CN118332762A - 一种基于视频的道路仿真方法及系统 - Google Patents
一种基于视频的道路仿真方法及系统 Download PDFInfo
- Publication number
- CN118332762A CN118332762A CN202410261243.4A CN202410261243A CN118332762A CN 118332762 A CN118332762 A CN 118332762A CN 202410261243 A CN202410261243 A CN 202410261243A CN 118332762 A CN118332762 A CN 118332762A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- traffic
- model
- simulation
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000010223 real-time analysis Methods 0.000 claims abstract description 8
- 238000007726 management method Methods 0.000 claims description 28
- 238000005457 optimization Methods 0.000 claims description 25
- 230000006399 behavior Effects 0.000 claims description 24
- 238000013461 design Methods 0.000 claims description 21
- 230000033001 locomotion Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000005206 flow analysis Methods 0.000 claims description 4
- 238000009472 formulation Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000013439 planning Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于视频的道路仿真方法及系统,包括:采集得到实际道路场景视频数据;采用计算机视觉方法,对所述实际道路场景视频数据进行实时分析和物体识别,识别到车辆行驶状态和道路状态;根据实时分析到的车辆行驶状态和道路状态,生成对应的车辆模型和道路网络模型,并模拟车辆模型在所述道路网络模型中的行驶状态,评估交通状态。本发明提供的一种基于视频的道路仿真方法及系统,综合路面条件、车辆模型的类型、虚拟交叉口模型采用的交叉口车道配置方式、交通信号和标志规则、交叉口交通规则等,全面准确的对道路交通状态进行模拟仿真,具有仿真可靠性高的优点。
Description
技术领域
本发明属于道路仿真技术领域,具体涉及一种基于视频的道路仿真方法及系统。
背景技术
在交通管理和道路规划中,道路仿真系统具有重要作用,通过道路仿真系统,为交通工程师、规划者和决策者模拟和分析交通情况,以制定更有效的交通管理策略、改进道路设计和提高道路安全性。传统的道路仿真系统,无法全面准确的对道路交通状态进行模拟仿真,具有一定的使用局限性。
发明内容
针对现有技术存在的缺陷,本发明提供一种基于视频的道路仿真方法及系统,可有效解决上述问题。
本发明采用的技术方案如下:
本发明提供一种基于视频的道路仿真方法,包括以下步骤:
步骤1,采集得到实际道路场景视频数据;
步骤2,采用计算机视觉方法,对所述实际道路场景视频数据进行实时分析和物体识别,识别到车辆行驶状态和道路状态;
步骤3,根据实时分析到的车辆行驶状态和道路状态,生成对应的车辆模型和道路网络模型,并模拟车辆模型在所述道路网络模型中的行驶状态,评估交通状态。
优选的,步骤3包括:
步骤3.1,车辆建模:建立各种类型的车辆模型;每种类型的车辆模型具有车辆参数,包括:车辆类型、车辆尺寸、车辆质量和车辆引擎性能;根据每种车辆模型的车辆参数,生成对应的车辆运动模型;
