CN117912255B - 一种实时智能驱动全域数据采集公路监控系统和监控方法 - Google Patents
一种实时智能驱动全域数据采集公路监控系统和监控方法 Download PDFInfo
- Publication number
- CN117912255B CN117912255B CN202410309200.9A CN202410309200A CN117912255B CN 117912255 B CN117912255 B CN 117912255B CN 202410309200 A CN202410309200 A CN 202410309200A CN 117912255 B CN117912255 B CN 117912255B
- Authority
- CN
- China
- Prior art keywords
- real
- module
- time processing
- processing module
- data
- 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 37
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 163
- 238000007781 pre-processing Methods 0.000 claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 238000004140 cleaning Methods 0.000 claims abstract description 7
- 238000013480 data collection Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000007547 defect Effects 0.000 claims description 7
- 206010039203 Road traffic accident Diseases 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000002950 deficient Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种实时智能驱动全域数据采集公路监控系统和监控方法,包括:实时采集公路交通数据的采集模块;对采集模块获取的原始交通数据进行清洗和整合的预处理模块;按照预设框架批量读取、计算经过预处理模块处理和分析后的数据的批量计算模块;对交通数据进行实时处理和分析、筛选去除异常数据、基于交通数据对各区域的交通情况判定、基于判定结果确定优化方式的实时处理模块;对所述实时处理模块的运算结果进行存储的存储模块;基于存储模块存储的交通数据创建相应的表和索引的查询模块;和基于所述实时处理模块确定的优化方式执行相应的调度指令的调度模块。以克服现有技术中存在性能瓶颈、扩展性差和安全性不足的问题。
Description
技术领域
本发明涉及一种公路监控技术领域,尤其涉及一种实时智能驱动全域数据采集公路监控系统和监控方法。
背景技术
交通行业是现代社会的重要组成部分,尤其是公路领域,其运营和管理涉及到大量的数据处理和分析,然而,传统的数据处理和分析技术已经无法满足现代交通行业的需求,在处理大规模的实时数据时,传统的数据处理和分析技术无法快速地进行批量计算和存储,还会导致出现数据延迟和丢失的情况,因此,开发一种高性能、可拓展和安全可靠的实时智能驱动全域数据采集监控技术是交通行业的迫切需求。
中国专利公开号:CN111404966A公开了一种高速公路视频监控系统的数据处理方法,该方法包括:多个摄像头将采集的视频分别实时传输至视频汇聚处理一体机;视频汇聚处理一体机对采集的多路实时视频进行处理后发送至云服务系统进行存储,云服务系统包括多个云服务器节点;视频汇聚处理一体机接收客户端的视频播放请求后根据播放请求从云服务系统获取视频流发送至客户端进行播放。
由此可见,现有技术中高速公路视频监控系统的数据处理方法存在性能瓶颈、系统运行效率低、扩展性差和安全性不足等问题。
发明内容
为此,本发明提供一种实时智能驱动全域数据采集公路监控系统和监控方法,以克服现有技术中存在的问题。
一方面,本发明提供一种实时智能驱动全域数据采集公路监控系统,包括:
采集模块,包括若干传感器、若干摄像头和GPS,用以实时采集公路交通数据;所述交通数据包括各区域的车辆密度、各车辆的平均速度、公路空气湿度和能见度;
预处理模块,其与所述采集模块相连,用以清洗和整合采集模块获取的原始交通数据;
批量计算模块,其与所述预处理模块相连,用以基于预设框架批量读取和计算经过预处理模块清洗和整合后的交通数据;
实时处理模块,其与所述批量计算模块相连,用以对经过批量计算模块计算后的数据进行实时处理和分析以筛选去除异常数据;所述实时处理模块还用以基于交通数据确定各区域公路交通情况不符合标准的原因;
