个车辆-智能采集单元具有对应标识的车辆行驶路线，所述车辆-智能采集子模块通过以所述第一道路基础信息执行所述第一目标道路的车辆采集特征规划获取，即获取在进行道路信息采集时的规划信息，如路线规划、采集车辆数量规划、速度规划等。
如图2所示，本申请实施例提供的方法还包括：
交互所述数据管理终端，获得道路车辆采集特征规划记录；
获得特征规划算子，其中，所述特征规划算子包括以样本道路基础信息为特征规划索引特征，以样本车辆采集特征规划记录为特征规划响应特征；
基于所述特征规划算子对所述道路车辆采集特征规划记录进行数据融合，生成特征规划图谱；
基于所述第一道路基础信息，根据所述特征规划图谱执行所述第一目标道路的车辆采集特征规划，得到所述车辆-智能采集子模块。
在进行车辆-智能采集子模块搭建时，通过交互数据管理终端，获得道路车辆采集特征规划记录，其中，在道路车辆采集特征规划记录中包含历史道路信息采集的规划记录，包括各道路信息在进行道路信息采集时的路线规划、采集车辆数量规划、速度规划等。随后，获得特征规划算子，其中，所述特征规划算子包括以样本道路基础信息为特征规划索引特征，以样本车辆采集特征规划记录为特征规划响应特征。基于所述特征规划算子对所述道路车辆采集特征规划记录进行数据融合，即通过特征规划算子对所述道路车辆采集特征规划记录进行信息获取，获取特征规划算子中样本道路基础信息对应的特征规划响应特征即道路采集规划信息，生成特征规划图谱。基于所述第一道路基础信息，根据所述特征规划图谱执行所述第一目标道路的车辆采集特征规划，得到所述车辆-智能采集子模块。
本申请实施例提供的方法还包括：
遍历所述车辆-智能采集子模块进行实时车辆状态信息采集，获得M个车辆状态信息；
生成M个车辆状态异常指数，其中，所述M个车辆状态异常指数通过对所述M个车辆状态信息进行异常检测获取；
分别判断所述M个车辆状态异常指数是否小于预设异常指数；
若所述M个车辆状态异常指数中的任意一个车辆状态异常指数大于/等于所述预设异常指数，生成车辆状态预警信号。
基于所述车辆-智能采集子模块对所述第一目标道路进行实时信息采集之前，遍历所述车辆-智能采集子模块进行实时车辆状态信息采集，获得M个车辆状态信息，M为进行道路信息采集的车辆数量。其中，车辆状态信息为车辆的实际状态，包括胎压状态、电气设备状态、动力系统状态等车辆各设备装置的状态，该状态可以基于车辆自带的自检装置进行获取，且各车辆状态信息均对应存在有对应的异常指数。根据获取的M个车辆状态信息，分别生成M个车辆状态异常指数，其中，所述M个车辆状态异常指数通过对所述M个车辆状态信息进行异常检测获取。进一步，分别判断所述M个车辆状态异常指数是否小于预设异常指数。其中，预设异常指数为预先设定的最低异常指数，当超过该指数时车辆异常度较高，可能存在无法运行的情况。最后，若所述M个车辆状态异常指数中的任意一个车辆状态异常指数大于/等于所述预设异常指数，生成车辆状态预警信号，从而完成对车辆的预警。
基于所述车辆-智能采集子模块对所述第一目标道路进行实时信息采集，获得M个车辆-道路图像采集结果，并对所述M个车辆-道路图像采集结果进行图像增强，生成M个增强车辆-道路图像数据；
获得M个车辆-道路特征识别结果，其中，所述M个车辆-道路特征识别结果通过所述数据管理终端内的道路特征分析器对所述M个增强车辆-道路图像数据进行特征识别获取；
对所述M个车辆-道路特征识别结果进行数据整合，获得第一道路特征采集报告。
基于所述车辆-智能采集子模块对所述第一目标道路进行实时信息采集，获得M个车辆-道路图像采集结果，并对所述M个车辆-道路图像采集结果进行图像增强，其中，图像增强方式为现有技术中常用的图像增强方法，生成M个增强车辆-道路图像数据。获得M个车辆-道路特征识别结果，其中，所述M个车辆-道路特征识别结果通过所述数据管理终端内的道路特征分析器对所述M个增强车辆-道路图像数据进行特征识别获取，获取其中道路包含的交通标志、消防设施、限速标志、道路信息等以及对应的具体位置。最后，对所述M个车辆-道路特征识别结果进行数据整合，获得第一道路特征采集报告。实现了对城市道路信息的智能化采集，降低了城市道路信息的采集成本，提高了城市道路信息的采集效率。
本申请实施例提供的方法还包括：