步骤3.2,道路网络建模:
步骤3.2.1,根据识别到的道路状态,建立道路网络的拓扑结构,包括:
步骤3.2.1.1,定义道路分段,配置每个所述道路分段的道路分段属性,包括:道路分段类型、长度、宽度、车道数量、路面条件、道路曲率和道路限速;
步骤3.2.1.2,对于多车道的道路分段,定义车道变化规则,包括车道合并规则和车道分离规则;
步骤3.2.1.3,定义道路分段之间的连接方式,包括交叉口、匝道和连接道连接方式;
从而生成道路网络的拓扑结构;
步骤3.2.2,在所述道路网络的拓扑结构中,在交叉口位置定义虚拟交叉口模型,所述虚拟交叉口模型包括以下配置信息:交叉口位置坐标、交叉口车道配置方式、交通信号和标志规则、交叉口交通规则以及行人和非机动车模型;
其中:所述交通信号和标志规则,用于描述交叉口位置的交通信号灯和标志的控制规则,包括:交通信号灯的状态序列、绿灯时间、黄灯时间、红灯时间,以及交通标志的位置和内容;
所述交叉口交通规则,用于描述交叉口位置的交通规则,包括:优先通行规则、直行转弯规则和让行规则;
所述行人和非机动车模型,用于描述当交叉口存在行人和非机动车辆时,定义行人行走速度、非机动车行驶速度以及交叉口行人通行信号;
从而生成道路网络模型;
步骤3.3,基于所述车辆模型和所述道路网络模型,构建车流量仿真模拟平台,所述车流量仿真模拟平台对交通状态进行实时仿真模拟,包括:
步骤3.3.1,设定模拟初始条件,包括:设置每个道路分段的路面条件;设置采用的虚拟交叉口模型;设置采用的车辆模型以及车辆模型的数量;设置每种车辆模型的初始位置、初始速度和行驶方向;
步骤3.3.2,设定仿真时间步进;
步骤3.3.3,模拟引擎根据所述模拟初始条件,生成对应配置的道路网络模型,并根据所述车辆模型的初始位置,在所述道路网络模型的对应位置生成所述车辆模型;
调用所述车辆模型对应的车辆运动模型,所述模拟引擎对所述车辆模型在所述道路网络模型的行驶状态进行模拟,具体为:所述模拟引擎综合所述车辆模型对应的车辆运动模型以及当前道路分段的路面条件,根据所述车辆模型的当前位置和速度,得到下一个时间步进的新位置和速度;当达到下一个时间步进时,更新所述车辆模型的位置和速度;当所述车辆模型行驶到交叉口位置时,根据所述虚拟交叉口模型,对所述车辆模型通过所述交叉口的通过方式进行模拟。
优选的,步骤3还包括:
模拟车辆驾驶行为:通过改变所述车辆模型的行驶速度进行模拟,监测道路交通状态;
模拟交通信号:模拟不同交通信号状态下的车辆模型行驶行为,监测道路交通状态;
模拟道路条件:模拟不同路面条件下的车辆模型行驶行为,监测道路交通状态;
模拟各类车辆模型:改变车辆模型的种类,进而对不同种类的车辆模型的行驶行为进行模拟,监测道路交通状态。
优选的,步骤3还包括:
所述车流量仿真模拟平台具有实时交互性,在进行仿真模拟过程中,可实时修改模拟参数,包括:路面条件、虚拟交叉口模型和车辆模型,并监测模拟参数对车流量的影响,从而进行交通实时决策和优化。
优选的,步骤3还包括:
数据记录和分析:所述车流量仿真模拟平台在进行仿真模拟过程中,实时记录模拟过程中的关键数据,用于交通流量分析、模型验证和决策支持。
优选的,还包括:
步骤3.4,通过分析所述车流量仿真模拟平台的仿真结果,优化道路设计、改进交通信号设置和制定交通管理策略。
优选的,步骤3.4具体为:
步骤3.4.1,道路设计优化:通过模拟不同参数的道路、车道配置和虚拟交叉口模型,分析交通流量、拥堵情况和行车速度,进而评估不同道路设计方案的性能,进而指导优化道路设计;
步骤3.4.2,交通信号设置优化:模拟不同交通信号设置对交通流量的影响,具体为:调整交通信号的定时、协调和相位,评估不同交通信号设置对交通流量的控制效果,进而指导交通信号设置优化,减少交通拥堵、优化交通信号协调和提高通行效率;
步骤3.4.3,交通管理策略制定优化:制定和测试不同交通管理策略,包括:公共交通优先策略、高峰时段限行策略、事件管理策略,进而指导优化交通管理策略。
本发明还提供一种所述的一种基于视频的道路仿真方法的系统,包括:
实际道路场景视频数据采集模块,用于采集得到实际道路场景视频数据;
计算机视觉模块,用于采用计算机视觉方法,对所述实际道路场景视频数据进行实时分析和物体识别,识别到车辆行驶状态和道路状态;