存储模块,其与所述实时处理模块相连,用以存储实时处理模块分析和筛选后的交通数据;
查询模块,其与所述存储模块相连,用以基于存储模块存储的交通数据创建相应的表和索引;
调度模块,其分别与所述查询模块和所述实时处理模块相连,用以基于各模块的执行参数和运行效率调度资源;所述调度模块还用以在所述实时处理模块确定针对系统的优化方式后向对应的模块输送调度指令。
进一步地,所述实时处理模块用以基于单个时间节点下的经过所述批量计算模块处理后的交通数据对各区域的公路交通情况进行判定;
针对单个区域,所述实时处理模块用以在判定所述区域的公路情况不符合标准的情况下确定对应的原因及处理方式,包括:
在判定所述区域的公路情况不符合标准的原因为所述预处理模块对交通数据预处理算法存在错误的情况下确定针对预处理模块算法的优化方式;
在判定所述区域的公路情况不符合标准的原因为该区域受到天气影响的情况下对预测车辆流量基准进行修正;
在判定所述区域的公路情况不符合标准的原因为针对该区域采集面积低于标准的情况下确定针对交通数据的区域采集半径;
在判定所述区域的公路情况不符合标准的原因为数据筛选过程不符合标准的情况下重新确定数据筛选的标准。
进一步地,所述实时处理模块还用以在判定所述算法存在缺陷的情况下基于实时处理模块内设置的预设车辆密度与所述采集模块测得的实际车辆密度的差值确定针对所述预处理算法的优化方式,或,判定所述区域的公路情况不符合标准的原因为数据传输过程产生延迟或该区域发生车祸。
进一步地,所述实时处理模块还用以在判定所述区域公路不符合标准的原因为数据传输过程产生延迟的情况下基于所述实时处理模块用于处理交通数据的内存大小确定针对所述实时处理模块单次计算数据的内存的优化方式,或,确定所述调度模块针对数据处理的调度量占比。
进一步地,所述实时处理模块还用以在判定所述区域公路不符合标准的原因为该区域发生车祸的情况下基于实际车辆密度对该区域车辆的限速值设有若干限速调节方式,且各限速调节方式针对限速值的调节幅度均不相同。
进一步地,所述实时处理模块还用以在判定所述区域的公路情况不符合标准的原因为该区域受到天气影响情况下,基于气候参数K设有若干针对预测车辆密度标准的修正方式,设定所述气候参数K=α×P+β×Q,其中,P为空气湿度,Q为空气能见度等级,α为第一特征参数,β为第二特征参数,
α<1,β<1,且α+β=1。
进一步地,所述实时处理模块还用以在判定所述区域的公路情况不符合标准的原因为针对该区域的采集面积低于标准的情况下基于实时处理模块内设置的预设车辆密度与所述采集模块测得的实际车辆密度的差值针对采集车辆密度的区域半径设有若干区域半径调节方式,且各区域半径调节方式下区域半径的调节值均不相同。
进一步地,所述实时处理模块还用以基于调节后的采集车辆密度的区域半径内重新采集的交通数据对采集区域的交通情况进行重新判定:
所述实时处理模块用以在判定预测车辆密度与实际车辆密度的比值过低不合格的情况下确定算法存在的缺陷,或,在判定预测车辆密度与实际车辆密度的比值过高不合格的情况下确定数据预处理的问题。
进一步地,所述实时处理模块用以在判定所述区域的公路情况不符合标准的原因为数据筛选过程不符合标准情况下确定所述实时处理模块筛选处理数据的标准。
另一方面,本发明还提供一种基于上述监控系统的实时智能驱动全域数据采集公路监控方法,包括以下步骤:
步骤S1,所述采集模块实时采集公路交通数据;
步骤S2,所述预处理模块对所述采集模块获取的原始交通数据进行清洗和整合;
步骤S3,所述批量计算模块按照预设框架批量读取、计算经过所述预处理模块处理后的数据;
步骤S4,所述实时处理模块对数据进行实时处理和分析,筛选去除异常数据,基于交通数据对各区域的交通情况判定并基于判定结果确定优化方式;
步骤S5,所述存储模块对所述实时处理模块的运算结果进行存储,所述查询模块基于存储模块存储的交通数据创建相应的表和索引;
步骤S6,所述调度模块基于所述实时处理模块确定的优化方式执行相应的调度指令。
与现有技术相比,本发明的有益效果在于,本发明中所述实时处理模块基于单个时间节点下的经过所述批量计算模块处理后的交通数据对各区域的公路交通情况进行判定,提高了公路数据监控的准确性和针对公路交通情况的判定精度,提高了对系统数据运算处理的运行效率。
进一步地,在判定所述区域的公路情况不符合标准的原因为所述预处理模块对交通数据预处理算法存在错误的情况下确定针对预处理模块算法的优化方式,在判定所述区域的公路情况不符合标准的原因为该区域受到天气影响情况下对预测车辆流量基准进行修正,在判定所述区域的公路情况不符合标准的原因为针对该区域采集面积低于标准的情况下确定针对交通数据的区域采集半径,在判定所述区域的公路情况不符合标准的原因为数据筛选过程不符合标准的情况下重新确定数据筛选的标准,进一步提高了公路数据监控的准确性和针对公路交通情况的判定精度,提高了对系统数据运算处理的运行效率。
进一步地,所述实时处理模块在判定所述算法存在缺陷的情况下基于实时处理模块内设置的预设车辆密度与所述采集模块测得的实际车辆密度的差值确定针对所述预处理算法的优化方式,或,判定所述区域的公路情况不符合标准的原因为数据传输过程产生延迟或该区域发生车祸,进一步提高了公路数据监控的准确性和针对公路交通情况的判定精度,提高了对系统数据运算处理的运行效率。