遍历所述车辆-智能采集子模块，获得第一车辆-智能采集单元，且，所述第一车辆-智能采集单元具有对应标识的第一车辆行驶路线；
激活所述数据管理终端对所述第一车辆行驶路线进行实时路况监测，获得第一路线实时状态信息；
获得第一路线异常系数，其中，所述第一路线异常系数通过对所述第一路线实时状态信息进行异常特征识别获取；
判断所述第一路线异常系数是否满足路线异常约束特征；
若所述第一路线异常系数满足所述路线异常约束特征，获得第一路线异常优化指令；
根据所述第一路线异常优化指令对所述第一车辆行驶路线进行优化调整。
遍历所述车辆-智能采集子模块，获得第一车辆-智能采集单元，且，所述第一车辆-智能采集单元具有对应标识的第一车辆行驶路线。随后，激活所述数据管理终端对所述第一车辆行驶路线进行实时路况监测，即第一车辆-智能采集单元按照第一车辆行驶路线对第一目标道路进行实时信息采集时，获得第一路线实时状态信息。其中，第一路线实时状态信息包括道路的通断情况、车流量大小数据等。获得第一路线异常系数，其中，所述第一路线异常系数通过对所述第一路线实时状态信息进行异常特征识别获取。其中，在进行异常特征识别时，通过获取第一路线实时状态信息中，不同车流大小对应不同的异常系数，道路畅通则异常系数为0，道路中断则异常系数基于中断位置进行获取，中断位置距离起点越近异常系数越高，反之异常系数越低。进一步，判断所述第一路线异常系数是否满足路线异常约束特征。其中，路线异常约束特征为预先设定的可以进行道路信息采集的最低路线异常系数，当路线异常系数高于该路线异常约束特征时，则对应的道路无法进行道路信息采集。若所述第一路线异常系数满足所述路线异常约束特征即第一路线异常系数大于等于路线异常约束特征，获得第一路线异常优化指令。根据所述第一路线异常优化指令对所述第一车辆行驶路线进行优化调整，即根据第一路线异常优化指令终止第一车辆继续进行道路信息采集，或进行其他路线的采集。
如图3所示，本申请实施例提供的方法还包括：
交互所述数据管理终端，获得样本车辆-道路图像采集记录数据和样本车辆-道路特征识别记录数据；
以所述样本车辆-道路图像采集记录数据作为输入数据，以所述样本车辆-道路特征识别记录数据作为输出监督数据，对深度卷积神经网络进行训练，每训练k次时，获取误差损失算子；
若所述误差损失算子小于误差损失约束算子，生成所述道路特征分析器，并将所述道路特征分析器嵌入至所述数据管理终端。
交互所述数据管理终端，获得样本车辆-道路图像采集记录数据和样本车辆-道路特征识别记录数据，在样本车辆-道路特征识别记录数据中包含识别的交通标志、消防设施、限速标志、道路信息等以及对应的具体位置。以所述样本车辆-道路图像采集记录数据作为输入数据，以所述样本车辆-道路特征识别记录数据作为输出监督数据，对深度卷积神经网络进行训练，每训练k次时，获取误差损失算子，其中，误差损失算子为均方损失误差，即每训练k次时，多个输出误差率的均值。若所述误差损失算子大于等于误差损失约束算子则继续基于输入数据以及监督数据进行训练，并获取误差损失算子直至，若所述误差损失算子小于误差损失约束算子，生成所述道路特征分析器，并将所述道路特征分析器嵌入至所述数据管理终端。
本申请实施例提供的方法还包括：
遍历所述M个车辆-道路特征识别结果进行耦合度分析，获得多个道路特征耦合度；
基于预设道路特征耦合度对所述多个道路特征耦合度进行筛选，获得大于所述预设道路特征耦合度的多个筛选道路特征耦合度；
基于所述多个筛选道路特征耦合度对所述M个车辆-道路特征识别结果进行数据融合，生成所述第一道路特征采集报告。
遍历所述M个车辆-道路特征识别结果进行耦合度分析，获取车辆-道路特征识别结果中存在一致性识别结果的识别结果以及识别结果数量，其中，一致性识别结果为车辆-道路特征识别结果中存在两个或两个以上的相同识别结果。获取各车辆-道路特征识别结果中存在的一致性识别结果数量与所有一致性识别结果数量的比值，得到多个道路特征耦合度。基于预设道路特征耦合度对所述多个道路特征耦合度进行筛选，获得大于所述预设道路特征耦合度的多个筛选道路特征耦合度，其中，预设道路特征耦合度为预先设定的特征耦合度，当低于该道路特征耦合度时对应的车辆-道路特征识别结果识别的道路特征较少，需要进行筛除。基于所述多个筛选道路特征耦合度对对应的所述M个车辆-道路特征识别结果进行数据融合，融合其中存在一致性识别结果的特征识别结果，生成所述第一道路特征采集报告。