车流量仿真模拟平台,用于根据实时分析到的车辆行驶状态和道路状态,生成对应的车辆模型和道路网络模型,并模拟车辆模型在所述道路网络模型中的行驶状态,评估交通状态。
本发明提供的一种基于视频的道路仿真方法及系统具有以下优点:
本发明提供的一种基于视频的道路仿真方法及系统,综合路面条件、车辆模型的类型、虚拟交叉口模型采用的交叉口车道配置方式、交通信号和标志规则、交叉口交通规则等,全面准确的对道路交通状态进行模拟仿真,具有仿真可靠性高的优点。
附图说明
图1为本发明提供的一种基于视频的道路仿真方法的流程示意图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明提供一种基于视频的道路仿真方法及系统,利用视频图像数据可以模拟和评估道路交通情况,包括车辆行驶行为、交通信号和道路条件。此技术领域与交通管理、道路规划、驾驶模拟和交通流量研究等领域密切相关。通过对实际道路场景的视频数据进行分析和仿真,本发明有助于提高交通系统的效率、安全性以及道路规划的决策支持能力。
本发明提供一种基于视频的道路仿真方法及系统,可以模拟和评估道路交通情况,包括车辆驾驶行为、交通信号和道路条件。通过分析实际道路场景的高分辨率视频数据,以高度逼真的方式模拟车辆在虚拟道路网络上的行驶,主要包括:
实际道路场景视频数据采集:通过交通监控系统和车载摄像头等设备,采集得到道路交通的高分辨率视频图像,视频图像包含车辆的实际行驶情况,包括车辆位置、速度、车道变化和交通信号状态等信息。
计算机视觉模块:对实际道路场景视频数据进行实时分析和物体识别,包括车辆检测、车辆跟踪、道路标志和信号的识别等。
实时仿真引擎:根据计算机视觉模块实时分析到的车辆状态和道路状态,生成虚拟车辆模型和道路网络模型,并模拟虚拟车辆模型在道路网络模型的行驶状态,评估交通流量。
决策支持和优化:通过对仿真结果进行分析,指导制定交通管理策略、改进道路设计、优化交通信号设置以及应对交通拥堵和紧急情况。
综合而言,本发明提供的一种基于视频的道路仿真方法及系统,将视频数据与计算机视觉和实时仿真技术相结合,能够全面准确的对道路交通状态进行模拟仿真,为交通管理和道路规划提供更准确、实时的工具和方法。本系统具有广泛的应用前景,对于提高交通系统的效率、安全性和可持续性具有重要意义。
参阅图1,本发明提供一种基于视频的道路仿真方法,包括以下步骤:
步骤1,采集得到实际道路场景视频数据;
步骤2,采用计算机视觉方法,对所述实际道路场景视频数据进行实时分析和物体识别,识别到车辆行驶状态和道路状态;
步骤3,根据实时分析到的车辆行驶状态和道路状态,生成对应的车辆模型和道路网络模型,并模拟车辆模型在所述道路网络模型中的行驶状态,评估交通状态。
步骤3包括:
步骤3.1,车辆建模:建立各种类型的车辆模型;每种类型的车辆模型具有车辆参数,包括:车辆类型、车辆尺寸、车辆质量和车辆引擎性能;根据每种车辆模型的车辆参数,生成对应的车辆运动模型;
步骤3.2,道路网络建模:
步骤3.2.1,根据识别到的道路状态,建立道路网络的拓扑结构,包括:
步骤3.2.1.1,定义道路分段,配置每个所述道路分段的道路分段属性,包括:道路分段类型、长度、宽度、车道数量、路面条件、道路曲率和道路限速;
步骤3.2.1.2,对于多车道的道路分段,定义车道变化规则,包括车道合并规则和车道分离规则;
步骤3.2.1.3,定义道路分段之间的连接方式,包括交叉口、匝道和连接道连接方式;
从而生成道路网络的拓扑结构;
步骤3.2.2,在所述道路网络的拓扑结构中,在交叉口位置定义虚拟交叉口模型,所述虚拟交叉口模型包括以下配置信息:交叉口位置坐标、交叉口车道配置方式、交通信号和标志规则、交叉口交通规则以及行人和非机动车模型;
其中:所述交通信号和标志规则,用于描述交叉口位置的交通信号灯和标志的控制规则,包括:交通信号灯的状态序列、绿灯时间、黄灯时间、红灯时间,以及交通标志的位置和内容;
所述交叉口交通规则,用于描述交叉口位置的交通规则,包括:优先通行规则、直行转弯规则和让行规则;
所述行人和非机动车模型,用于描述当交叉口存在行人和非机动车辆时,定义行人行走速度、非机动车行驶速度以及交叉口行人通行信号;
从而生成道路网络模型;