进一步地,所述实时处理模块在判定所述区域公路不符合标准的原因为数据传输过程产生延迟的情况下基于所述实时处理模块用于处理交通数据的内存大小确定针对所述实时处理模块单次计算数据的内存的优化方式,或,确定所述调度模块针对数据处理的调度量占比,改善了传统数据处理和分析技术扩展性差的问题,对公路交通情况的调节提出了合理的建议,提高了公路监控系统的安全性。
进一步地,所述实时处理模块在判定所述区域的公路情况不符合标准的原因为该区域受到天气影响情况下,基于气候参数K设有若干针对预测车辆密度标准的修正方式,所述气候参数K由下式确定:
K=α×P+β×Q
其中,P为空气湿度,Q为空气能见度等级,α为第一特征参数,β为第二特征参数,
α<1,β<1,且α+β=1,改善了传统数据处理和分析技术扩展性差的问题,提高了公路监控系统的安全性。
进一步地,所述实时处理模块在判定所述区域的公路情况不符合标准的原因为针对该区域采集面积低于标准的情况下实时处理模块内设置的预设车辆密度与所述采集模块测得的实际车辆密度的差值针对采集车辆密度的区域半径设有若干区域半径调节方式,进一步改善了传统数据处理和分析技术扩展性差的问题,对公路交通情况的调节提出了合理的建议,提高了公路监控系统的安全性。
进一步地,所述实时处理模块用以在完成对所述采集车辆密度的区域半径的确定后,基于重新采集的交通数据对采集区域的交通情况重新进行判定,进一步提高了公路数据监控的准确性和针对公路交通情况的判定精度,提高了对系统数据运算处理的运行效率。
进一步地,所述实时处理模块在判定所述区域的公路情况不符合标准的原因为数据筛选过程不符合标准情况下确定所述实时处理模块筛选处理数据的标准,进一步提高了公路数据监控的准确性和针对公路交通情况的判定精度,提高了对系统数据运算处理的运行效率。
附图说明
图1为本发明所述实时智能驱动全域数据采集公路监控系统的结构框图;
图2为本发明所述实时智能驱动全域数据采集公路监控方法的步骤流程图;
图3为本发明所述实时处理模块各区域的公路交通情况的判定流程图;
图4为本发明所述实时处理模块基于第一预设比值与实际比值的差值对算法缺陷的原因的判定流程图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
以下结合附图,对本发明上述的和另外的技术特征和优点作更详细的说明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本发明所述实时智能驱动全域数据采集公路监控系统的结构框图;一种实时智能驱动全域数据采集公路监控系统,包括采集模块、预处理模块、批量计算模块、实时处理模块、存储模块、查询模块和调度模块;
所述采集模块包括若干传感器、若干摄像头和GPS,用以实时采集公路交通数据;所述传感器包括速度传感器、位置传感器、湿度传感器和光学传感器;所述交通数据包括各区域的车辆密度、各车辆的平均速度、公路空气湿度和能见度;所述预处理模块与所述采集模块相连,用以对采集模块获取的原始交通数据进行清洗和整合;所述批量计算模块与所述预处理模块相连,用以基于预设框架批量读取和计算经过预处理模块清洗和整合后的交通数据;所述实时处理模块与所述批量计算模块相连,用以对经过批量计算模块计算后的数据进行实时处理和分析以筛选去除异常数据;所述实时处理模块还用以基于交通数据确定各区域公路交通情况不符合标准的原因;所述存储模块与所述实时处理模块相连,用以存储实时处理模块分析和筛选后的交通数据;所述查询模块与所述存储模块相连,用以基于存储模块存储的交通数据创建相应的表和索引;所述调度模块分别与所述查询模块和所述实时处理模块相连,用以基于各模块的执行参数和运行效率调度资源;所述调度模块还用以在所述实时处理模块确定针对系统的优化方式后向对应的模块输送调度指令。
请参阅图2所示,其为本发明所述实时智能驱动全域数据采集公路监控方法的步骤流程图;一种实时智能驱动全域数据采集公路的监控方法,包括以下步骤:
步骤S1,所述采集模块实时采集公路交通数据;
步骤S2,所述预处理模块对所述采集模块获取的原始交通数据进行清洗和整合;
步骤S3,所述批量计算模块按照预设框架批量读取、计算经过所述预处理模块处理后的数据;
步骤S4,所述实时处理模块对数据进行实时处理和分析,筛选去除异常数据,基于交通数据对各区域的交通情况判定并基于判定结果确定优化方式;
步骤S5,所述存储模块对所述实时处理模块的运算结果进行存储,所述查询模块基于存储模块存储的交通数据创建相应的表和索引;
步骤S6,所述调度模块基于所述实时处理模块确定的优化方式执行相应的调度指令。
请参阅图3所示,其为本发明所述实时处理模块各区域的公路交通情况的判定流程图;所述实时处理模块基于单个时间节点下的公路交通数据对各区域的公路交通情况进行判定,其中:
第一判定方式为所述实时处理模块判定所述预测车辆密度与实际车辆密度的比值过低不合格,判定用于数据预处理的算法存在缺陷;所述第一判定方式满足所述预测车辆密度与实际车辆密度的比值小于等于第一预设比值,设定所述第一预设比值S1=0.7;