本申请实施例提供的方法还包括：
获得所述第一目标道路对应的第一标准道路特征采集报告；
基于所述第一道路特征采集报告和所述第一标准道路特征采集报告，根据预先构建的孪生道路特征识别网络执行所述第一目标道路的道路特征状态分析，获得第一道路特征状态指数，并将所述第一道路特征状态指数添加至所述第一道路特征采集报告；
若所述第一道路特征状态指数小于预设道路特征状态指数，获得第一道路特征预警信号。
获得所述第一目标道路对应的第一标准道路特征采集报告，其中，第一标准道路特征采集报告为人工识别的标准道路特征采集报告。基于所述第一道路特征采集报告和所述第一标准道路特征采集报告，根据预先构建的孪生道路特征识别网络执行所述第一目标道路的道路特征状态分析，其中，孪生道路特征识别网络用于识别获取第一道路特征采集报告和所述第一标准道路特征采集报告的相似度以及存在的差异对象和对应位置，孪生道路特征识别网络基于现有技术中的相似度获取方法以及差异识别方法进行构建。在进行第一目标道路的道路特征状态分析时，通过孪生道路特征识别网络获取第一道路特征采集报告和所述第一标准道路特征采集报告的相似度以及存在的差异对象和对应位置，当存在差异时，可能差异区域的道路标识或设施被破坏，基于相似度数据获得第一道路特征状态指数，并将所述第一道路特征状态指数添加至所述第一道路特征采集报告。若所述第一道路特征状态指数小于预设道路特征状态指数，获得第一道路特征预警信号，其中，预设道路特征状态指数为基于实际情况预先设定的道路特征状态指数，预设道路特征状态指数越高则对应的一致性要求越高，反之则一致性要求越低。
本发明实施例所提供的技术方案，通过交互数据管理终端，获得目标城市的道路布局网。基于所述道路布局网，获得第一目标道路，并通过所述数据管理终端，获得第一道路基础信息。搭建车辆-智能采集子模块，基于所述车辆-智能采集子模块对所述第一目标道路进行实时信息采集，获得M个车辆-道路图像采集结果，并对所述M个车辆-道路图像采集结果进行图像增强，生成M个增强车辆-道路图像数据。获得M个车辆-道路特征识别结果，其中，所述M个车辆-道路特征识别结果通过所述数据管理终端内的道路特征分析器对所述M个增强车辆-道路图像数据进行特征识别获取。对所述M个车辆-道路特征识别结果进行数据整合，获得第一道路特征采集报告。实现了对城市道路信息的智能化采集，降低了城市道路信息的采集成本，提高了城市道路信息的采集效率。解决了现有技术中城市道路信息采集存在采集成本较高，采集效率低的技术问题。
基于与前述实施例中一种基于行驶车辆的城市道路信息智能采集方法同样发明构思，本发明还提供了一种基于行驶车辆的城市道路信息智能采集方法的系统，系统可以由硬件和/或软件的方式来实现，一般可集成于电子设备中，用于执行本发明任意实施例所提供的方法。如图4所示，所述系统包括：
数据交互模块11，用于交互数据管理终端，获得目标城市的道路布局网；
基础信息获取模块12，用于基于所述道路布局网，获得第一目标道路，并通过所述数据管理终端，获得第一道路基础信息；
特征规划模块13，用于搭建车辆-智能采集子模块，其中，所述车辆-智能采集子模块包括M个车辆-智能采集单元，且，M为大于1的正整数，每个车辆-智能采集单元具有对应标识的车辆行驶路线，所述车辆-智能采集子模块通过以所述第一道路基础信息执行所述第一目标道路的车辆采集特征规划获取；
实时信息采集模块14，用于基于所述车辆-智能采集子模块对所述第一目标道路进行实时信息采集，获得M个车辆-道路图像采集结果，并对所述M个车辆-道路图像采集结果进行图像增强，生成M个增强车辆-道路图像数据；
特征识别模块15，用于获得M个车辆-道路特征识别结果，其中，所述M个车辆-道路特征识别结果通过所述数据管理终端内的道路特征分析器对所述M个增强车辆-道路图像数据进行特征识别获取；
采集报告获取模块16，用于对所述M个车辆-道路特征识别结果进行数据整合，获得第一道路特征采集报告。
进一步地，所述特征规划模块13还用于：
交互所述数据管理终端，获得道路车辆采集特征规划记录；
获得特征规划算子，其中，所述特征规划算子包括以样本道路基础信息为特征规划索引特征，以样本车辆采集特征规划记录为特征规划响应特征；