步骤3.3,基于所述车辆模型和所述道路网络模型,构建车流量仿真模拟平台,所述车流量仿真模拟平台对交通状态进行实时仿真模拟,包括:
步骤3.3.1,设定模拟初始条件,包括:设置每个道路分段的路面条件;设置采用的虚拟交叉口模型;设置采用的车辆模型以及车辆模型的数量;设置每种车辆模型的初始位置、初始速度和行驶方向;
步骤3.3.2,设定仿真时间步进;
步骤3.3.3,模拟引擎根据所述模拟初始条件,生成对应配置的道路网络模型,并根据所述车辆模型的初始位置,在所述道路网络模型的对应位置生成所述车辆模型;
调用所述车辆模型对应的车辆运动模型,所述模拟引擎对所述车辆模型在所述道路网络模型的行驶状态进行模拟,具体为:所述模拟引擎综合所述车辆模型对应的车辆运动模型以及当前道路分段的路面条件,根据所述车辆模型的当前位置和速度,得到下一个时间步进的新位置和速度;当达到下一个时间步进时,更新所述车辆模型的位置和速度;当所述车辆模型行驶到交叉口位置时,根据所述虚拟交叉口模型,对所述车辆模型通过所述交叉口的通过方式进行模拟。
车流量仿真模拟平台还具有以下功能:
模拟车辆驾驶行为:通过改变所述车辆模型的行驶速度进行模拟,监测道路交通状态;
模拟交通信号:模拟不同交通信号状态下的车辆模型行驶行为,监测道路交通状态;
模拟道路条件:模拟不同路面条件下的车辆模型行驶行为,监测道路交通状态;
模拟各类车辆模型:改变车辆模型的种类,进而对不同种类的车辆模型的行驶行为进行模拟,监测道路交通状态。
本发明中,所述车流量仿真模拟平台具有实时交互性,在进行仿真模拟过程中,可实时修改模拟参数,包括:路面条件、虚拟交叉口模型和车辆模型,并监测模拟参数对车流量的影响,从而进行交通实时决策和优化。
本发明中,所述车流量仿真模拟平台具有数据记录和分析功能:所述车流量仿真模拟平台在进行仿真模拟过程中,实时记录模拟过程中的关键数据,用于交通流量分析、模型验证和决策支持。
还包括:
步骤3.4,通过分析所述车流量仿真模拟平台的仿真结果,优化道路设计、改进交通信号设置和制定交通管理策略。
步骤3.4具体为:
步骤3.4.1,道路设计优化:通过模拟不同参数的道路、车道配置和虚拟交叉口模型,分析交通流量、拥堵情况和行车速度,进而评估不同道路设计方案的性能,进而指导优化道路设计;
步骤3.4.2,交通信号设置优化:模拟不同交通信号设置对交通流量的影响,具体为:调整交通信号的定时、协调和相位,评估不同交通信号设置对交通流量的控制效果,进而指导交通信号设置优化,减少交通拥堵、优化交通信号协调和提高通行效率;
步骤3.4.3,交通管理策略制定优化:制定和测试不同交通管理策略,包括:公共交通优先策略、高峰时段限行策略、事件管理策略,进而指导优化交通管理策略。
本发明还提供一种基于视频的道路仿真方法的系统,包括:
实际道路场景视频数据采集模块,用于采集得到实际道路场景视频数据;
计算机视觉模块,用于采用计算机视觉方法,对所述实际道路场景视频数据进行实时分析和物体识别,识别到车辆行驶状态和道路状态;
车流量仿真模拟平台,用于根据实时分析到的车辆行驶状态和道路状态,生成对应的车辆模型和道路网络模型,并模拟车辆模型在所述道路网络模型中的行驶状态,评估交通状态。
下面介绍一个实施例:
本实施例提供一种基于视频的道路仿真系统,包括:
视频数据采集:利用交通监控系统和车载摄像头等设备,实时捕捉道路交通的视频图像数据,包括车辆位置、速度、车道变化、交通信号状态等信息。
计算机视觉模块:计算机视觉模块对视频数据进行分析和识别,完成车辆检测、车辆跟踪、道路标志和信号的识别等任务。
实时仿真引擎:本系统配备了强大的实时仿真引擎,能够处理大规模的视频数据流,并根据视频数据生成虚拟车辆、模拟交通信号和道路条件。
道路网络建模:虚拟道路网络模型包括道路分段、交叉口、车道配置等定义,以模拟实际道路情景。
交通信号模拟:模拟交通信号灯、交通标志和交通信号控制器的运作,以评估不同信号设置对交通流量的影响。
道路条件模拟:考虑动态道路条件,如湿滑路面、道路施工区域等,影响车辆行驶特性,因此,对道路条件进行模拟。
决策支持和优化:系统提供决策支持工具,通过分析仿真结果,指导决策者制定交通管理策略、改进道路设计、优化交通信号设置以及应对交通拥堵和紧急情况。