第二判定方式为所述实时处理模块初步判定所述预测车辆密度与实际车辆密度的比值过低不合格,实时处理模块基于天气因素对预测车辆流量的基准进行重新确定;所述第二判定方式满足所述预测车辆密度与实际车辆密度的比值大于第一预设比值且小于第二预设比值,设定所述第二预设比值S2=0.9;
第三判定方式为所述实时处理模块判定所述预测车辆密度与实际车辆密度的比值合格,该区域预测车辆流量合格;所述第三判定方式满足所述预测车辆密度与实际车辆密度的比值大于等于第二预设比值且小于等于第三预设比值,设定所述第三预设比值S3=1.1;
第四判定方式为所述实时处理模块初步判定所述预测车辆密度与实际车辆密度的比值过高不合格,实时处理模块重新确定交通数据的区域采集半径;所述第四判定方式满足所述预测车辆密度与实际车辆密度的比值大于第三预设比值且小于第四预设比值,设定所述第四预设比值S4=1.3;
第五判定方式为所述实时处理模块判定所述预测车辆密度与实际车辆密度的比值过高不合格,判定该区域发生交通事故;所述第五判定方式满足所述预测车辆密度与实际车辆密度的比值大于等于第四预设比值。
请参阅图4所示,其为本发明所述实时处理模块基于第一预设比值与实际比值的差值对算法缺陷的原因判定的流程图;所述实时处理模块在判定所述预测车辆密度与实际车辆密度的比值满足第一判定方式的条件下基于实际车辆密度的比值与第一预设比值的差值设有判定方式,其中:
第一差值判定方式为所述实时处理模块判定所述实际车辆密度的比值与第一预设比值的差值符合预设差值标准,实时处理模块对算法进行优化;所述第一差值判定方式满足所述实际车辆密度的比值与第一预设比值的差值小于等于第一预设差值,设定所述第一预设差值为0.05;
第二差值判定方式为所述实时处理模块初步判定所述实际车辆密度的比值与第一预设比值的差值不符合预设差值标准,判定系统因数据量过大而产生延迟现象;所述第二差值判定方式满足所述实际车辆密度的比值与第一预设比值的差值大于第一预设差值且小于等于第二预设差值,设定所述第二预设差值为0.1;
第三差值判定方式为所述实时处理模块判定所述实际车辆密度的比值与第一预设比值的差值不符合预设差值标准,判定该区域发生交通事故;所述第三差值判定方式满足所述实际车辆密度的比值与第一预设比值的差值大于第二预设差值。
请继续参阅图1至图4所示,所述实时处理模块在判定所述实际车辆密度的比值与第一预设比值的差值满足所述第二差值判定方式的情况下基于所述实时处理模块用于处理交通数据的内存大小判定优化方式,其中:
第一优化方式为所述实时处理模块判定所述实时处理模块用于处理交通数据的内存不符合预设标准,实时处理模块对所述调度模块发送将实时处理模块占用内存提高10%的调度指令;所述第一优化方式满足所述实时处理模块用于处理交通数据的内存大于预设时长内平均传输速度下所能传输的数据总内存,设定预设时长为1min;
第二优化方式为所述实时处理模块判定所述实时处理模块用于处理交通数据的内存符合预设标准,实时处理模块对所述调度模块发送将实时处理模块占用内存降低10%的调度指令;所述第二优化方式满足所述实时处理模块用于处理交通数据的内存小于预设时长内平均传输速度下所能传输的数据总内存。
请继续参阅图1至图4所示,所述实时处理模块在判定所述实际车辆密度的比值与第一预设比值的差值满足所述第三差值判定方式的情况下基于实际车辆密度对该区域的限速值设有限速调节方式,其中:
第一限速调节方式为所述实时处理模块判定所述实际车辆密度符合预设车辆密度标准,将该区域限速值下调5%;所述第一限速调节方式满足所述实际车辆密度小于等于第一预设车辆密度,设定所述第一预设车辆密度为160辆/千米;
第二限速调节方式为所述实时处理模块初步判定所述实际车辆密度不符合预设车辆密度标准,将该区域限速值下调10%;所述第二限速调节方式满足所述实际车辆密度大于第一预设车辆密度且小于等于第二预设车辆密度,设定所述第二预设车辆密度为180辆/千米;
第三限速调节方式为所述实时处理模块判定所述实际车辆密度不符合预设车辆密度标准,将该区域限速值下调15%;所述第三限速调节方式满足所述实际车辆密度大于第二预设车辆密度。
请继续参阅图1至图4所示,所述实时处理模块在判定所述预测车辆密度与实际车辆密度的比值满足第二判定方式的条件下基于公式K=α×P+β×Q计算气候参数K,其中其中,P为空气湿度,Q为空气能见度等级,α为第一特征参数,β为第二特征参数,
α=0.7,β=0.3;所述实时处理模块基于所述气候参数设有针对所述预测车辆密度标准的修正方式,其中:
第一修正方式为所述实时处理模块判定所述气候参数符合预设气候参数标准,将预设车辆密度标准增加10辆/千米,增加后第一预设车辆密度调整为170辆/千米,第二预设车辆密度调整为190辆/千米;所述第一修正方式满足所述气候参数小于等于第一预设气候参数,设定第一预设气候参数为10;
第二修正方式为所述实时处理模块初步判定所述气候参数不符合预设气候参数标准,将预设车辆密度标准增加20辆/千米,增加后第一预设车辆密度调整为180辆/千米,第二预设车辆密度调整为200辆/千米;所述第二修正方式满足所述气候参数大于第一预设气候参数小于等于第二预设气候参数,设定第二预设气候参数为15;