基于所述特征规划算子对所述道路车辆采集特征规划记录进行数据融合，生成特征规划图谱；
基于所述第一道路基础信息，根据所述特征规划图谱执行所述第一目标道路的车辆采集特征规划，得到所述车辆-智能采集子模块。
进一步地，所述特征规划模块13还用于：
遍历所述车辆-智能采集子模块进行实时车辆状态信息采集，获得M个车辆状态信息；
生成M个车辆状态异常指数，其中，所述M个车辆状态异常指数通过对所述M个车辆状态信息进行异常检测获取；
分别判断所述M个车辆状态异常指数是否小于预设异常指数；
若所述M个车辆状态异常指数中的任意一个车辆状态异常指数大于/等于所述预设异常指数，生成车辆状态预警信号。
进一步地，所述实时信息采集模块14还用于：
遍历所述车辆-智能采集子模块，获得第一车辆-智能采集单元，且，所述第一车辆-智能采集单元具有对应标识的第一车辆行驶路线；
激活所述数据管理终端对所述第一车辆行驶路线进行实时路况监测，获得第一路线实时状态信息；
获得第一路线异常系数，其中，所述第一路线异常系数通过对所述第一路线实时状态信息进行异常特征识别获取；
判断所述第一路线异常系数是否满足路线异常约束特征；
若所述第一路线异常系数满足所述路线异常约束特征，获得第一路线异常优化指令；
根据所述第一路线异常优化指令对所述第一车辆行驶路线进行优化调整。
进一步地，所述特征识别模块15还用于：
交互所述数据管理终端，获得样本车辆-道路图像采集记录数据和样本车辆-道路特征识别记录数据；
以所述样本车辆-道路图像采集记录数据作为输入数据，以所述样本车辆-道路特征识别记录数据作为输出监督数据，对深度卷积神经网络进行训练，每训练k次时，获取误差损失算子；
若所述误差损失算子小于误差损失约束算子，生成所述道路特征分析器，并将所述道路特征分析器嵌入至所述数据管理终端。
进一步地，所述采集报告获取模块16还用于：
遍历所述M个车辆-道路特征识别结果进行耦合度分析，获得多个道路特征耦合度；
基于预设道路特征耦合度对所述多个道路特征耦合度进行筛选，获得大于所述预设道路特征耦合度的多个筛选道路特征耦合度；
基于所述多个筛选道路特征耦合度对所述M个车辆-道路特征识别结果进行数据融合，生成所述第一道路特征采集报告。
进一步地，所述采集报告获取模块16还用于：
获得所述第一目标道路对应的第一标准道路特征采集报告；
基于所述第一道路特征采集报告和所述第一标准道路特征采集报告，根据预先构建的孪生道路特征识别网络执行所述第一目标道路的道路特征状态分析，获得第一道路特征状态指数，并将所述第一道路特征状态指数添加至所述第一道路特征采集报告；
若所述第一道路特征状态指数小于预设道路特征状态指数，获得第一道路特征预警信号。
所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
图5为本发明实施例三提供的电子设备的结构示意图，示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图5所示，该电子设备包括处理器31、存储器32、输入装置33及输出装置34；电子设备中处理器31的数量可以是一个或多个，图5中以一个处理器31为例，电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种基于行驶车辆的城市道路信息智能采集方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述一种基于行驶车辆的城市道路信息智能采集方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种基于行驶车辆的城市道路信息智能采集方法，其特征在于，所述方法包括：
交互数据管理终端，获得目标城市的道路布局网；
基于所述道路布局网，获得第一目标道路，并通过所述数据管理终端，获得第一道路基础信息；
搭建车辆-智能采集子模块，其中，所述车辆-智能采集子模块包括M个车辆-智能采集单元，且，M为大于1的正整数，每个车辆-智能采集单元具有对应标识的车辆行驶路线，所述车辆-智能采集子模块通过以所述第一道路基础信息执行所述第一目标道路的车辆采集特征规划获取；
基于所述车辆-智能采集子模块对所述第一目标道路进行实时信息采集，获得M个车辆-道路图像采集结果，并对所述M个车辆-道路图像采集结果进行图像增强，生成M个增强车辆-道路图像数据；