在具体实现上,利用斜飞技术,确定斜飞任务的目的和范围,并且连续捕捉地表的图像或数据,包括地形、建筑物、道路、植被等。并将这些数据采集后,利用GIS进行地理信息系统(GIS)处理,包括地理校正、坐标转换和图像增强,最终生成对应的地理信息地图、3D模型或监测报告。
利用ArcGIS,Threejs将地理位置进行地图绘制并且转移到Web GIS平台,并对webgis添加相应的图层和标记点、线和多边形等地理元素,并借助于Elasticsearch对地理元素进行索引化,提供快速查询,分析等功能。
对监控视频进行点位获取,并且利用该点位前后相关历史数据进行车辆速度模拟并利用卷积操作建模,以下为建模函数输入图像I;卷积核(滤波器)K;卷积结果C;偏置项:b。
C(x,y)=∑i∑jI(x+i,y+j)*K(i,j)+b
利用视频识别技术,结合deepstream技术的管道配置对采集的视频数据进行预处理,进行数据模型的推理和整合,并借助于TensorRT加速推理过程。
针对决策树,利用现实对结果建立预测模型,并借助于损失熵,过滤不需要的预警。真实标签Y;模型预测交叉熵损失。
过滤预警:
具体过程如下:
步骤1,道路路面建模:
步骤1.1,数据采集阶段:在本阶段,仿真引擎根据车辆在道路上的运动,生成模拟数据,以模拟真实世界的情况。包括以下子步骤:
车辆建模:首先,对采集到的车辆进行建模,包括车辆类型、尺寸、质量、引擎性能等参数,用于确定车辆的运动特性。
道路网络建模:根据实际道路,创建模拟道路网络,包括道路类型、道路宽度、曲线半径、交叉口等。
初始条件设定:设定模拟的初始条件,如车辆的初始位置、速度、方向等。决定了仿真的起始状态。
仿真时间步进:设定时间步进,模拟引擎将在每个时间步进内更新车辆的位置和速度,模拟车辆在道路上的运动。
步骤1.2,仿真数据生成:在本阶段,模拟引擎根据车辆模型和初始条件生成模拟数据,包括车辆位置、速度、加速度等信息。这些数据可以用于进一步的分析和可视化。
运动模型应用:利用车辆的运动模型,根据当前位置和速度计算下一个时间步进内的新位置和速度。这可能包括考虑到加速度、制动和转弯等因素。
道路网络交互:模拟引擎确保车辆按照道路网络的规则行驶,包括遵守交通信号、道路限速等。
数据生成:生成每个时间步进内的车辆位置、速度、加速度等数据,并记录。这些数据可以输出供进一步分析或可视化使用。
步骤2、道路网络建模:
步骤2.1、道路分段定义:道路网络可以被分成多个道路分段,每个分段代表一段连续的道路,可以有不同的属性,如长度、宽度、车道数等。例如,道路分段可以包括城市道路、高速公路、乡村道路等。
步骤2.2、道路连接关系:定义不同道路分段之间的连接关系,包括交叉口、匝道和连接道。这些连接关系描述了车辆如何从一个道路分段切换到另一个道路分段。
步骤2.3、道路属性:每个道路分段可以有不同的属性,例如最高速度、路面条件(如湿滑或干燥)、道路曲率等。这些属性影响了车辆在道路上的行驶。
步骤2.4、车道和车道变化:对于多车道道路,需要定义车道的数量和车道之间的变化规则,包括车道合并和分离。
步骤2.5、虚拟车辆生成:在道路网络上生成虚拟车辆,根据交通流量模型,车辆可以根据车辆流量和速度分布在道路上。
步骤2.6、道路网络拓扑:建立道路网络的拓扑结构,描述了道路分段之间的关系,以便模拟引擎可以根据车辆的位置和速度计算车辆在道路网络上的行驶。
步骤2.7,交叉口建模输出:
虚拟交叉口模型:输出虚拟交叉口模型,包括道路交汇点、车道配置、交通信号控制、停车标志、行人横穿规则等的定义。此模型用于模拟车辆在虚拟交叉口上的行驶和互动。
交通信号和标志配置:输出描述交叉口中交通信号灯、标志和行车道配置的信息。这些信息包括交通信号的状态序列、绿灯时间、黄灯时间、红灯时间,以及交通标志的位置和内容。
交通规则设定:输出定义在交叉口上的交通规则,如优先通行规则、直行转弯规则、让行规则等。这些规则有助于模拟引擎模拟车辆在交叉口上的行为。
行人和非机动车模型:如果在交叉口存在行人和非机动车辆,输出有关其模拟的参数和行为规则,包括行人的行走速度、非机动车的行驶速度、交叉口行人通行信号等。
交叉口流量数据:生成有关交叉口车辆和行人流量的数据,以便模拟引擎在仿真过程中根据流量情况调整交通信号控制。
步骤2.8,车道和车道变化模型输出:
在这个步骤中,输出涉及定义多车道道路的车道数量、车道变化规则以及交叉口处的车道配置信息,以供模拟引擎使用。以下是与步骤2.8相关的输出示例:
车道配置信息:输出有关每个道路分段的车道数量和车道宽度的信息,包括指定道路具有的车道数量以及每个车道的宽度。
车道变化规则:输出车道变化规则,包括车辆变道、合并和分离的规则。这可能包括模拟车辆遵守交通规则和信号进行变道的情况。
交叉口车道配置:对于交叉口,输出描述交叉口处车道的配置信息,包括不同道路分段的车道的交汇和连接方式。
虚拟车辆生成参数:如果在车道变化模型中考虑了虚拟车辆生成和行驶行为,可以输出有关生成虚拟车辆的参数,如车道变道频率、车道保持行为等。
步骤3,车流量仿真系统根据以上特征,模拟车辆的驾驶行为、交通信号和道路条件:
步骤3.1,模拟车辆驾驶行为:该仿真系统的仿真引擎能够以高度逼真的方式模拟车辆的驾驶行为,包括车辆的加速、减速、转弯、变道、刹车等操作,以及考虑到车辆类型和驾驶员行为的多样性。这种逼真的行为模拟有助于研究交通流量中的各种情况,如交通拥堵、道路事故和紧急情况的响应。
步骤3.2,模拟交通信号:仿真系统能够准确地模拟不同交通信号状态下的车辆行驶,包括交通信号灯、交通标志和交通信号控制器的模拟。系统可以模拟绿灯、黄灯和红灯时车辆的行为,以及不同道路交叉口的交通信号同步。
步骤3.3,,模拟道路条件:仿真系统还考虑了实际道路条件对车辆行驶的影响,包括模拟湿滑路面、结冰路面、道路施工区域等情况。系统可以调整车辆的行驶特性,以反映不同的道路条件,并评估对交通流量的影响。
步骤3.4,多样化的车辆类型:该系统支持多种不同类型的车辆模型,包括小型汽车、卡车、公共交通工具等。这使得系统能够模拟不同类型车辆在道路上的运动和相互作用,有助于研究交通中的多模式交通系统。
步骤3.5,实时交互性:仿真系统具有实时交互性,允许用户在仿真过程中进行实时控制和干预。因此,用户可以根据需要更改交通信号、道路条件或车辆参数,并观察这些变化对车流量的影响,以进行实时决策和优化。
步骤3.6,数据记录和分析:该系统还包括数据记录和分析功能,可以捕捉模拟过程中的关键数据,如车辆速度、密度、延误等。这些数据可用于后续的交通流量分析、模型验证和决策支持。
步骤4,通过分析仿真结果优化道路设计、改进交通信号设置和制定交通管理策略。以下是对这些特征的详细扩展:
步骤4.1,道路设计优化:该仿真系统可用于评估不同道路设计方案的性能。通过模拟不同道路几何、车道配置和交叉口设计,系统可以分析交通流量、拥堵情况、行车速度等关键指标。基于仿真结果,道路规划者可以优化道路设计,以提高交通效率、减少拥堵并提供更安全的道路环境。
步骤4.2,交通信号设置改进:仿真系统能够模拟不同交通信号设置对交通流量的影响。通过调整交通信号的定时、协调和相位,系统可以评估不同信号设置对交通流的控制效果。这有助于交通工程师改进交通信号设置,以减少交通拥堵、优化信号协调和提高通行效率。
步骤4.3,交通管理策略制定:仿真系统可以用于制定和测试不同交通管理策略,包括公共交通优先策略、高峰时段限行策略、事件管理策略等。通过模拟这些策略的效果,决策者可以选择最有效的策略应对特定交通挑战。
步骤5,实时决策支持
步骤5.1,仿真系统具有实时交互性,允许用户在仿真过程中进行实时决策和干预。因此,交通管理人员可以根据实际情况更改交通信号、调整交通管理策略,并观察这些变化对交通流量的影响。这有助于应对突发事件和交通紧急情况。
步骤5.2,数据驱动决策:通过数据记录和分析功能,可以捕捉模拟过程中的关键数据。利用这些数据进行决策制定,帮助决策者了解交通模式、瓶颈位置、高峰时段和拥堵原因等重要信息。
目前,交通拥堵、事故频发等现象严重影响了生活质量。传统的交通数据采集方法成本高昂且局限性明显。本发明提供的车流量仿真系统,通过模拟车辆在道路上的运行,提供了高度可控的仿真环境,有助于交通管理者、城市规划者和研究人员更好地理解和优化交通系统。作为进一步的改进,本系统既可以模拟正常交通流动,还能模拟各种复杂情况,如道路工程、交通事故等,为交通管理和规划提供了强大的工具。本发明提供的车流量仿真系统具有实时性、可扩展性和高精度,能够为决策者提供准确的交通数据和支持。通过分析仿真结果,可以优化道路设计、改进交通信号设置、制定更有效的交通管理策略,提高交通系统的效率、减少交通拥堵,改善道路安全性。