第三修正方式为所述实时处理模块判定所述气候参数不符合预设气候参数标准,将预设车辆密度标准增加30辆/千米,增加后第一预设车辆密度调整为190辆/千米,第二预设车辆密度调整为210辆/千米;所述第三修正方式满足所述气候参数大于第二预设气候参数。
请继续参阅图1至图4所示,所述实时处理模块在判定所述预测车辆密度与实际车辆密度的比值满足第四判定方式的情况下基于实际车辆密度比值与第三预设比值的差值设有针对采集车辆密度的区域半径的半径调节方式,其中:
第一半径调节方式为所述实时处理模块判定所述实际车辆密度比值与第三预设比值的差值符合标准,采取第一半径调节参数对车辆密度采集半径进行调节;所述第一半径调节方式满足所述实际车辆密度比值与第三预设比值的差值小于等于第一预设比值差值,设定所述第一预设比值差值为0.05,预设采集半径为1km,设定第一半径调节参数为1.1,在第一半径调节参数的调节下采集半径调整为1.1km;
第二半径调节方式为所述实时处理模块初步判定所述实际车辆密度比值与第三预设比值的差值不符合标准,采取第二半径调节参数对车辆密度采集半径进行调节;所述第二半径调节方式满足所述实际车辆密度比值与第三预设比值的差值大于第一预设比值差值且小于等于第二预设比值差值,设定所述第二预设比值差值为0.1,第二半径调节参数为1.2,在第二半径调节参数的调节下采集半径调整为1.2km;
第三半径调节方式为所述实时处理模块判定所述实际车辆密度比值与第三预设比值的差值不符合标准,采取第三半径调节参数对车辆密度采集半径进行调节;所述第三半径调节方式满足所述实际车辆密度比值与第三预设比值的差值大于第二预设比值差值,设定所述第二半径调节参数为1.3,在第二半径调节参数的调节下采集半径调整为1.3km。
请继续参阅图1至图4所示,所述实时处理模块在完成对所述采集车辆密度的区域半径的半径调节方式后,所述采集模块采用重新确定的区域采集半径重新采集交通数据,实时处理模块基于重新采集的交通数据对采集区域的交通情况重新进行判定,其中:
第一二次判定方式为所述实时处理模块判定所述预测车辆密度与实际车辆密度的比值过低不合格,判定用于批量计算的算法存在缺陷;所述第一二次判定方式满足所述预测车辆密度与实际车辆密度的比值小于等于第二预设比值;
第二二次判定方式为所述实时处理模块判定所述预测车辆密度与实际车辆密度的比值合格,该区域预测车辆流量合格;所述第二二次判定方式满足所述预测车辆密度与实际车辆密度的比值大于第二预设比值且小于第三预设比值;
第三二次判定方式为所述实时处理模块判定所述预测车辆密度与实际车辆密度的比值过高不合格,判定数据预处理存在问题;所述第三二次判定方式满足所述预测车辆密度与实际车辆密度的比值大于第三预设比值。
请继续参阅图1至图4所示,所述实时处理模块在判定所述预测车辆密度与实际车辆密度的比值满足第五判定方式的情况下基于实际车辆密度设有针对所述实时处理模块筛选处理数据标准的修正方式,其中:
第一数据修正方式为所述实时处理模块判定所述实际车辆密度符合预设车辆密度标准,将所述实时处理模块筛选数据的参数下降5%;所述第一数据修正方式满足所述实际车辆密度小于等于200辆/千米;
第二数据修正方式为所述实时处理模块初步判定所述实际车辆密度不符合预设车辆密度标准,将所述实时处理模块筛选数据的参数下降10%;所述第二数据修正方式满足所述实际车辆密度大于200辆/千米且小于等于220辆/千米;
第三数据修正方式为所述实时处理模块判定所述实际车辆密度符合预设车辆密度标准,将所述实时处理模块筛选数据的参数下降15%;所述第三数据修正方式满足所述实际车辆密度大于220辆/千米;
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。 凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种实时智能驱动全域数据采集公路监控系统,其特征在于,包括:
采集模块,包括若干传感器、若干摄像头和GPS,用以实时采集公路交通数据;所述交通数据包括各区域的车辆密度、各车辆的平均速度、公路空气湿度和能见度;
预处理模块,其与所述采集模块相连,用以清洗和整合采集模块获取的原始交通数据;
批量计算模块,其与所述预处理模块相连,用以基于预设框架批量读取和计算经过预处理模块清洗和整合后的交通数据;
实时处理模块,其与所述批量计算模块相连,用以对经过批量计算模块计算后的数据进行实时处理和分析以筛选去除异常数据;所述实时处理模块还用以基于交通数据确定各区域公路交通情况不符合标准的原因;
存储模块,其与所述实时处理模块相连,用以存储实时处理模块分析和筛选后的交通数据;
查询模块,其与所述存储模块相连,用以基于存储模块存储的交通数据创建相应的表和索引;
调度模块,其分别与所述查询模块和所述实时处理模块相连,用以基于各模块的执行参数和运行效率调度资源;所述调度模块还用以在所述实时处理模块确定针对系统的优化方式后向对应的模块输送调度指令;