获得M个车辆-道路特征识别结果，其中，所述M个车辆-道路特征识别结果通过所述数据管理终端内的道路特征分析器对所述M个增强车辆-道路图像数据进行特征识别获取；
对所述M个车辆-道路特征识别结果进行数据整合，获得第一道路特征采集报告；
其中，搭建车辆-智能采集子模块，包括：
交互所述数据管理终端，获得道路车辆采集特征规划记录；
获得特征规划算子，其中，所述特征规划算子包括以样本道路基础信息为特征规划索引特征，以样本车辆采集特征规划记录为特征规划响应特征；
基于所述特征规划算子对所述道路车辆采集特征规划记录进行数据融合，生成特征规划图谱；
基于所述第一道路基础信息，根据所述特征规划图谱执行所述第一目标道路的车辆采集特征规划，得到所述车辆-智能采集子模块；
基于所述车辆-智能采集子模块对所述第一目标道路进行实时信息采集，还包括：
遍历所述车辆-智能采集子模块，获得第一车辆-智能采集单元，且，所述第一车辆-智能采集单元具有对应标识的第一车辆行驶路线；
激活所述数据管理终端对所述第一车辆行驶路线进行实时路况监测，获得第一路线实时状态信息；
获得第一路线异常系数，其中，所述第一路线异常系数通过对所述第一路线实时状态信息进行异常特征识别获取；
判断所述第一路线异常系数是否满足路线异常约束特征；
若所述第一路线异常系数满足所述路线异常约束特征，获得第一路线异常优化指令；
根据所述第一路线异常优化指令对所述第一车辆行驶路线进行优化调整；
对所述M个车辆-道路特征识别结果进行数据整合，获得第一道路特征采集报告，包括：
遍历所述M个车辆-道路特征识别结果进行耦合度分析，获得多个道路特征耦合度；
基于预设道路特征耦合度对所述多个道路特征耦合度进行筛选，获得大于所述预设道路特征耦合度的多个筛选道路特征耦合度；
基于所述多个筛选道路特征耦合度对所述M个车辆-道路特征识别结果进行数据融合，生成所述第一道路特征采集报告。
2.如权利要求1所述的方法，其特征在于，基于所述车辆-智能采集子模块对所述第一目标道路进行实时信息采集之前，还包括：
遍历所述车辆-智能采集子模块进行实时车辆状态信息采集，获得M个车辆状态信息；
生成M个车辆状态异常指数，其中，所述M个车辆状态异常指数通过对所述M个车辆状态信息进行异常检测获取；
分别判断所述M个车辆状态异常指数是否小于预设异常指数；
若所述M个车辆状态异常指数中的任意一个车辆状态异常指数大于/等于所述预设异常指数，生成车辆状态预警信号。
3.如权利要求1所述的方法，其特征在于，所述方法包括：
交互所述数据管理终端，获得样本车辆-道路图像采集记录数据和样本车辆-道路特征识别记录数据；
以所述样本车辆-道路图像采集记录数据作为输入数据，以所述样本车辆-道路特征识别记录数据作为输出监督数据，对深度卷积神经网络进行训练，每训练k次时，获取误差损失算子；
若所述误差损失算子小于误差损失约束算子，生成所述道路特征分析器，并将所述道路特征分析器嵌入至所述数据管理终端。
4.如权利要求1所述的方法，其特征在于，获得第一道路特征采集报告之后，还包括：
获得所述第一目标道路对应的第一标准道路特征采集报告；
基于所述第一道路特征采集报告和所述第一标准道路特征采集报告，根据预先构建的孪生道路特征识别网络执行所述第一目标道路的道路特征状态分析，获得第一道路特征状态指数，并将所述第一道路特征状态指数添加至所述第一道路特征采集报告；
若所述第一道路特征状态指数小于预设道路特征状态指数，获得第一道路特征预警信号。
5.一种基于行驶车辆的城市道路信息智能采集系统，其特征在于，所述系统包括：
数据交互模块，用于交互数据管理终端，获得目标城市的道路布局网；
基础信息获取模块，用于基于所述道路布局网，获得第一目标道路，并通过所述数据管理终端，获得第一道路基础信息；
特征规划模块，用于搭建车辆-智能采集子模块，其中，所述车辆-智能采集子模块包括M个车辆-智能采集单元，且，M为大于1的正整数，每个车辆-智能采集单元具有对应标识的车辆行驶路线，所述车辆-智能采集子模块通过以所述第一道路基础信息执行所述第一目标道路的车辆采集特征规划获取；
实时信息采集模块，用于基于所述车辆-智能采集子模块对所述第一目标道路进行实时信息采集，获得M个车辆-道路图像采集结果，并对所述M个车辆-道路图像采集结果进行图像增强，生成M个增强车辆-道路图像数据；