本发明提供的一种基于视频的道路仿真方法及系统,综合路面条件、车辆模型的类型、虚拟交叉口模型采用的交叉口车道配置方式、交通信号和标志规则、交叉口交通规则等,全面准确的对道路交通状态进行模拟仿真,具有仿真可靠性高的优点。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (8)
1.一种基于视频的道路仿真方法,其特征在于,包括以下步骤:
步骤1,采集得到实际道路场景视频数据;
步骤2,采用计算机视觉方法,对所述实际道路场景视频数据进行实时分析和物体识别,识别到车辆行驶状态和道路状态;
步骤3,根据实时分析到的车辆行驶状态和道路状态,生成对应的车辆模型和道路网络模型,并模拟车辆模型在所述道路网络模型中的行驶状态,评估交通状态。
2.根据权利要求1所述的一种基于视频的道路仿真方法,其特征在于,步骤3包括:
步骤3.1,车辆建模:建立各种类型的车辆模型;每种类型的车辆模型具有车辆参数,包括:车辆类型、车辆尺寸、车辆质量和车辆引擎性能;根据每种车辆模型的车辆参数,生成对应的车辆运动模型;
步骤3.2,道路网络建模:
步骤3.2.1,根据识别到的道路状态,建立道路网络的拓扑结构,包括:
步骤3.2.1.1,定义道路分段,配置每个所述道路分段的道路分段属性,包括:道路分段类型、长度、宽度、车道数量、路面条件、道路曲率和道路限速;
步骤3.2.1.2,对于多车道的道路分段,定义车道变化规则,包括车道合并规则和车道分离规则;
步骤3.2.1.3,定义道路分段之间的连接方式,包括交叉口、匝道和连接道连接方式;
从而生成道路网络的拓扑结构;
步骤3.2.2,在所述道路网络的拓扑结构中,在交叉口位置定义虚拟交叉口模型,所述虚拟交叉口模型包括以下配置信息:交叉口位置坐标、交叉口车道配置方式、交通信号和标志规则、交叉口交通规则以及行人和非机动车模型;
其中:所述交通信号和标志规则,用于描述交叉口位置的交通信号灯和标志的控制规则,包括:交通信号灯的状态序列、绿灯时间、黄灯时间、红灯时间,以及交通标志的位置和内容;
所述交叉口交通规则,用于描述交叉口位置的交通规则,包括:优先通行规则、直行转弯规则和让行规则;
所述行人和非机动车模型,用于描述当交叉口存在行人和非机动车辆时,定义行人行走速度、非机动车行驶速度以及交叉口行人通行信号;
从而生成道路网络模型;
步骤3.3,基于所述车辆模型和所述道路网络模型,构建车流量仿真模拟平台,所述车流量仿真模拟平台对交通状态进行实时仿真模拟,包括:
步骤3.3.1,设定模拟初始条件,包括:设置每个道路分段的路面条件;设置采用的虚拟交叉口模型;设置采用的车辆模型以及车辆模型的数量;设置每种车辆模型的初始位置、初始速度和行驶方向;
步骤3.3.2,设定仿真时间步进;
步骤3.3.3,模拟引擎根据所述模拟初始条件,生成对应配置的道路网络模型,并根据所述车辆模型的初始位置,在所述道路网络模型的对应位置生成所述车辆模型;
调用所述车辆模型对应的车辆运动模型,所述模拟引擎对所述车辆模型在所述道路网络模型的行驶状态进行模拟,具体为:所述模拟引擎综合所述车辆模型对应的车辆运动模型以及当前道路分段的路面条件,根据所述车辆模型的当前位置和速度,得到下一个时间步进的新位置和速度;当达到下一个时间步进时,更新所述车辆模型的位置和速度;当所述车辆模型行驶到交叉口位置时,根据所述虚拟交叉口模型,对所述车辆模型通过所述交叉口的通过方式进行模拟。
3.根据权利要求1所述的一种基于视频的道路仿真方法,其特征在于,步骤3还包括:
模拟车辆驾驶行为:通过改变所述车辆模型的行驶速度进行模拟,监测道路交通状态;
模拟交通信号:模拟不同交通信号状态下的车辆模型行驶行为,监测道路交通状态;
模拟道路条件:模拟不同路面条件下的车辆模型行驶行为,监测道路交通状态;
模拟各类车辆模型:改变车辆模型的种类,进而对不同种类的车辆模型的行驶行为进行模拟,监测道路交通状态。
4.根据权利要求1所述的一种基于视频的道路仿真方法,其特征在于,步骤3还包括:
所述车流量仿真模拟平台具有实时交互性,在进行仿真模拟过程中,可实时修改模拟参数,包括:路面条件、虚拟交叉口模型和车辆模型,并监测模拟参数对车流量的影响,从而进行交通实时决策和优化。