所述实时处理模块用以基于单个时间节点下的经过所述批量计算模块处理后的交通数据对各区域的公路交通情况进行判定;
针对单个区域,所述实时处理模块用以在判定所述区域的公路交通情况不符合标准的情况下确定对应的原因及处理方式,包括:
在判定所述区域的公路情况不符合标准的原因为所述预处理模块对交通数据预处理算法存在错误的情况下确定针对预处理模块算法的优化方式;
在判定所述区域的公路情况不符合标准的原因为该区域受到天气影响的情况下对预测车辆流量基准进行修正;
在判定所述区域的公路情况不符合标准的原因为针对该区域采集面积低于标准的情况下确定针对交通数据的区域采集半径;
在判定所述区域的公路情况不符合标准的原因为数据筛选过程不符合标准的情况下重新确定数据筛选的标准;
所述实时处理模块用以在判定所述区域的公路情况不符合标准的原因为针对该区域的采集面积低于标准的情况下基于实时处理模块内设置的预设车辆密度与所述采集模块测得的实际车辆密度的差值针对采集车辆密度的区域半径设有若干区域半径调节方式,且各区域半径调节方式下区域半径的调节值均不相同。
2.根据权利要求1所述的实时智能驱动全域数据采集公路监控系统,其特征在于,所述实时处理模块还用以在判定所述算法存在缺陷的情况下基于实时处理模块内设置的预设车辆密度与所述采集模块测得的实际车辆密度的差值确定针对所述预处理算法的优化方式,或,判定所述区域的公路情况不符合标准的原因为数据传输过程产生延迟或该区域发生车祸。
3.根据权利要求2所述的实时智能驱动全域数据采集公路监控系统,其特征在于,所述实时处理模块还用以在判定所述区域公路不符合标准的原因为数据传输过程产生延迟的情况下基于所述实时处理模块用于处理交通数据的内存大小确定针对所述实时处理模块单次计算数据的内存的优化方式,或,确定所述调度模块针对数据处理的调度量占比。
4.根据权利要求2所述的实时智能驱动全域数据采集公路监控系统,其特征在于,所述实时处理模块还用以在判定所述区域公路不符合标准的原因为该区域发生车祸的情况下基于实际车辆密度对该区域车辆的限速值设有若干限速调节方式,且各限速调节方式针对限速值的调节幅度均不相同。
5.根据权利要求1所述的实时智能驱动全域数据采集公路监控系统,其特征在于,所述实时处理模块还用以在判定所述区域的公路情况不符合标准的原因为该区域受到天气影响情况下,基于气候参数K设有若干针对预测车辆密度标准的修正方式,设定所述气候参数K=α×P+β×Q,其中,P为空气湿度,Q为空气能见度等级,α为第一特征参数,β为第二特征参数,α<1,β<1,且α+β=1。
6.根据权利要求1所述的实时智能驱动全域数据采集公路监控系统,其特征在于,所述实时处理模块还用以基于调节后的采集车辆密度的区域半径内重新采集的交通数据对采集区域的交通情况进行重新判定:
所述实时处理模块用以在判定预测车辆密度与实际车辆密度的比值过低不合格的情况下确定算法存在的缺陷,或,在判定预测车辆密度与实际车辆密度的比值过高不合格的情况下确定数据预处理的问题。
7.根据权利要求1所述的实时智能驱动全域数据采集公路监控系统,其特征在于,所述实时处理模块用以在判定所述区域的公路情况不符合标准的原因为数据筛选过程不符合标准情况下确定所述实时处理模块筛选处理数据的标准。
8.根据权利要求1-7任一项权利要求所述监控系统的实时智能驱动全域数据采集公路监控方法,其特征在于,包括以下步骤:
步骤S1,所述采集模块实时采集公路交通数据;
步骤S2,所述预处理模块对所述采集模块获取的原始交通数据进行清洗和整合;
步骤S3,所述批量计算模块按照预设框架批量读取、计算经过所述预处理模块处理后的数据;
步骤S4,所述实时处理模块对数据进行实时处理和分析,筛选去除异常数据,基于交通数据对各区域的交通情况判定并基于判定结果确定优化方式;
步骤S5,所述存储模块对所述实时处理模块的运算结果进行存储,所述查询模块基于存储模块存储的交通数据创建相应的表和索引;
步骤S6,所述调度模块基于所述实时处理模块确定的优化方式执行相应的调度指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410309200.9A CN117912255B (zh) | 2024-03-19 | 2024-03-19 | 一种实时智能驱动全域数据采集公路监控系统和监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410309200.9A CN117912255B (zh) | 2024-03-19 | 2024-03-19 | 一种实时智能驱动全域数据采集公路监控系统和监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117912255A CN117912255A (zh) | 2024-04-19 |
CN117912255B true CN117912255B (zh) | 2024-05-10 |
Family