特征识别模块，用于获得M个车辆-道路特征识别结果，其中，所述M个车辆-道路特征识别结果通过所述数据管理终端内的道路特征分析器对所述M个增强车辆-道路图像数据进行特征识别获取；
采集报告获取模块，用于对所述M个车辆-道路特征识别结果进行数据整合，获得第一道路特征采集报告；
所述特征规划模块还用于：
交互所述数据管理终端，获得道路车辆采集特征规划记录；
获得特征规划算子，其中，所述特征规划算子包括以样本道路基础信息为特征规划索引特征，以样本车辆采集特征规划记录为特征规划响应特征；
基于所述特征规划算子对所述道路车辆采集特征规划记录进行数据融合，生成特征规划图谱；
基于所述第一道路基础信息，根据所述特征规划图谱执行所述第一目标道路的车辆采集特征规划，得到所述车辆-智能采集子模块；
所述实时信息采集模块还用于：
遍历所述车辆-智能采集子模块，获得第一车辆-智能采集单元，且，所述第一车辆-智能采集单元具有对应标识的第一车辆行驶路线；
激活所述数据管理终端对所述第一车辆行驶路线进行实时路况监测，获得第一路线实时状态信息；
获得第一路线异常系数，其中，所述第一路线异常系数通过对所述第一路线实时状态信息进行异常特征识别获取；
判断所述第一路线异常系数是否满足路线异常约束特征；
若所述第一路线异常系数满足所述路线异常约束特征，获得第一路线异常优化指令；
根据所述第一路线异常优化指令对所述第一车辆行驶路线进行优化调整；
所述采集报告获取模块还用于：
遍历所述M个车辆-道路特征识别结果进行耦合度分析，获得多个道路特征耦合度；
基于预设道路特征耦合度对所述多个道路特征耦合度进行筛选，获得大于所述预设道路特征耦合度的多个筛选道路特征耦合度；
基于所述多个筛选道路特征耦合度对所述M个车辆-道路特征识别结果进行数据融合，生成所述第一道路特征采集报告。
6.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至4任一项所述的一种基于行驶车辆的城市道路信息智能采集方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一所述的一种基于行驶车辆的城市道路信息智能采集方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311439885.0A CN117152964B (zh) | 2023-11-01 | 2023-11-01 | 一种基于行驶车辆的城市道路信息智能采集方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311439885.0A CN117152964B (zh) | 2023-11-01 | 2023-11-01 | 一种基于行驶车辆的城市道路信息智能采集方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117152964A CN117152964A (zh) | 2023-12-01 |
| CN117152964B true CN117152964B (zh) | 2024-02-02 |
Family
ID=88903253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311439885.0A Active CN117152964B (zh) | 2023-11-01 | 2023-11-01 | 一种基于行驶车辆的城市道路信息智能采集方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117152964B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11073401B1 (en) * | 2017-03-10 | 2021-07-27 | Skydio, Inc. | Road network optimization based on vehicle telematics information |
| CN114241762A (zh) * | 2021-12-14 | 2022-03-25 | 深圳市鹏城交通网络股份有限公司 | 一种基于物联网的智慧城市交通综合数据采集分析系统 |
| CN114359850A (zh) * | 2021-11-30 | 2022-04-15 | 三维通信股份有限公司 | 车辆自动驾驶控制方法、系统、电子装置和存储介质 |
| KR20220073472A (ko) * | 2020-11-26 | 2022-06-03 | 한국자동차연구원 | V2x 통신기반 자율주행 혼합류환경 교차로 통합정보 제공 시스템 및 방법 |
| CN114577230A (zh) * | 2022-03-06 | 2022-06-03 | 廖琳萍 | 一种基于数字孪生的城市交通流量密度精确导航系统和导航方法 |
| WO2022213336A1 (zh) * | 2021-04-09 | 2022-10-13 | 深圳市锐明技术股份有限公司 | 车辆驾驶环境异常监测方法、装置、电子设备和存储介质 |
| CN115188196A (zh) * | 2022-08-15 | 2022-10-14 | 中通服建设有限公司 | 一种基于5g的动态路况信息采集分析系统 |
| CN115946722A (zh) * | 2023-02-13 | 2023-04-11 | 中国工商银行股份有限公司 | 基于交通标志的车辆控制方法、系统和交通标志识别平台 |
| WO2023179028A1 (zh) * | 2022-03-24 | 2023-09-28 | 商汤集团有限公司 | 一种图像处理方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112258842A (zh) * | 2020-10-26 | 2021-01-22 | 北京百度网讯科技有限公司 | 交通监测方法、装置、设备及存储介质 |
-
2023
- 2023-11-01 CN CN202311439885.0A patent/CN117152964B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11073401B1 (en) * | 2017-03-10 | 2021-07-27 | Skydio, Inc. | Road network optimization based on vehicle telematics information |
| KR20220073472A (ko) * | 2020-11-26 | 2022-06-03 | 한국자동차연구원 | V2x 통신기반 자율주행 혼합류환경 교차로 통합정보 제공 시스템 및 방법 |
| WO2022213336A1 (zh) * | 2021-04-09 | 2022-10-13 | 深圳市锐明技术股份有限公司 | 车辆驾驶环境异常监测方法、装置、电子设备和存储介质 |
| CN114359850A (zh) * | 2021-11-30 | 2022-04-15 | 三维通信股份有限公司 | 车辆自动驾驶控制方法、系统、电子装置和存储介质 |
| CN114241762A (zh) * | 2021-12-14 | 2022-03-25 | 深圳市鹏城交通网络股份有限公司 | 一种基于物联网的智慧城市交通综合数据采集分析系统 |
| CN114577230A (zh) * | 2022-03-06 | 2022-06-03 | 廖琳萍 | 一种基于数字孪生的城市交通流量密度精确导航系统和导航方法 |
| WO2023179028A1 (zh) * | 2022-03-24 | 2023-09-28 | 商汤集团有限公司 | 一种图像处理方法、装置、设备及存储介质 |
| CN115188196A (zh) * | 2022-08-15 | 2022-10-14 | 中通服建设有限公司 | 一种基于5g的动态路况信息采集分析系统 |
| CN115946722A (zh) * | 2023-02-13 | 2023-04-11 | 中国工商银行股份有限公司 | 基于交通标志的车辆控制方法、系统和交通标志识别平台 |
Non-Patent Citations (1)