ID=90684181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410309200.9A Active CN117912255B (zh) | 2024-03-19 | 2024-03-19 | 一种实时智能驱动全域数据采集公路监控系统和监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117912255B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107862864A (zh) * | 2017-10-18 | 2018-03-30 | 南京航空航天大学 | 基于驾驶习惯和交通路况的行驶工况智能预测估计方法 |
KR102163208B1 (ko) * | 2020-03-10 | 2020-10-08 | 주식회사 태정이엔지 | 하이브리드 무인교통 감시시스템 및 그 방법 |
CN111784017A (zh) * | 2019-04-03 | 2020-10-16 | 交通运输部公路科学研究所 | 一种基于路况因素回归分析的公路交通事故数量预测方法 |
CN113434619A (zh) * | 2021-06-25 | 2021-09-24 | 南京美慧软件有限公司 | 一种4g的高速公路智能交通路况监控系统 |
CN115472003A (zh) * | 2022-07-27 | 2022-12-13 | 山西西电信息技术研究院有限公司 | 一种基于多源信息的城市交通监管系统及方法 |
CN115662143A (zh) * | 2022-11-21 | 2023-01-31 | 吉林大学 | 一种公交企业运营安全态势动态预测系统及方法 |
CN116504076A (zh) * | 2023-06-19 | 2023-07-28 | 贵州宏信达高新科技有限责任公司 | 基于etc门架数据的高速公路车流量预测方法 |
CN116543560A (zh) * | 2023-07-05 | 2023-08-04 | 深圳市诚识科技有限公司 | 一种基于深度学习的智能路况预测系统及方法 |
CN116665441A (zh) * | 2023-05-29 | 2023-08-29 | 大连交通大学 | 基于大数据技术的智慧交通监控分析系统 |
CN117057614A (zh) * | 2023-09-01 | 2023-11-14 | 中国公路工程咨询集团有限公司 | 一种基于遥感技术的公路安全运行动态变化预测方法及系统 |
CN117319609A (zh) * | 2023-10-27 | 2023-12-29 | 黑龙江睿软科技有限公司 | 一种物联网大数据智能视频监控系统及方法 |
CN117472893A (zh) * | 2023-11-21 | 2024-01-30 | 北京交通发展研究院 | 一种系统化提升交通流数据质量方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7860639B2 (en) * | 2003-02-27 | 2010-12-28 | Shaoping Yang | Road traffic control method and traffic facilities |
US10037689B2 (en) * | 2015-03-24 | 2018-07-31 | Donald Warren Taylor | Apparatus and system to manage monitored vehicular flow rate |
US20180292224A1 (en) * | 2017-04-05 | 2018-10-11 | Gregory Brodski | System and method for traffic volume estimation |
-
2024
- 2024-03-19 CN CN202410309200.9A patent/CN117912255B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107862864A (zh) * | 2017-10-18 | 2018-03-30 | 南京航空航天大学 | 基于驾驶习惯和交通路况的行驶工况智能预测估计方法 |
CN111784017A (zh) * | 2019-04-03 | 2020-10-16 | 交通运输部公路科学研究所 | 一种基于路况因素回归分析的公路交通事故数量预测方法 |
KR102163208B1 (ko) * | 2020-03-10 | 2020-10-08 | 주식회사 태정이엔지 | 하이브리드 무인교통 감시시스템 및 그 방법 |
CN113434619A (zh) * | 2021-06-25 | 2021-09-24 | 南京美慧软件有限公司 | 一种4g的高速公路智能交通路况监控系统 |
CN115472003A (zh) * | 2022-07-27 | 2022-12-13 | 山西西电信息技术研究院有限公司 | 一种基于多源信息的城市交通监管系统及方法 |