| Title |
|---|
| 基于车联网的交通信息采集与应用研究;刘斌;;电脑知识与技术(17);19-21 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117152964A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108513676B (zh) | 一种路况识别方法、装置及设备 | |
| CN103413437B (zh) | 一种基于车辆数据采集的道路交叉口转向识别方法及系统 | |
| CN110782120B (zh) | 一种交通流模型的评测方法、系统、设备及介质 | |
| CN105825671B (zh) | 一种基于大数据车辆全轨迹碰撞的伴随车分析方法及系统 | |
| CN113779430B (zh) | 路网数据生成方法、装置、计算设备和存储介质 | |
| CN112905849A (zh) | 一种车辆数据处理的方法及装置 | |
| CN111314857B (zh) | 一种基于过车视频数据的车辆实时出行轨迹获取方法 | |
| CN110322687B (zh) | 确定目标交叉口运行状态信息的方法和装置 | |
| CN112163166B (zh) | 检测道路属性的方法、装置、计算机可读介质及电子设备 | |
| CN112634612B (zh) | 路口流量分析方法、装置、电子设备及存储介质 | |
| DE102020205310A1 (de) | Computerimplementiertes Verfahren zum Bereitstellen einer Datenstruktur für die Streckenkomplexitätserfassung und Validierung von Funktionalitäten eines automatisierten Fahrsystems, derartige Datenstruktur, Computer zum Validierung von Funktionalitäten eines automatisierten Fahrsystems, Computerprogramm zum Bereitstellen einer derartigen Datenstruktur und computerlesbarer Datenträger | |
| CN111553539A (zh) | 一种基于概率模型检验的行驶路径规划方法 | |
| CN113935441A (zh) | 汽车自动驾驶功能测试道路的选取方法、设备和存储介质 | |
| CN110021161B (zh) | 一种交通流向的预测方法及系统 | |
| CN115635961A (zh) | 样本数据生成方法及应用其的轨迹预测方法、装置 | |
| CN116737857A (zh) | 道路数据处理方法、相关装置和介质 | |
| CN113793500B (zh) | 城市交通道路可计算路网的构建方法及系统 | |
| King et al. | Capturing the Variety of Urban Logical Scenarios from Bird-view Trajectories. | |
| CN117152964B (zh) | 一种基于行驶车辆的城市道路信息智能采集方法 | |
| CN112837555A (zh) | 一种测试路线选择方法、装置、计算机设备和存储介质 | |
| CN111121803B (zh) | 获取道路常用停靠点的方法及装置 | |
| CN114842659B (zh) | 一种交通拥堵疏导方法及装置 | |
| CN114066288B (zh) | 一种基于智慧数据中心的营运道路应急检测方法及系统 | |
| CN115497298A (zh) | 交通监测方法、装置、电子设备和存储介质 | |
| CN114677254A (zh) | 一种货车事故识别方法、装置、存储介质及程序产品 |
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 |