CN115662143A (zh) * | 2022-11-21 | 2023-01-31 | 吉林大学 | 一种公交企业运营安全态势动态预测系统及方法 |
CN116665441A (zh) * | 2023-05-29 | 2023-08-29 | 大连交通大学 | 基于大数据技术的智慧交通监控分析系统 |
CN116504076A (zh) * | 2023-06-19 | 2023-07-28 | 贵州宏信达高新科技有限责任公司 | 基于etc门架数据的高速公路车流量预测方法 |
CN116543560A (zh) * | 2023-07-05 | 2023-08-04 | 深圳市诚识科技有限公司 | 一种基于深度学习的智能路况预测系统及方法 |
CN117057614A (zh) * | 2023-09-01 | 2023-11-14 | 中国公路工程咨询集团有限公司 | 一种基于遥感技术的公路安全运行动态变化预测方法及系统 |
CN117319609A (zh) * | 2023-10-27 | 2023-12-29 | 黑龙江睿软科技有限公司 | 一种物联网大数据智能视频监控系统及方法 |
CN117472893A (zh) * | 2023-11-21 | 2024-01-30 | 北京交通发展研究院 | 一种系统化提升交通流数据质量方法 |
Non-Patent Citations (2)
Title |
---|
交通基础设施空间特征参数的多维估计方法;郝京京;张玲;戢晓峰;郝庆宇;;交通运输系统工程与信息;20180615(第03期);全文 * |
广东省浮动车交通信息系统方案设计;汪庭举;邹杰;;中国交通信息化;20100610(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117912255A (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112557598B (zh) | 一种基于物联网的城市空气质量监控管理方法 | |
CN112874589B (zh) | 一种列车计划运行图自动调整系统及方法 | |
CN112382098B (zh) | 交通拥堵检测方法、装置、电子设备及存储介质 | |
CN110309755B (zh) | 一种交通信号灯的时间校正方法、装置、设备和存储介质 | |
CN112700640B (zh) | 道路状态监测方法、服务器、车载设备及路侧设备 | |
CN109975894A (zh) | 自动校准车辆雨量传感器的方法、系统及车辆 | |
CN117912255B (zh) | 一种实时智能驱动全域数据采集公路监控系统和监控方法 | |
CN101604461A (zh) | 一种基于视频采集及处理技术的车辆行驶安全数据记录系统 | |
CN116166939A (zh) | 一种基于车路协同的数据预处理方法及系统 | |
CN114283590B (zh) | 车流量高峰预测方法及装置、电子设备 | |
CN117523706A (zh) | 一种车辆异常信号的处理方法及装置 | |
CN113238541A (zh) | 一种etc系统运行状态的监控系统 | |
US9773355B2 (en) | System for monitoring and inspecting vehicle emissions levels for compliance | |
CN116758762A (zh) | 基于大数据的控制方法 | |
CN110850847B (zh) | 一种列车车载设备故障监控方法及装置 | |
CN110595667B (zh) | 一种检测轨道交通通风系统风压的方法 | |
CN110097761B (zh) | 光照自适应视频车辆流量检测模式切换系统和方法 | |
CN114141007A (zh) | 一种基于智慧交通的车路协同信息交互方法及其系统 | |
CN116403411B (zh) | 基于多信号源的交通拥堵预测方法及系统 | |
CN113658352B (zh) | 机载飞参信号适配装置 | |
CN112525267A (zh) | 一种车内环境检测方法、装置、电子设备及存储介质 | |
CN108288382A (zh) | 一种基于信疑双基模型判别车辆可信度的方法 | |
CN113808384B (zh) | 交通状况侦测方法 | |
US20240179096A1 (en) | Vehicle-mounted apparatus, control server, method for collecting measurement data and program recording medium | |
CN116106947A (zh) | 一种运载工具的定位方法和定位装置 |
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 |