5.根据权利要求1所述的一种基于视频的道路仿真方法,其特征在于,步骤3还包括:
数据记录和分析:所述车流量仿真模拟平台在进行仿真模拟过程中,实时记录模拟过程中的关键数据,用于交通流量分析、模型验证和决策支持。
6.根据权利要求1所述的一种基于视频的道路仿真方法,其特征在于,还包括:
步骤3.4,通过分析所述车流量仿真模拟平台的仿真结果,优化道路设计、改进交通信号设置和制定交通管理策略。
7.根据权利要求6所述的一种基于视频的道路仿真方法,其特征在于,步骤3.4具体为:
步骤3.4.1,道路设计优化:通过模拟不同参数的道路、车道配置和虚拟交叉口模型,分析交通流量、拥堵情况和行车速度,进而评估不同道路设计方案的性能,进而指导优化道路设计;
步骤3.4.2,交通信号设置优化:模拟不同交通信号设置对交通流量的影响,具体为:调整交通信号的定时、协调和相位,评估不同交通信号设置对交通流量的控制效果,进而指导交通信号设置优化,减少交通拥堵、优化交通信号协调和提高通行效率;
步骤3.4.3,交通管理策略制定优化:制定和测试不同交通管理策略,包括:公共交通优先策略、高峰时段限行策略、事件管理策略,进而指导优化交通管理策略。
8.一种权利要求1至7任一项所述的一种基于视频的道路仿真方法的系统,其特征在于,包括:
实际道路场景视频数据采集模块,用于采集得到实际道路场景视频数据;
计算机视觉模块,用于采用计算机视觉方法,对所述实际道路场景视频数据进行实时分析和物体识别,识别到车辆行驶状态和道路状态;
车流量仿真模拟平台,用于根据实时分析到的车辆行驶状态和道路状态,生成对应的车辆模型和道路网络模型,并模拟车辆模型在所述道路网络模型中的行驶状态,评估交通状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410261243.4A CN118332762A (zh) | 2024-03-07 | 2024-03-07 | 一种基于视频的道路仿真方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410261243.4A CN118332762A (zh) | 2024-03-07 | 2024-03-07 | 一种基于视频的道路仿真方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118332762A true CN118332762A (zh) | 2024-07-12 |
Family
ID=91773409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410261243.4A Pending CN118332762A (zh) | 2024-03-07 | 2024-03-07 | 一种基于视频的道路仿真方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118332762A (zh) |
-
2024
- 2024-03-07 CN CN202410261243.4A patent/CN118332762A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11554785B2 (en) | Driving scenario machine learning network and driving environment simulation | |
CN112740188A (zh) | 使用偏差进行基于日志的模拟 | |
CN114077541A (zh) | 验证用于自动驾驶车辆的自动控制软件的方法和系统 | |
CN107490384B (zh) | 一种基于城市路网的最优静态路径选择方法 | |
CN113050455A (zh) | 一种用于智能网联汽车的数字孪生测试系统及控制方法 | |
CN110751847B (zh) | 一种自动驾驶车辆行为决策方法及系统 | |
CN112819968B (zh) | 基于混合现实的自动驾驶车辆的测试方法和装置 | |
CN110716529A (zh) | 一种自动驾驶测试用例自动生成方法和装置 | |
JP2004199287A (ja) | 道路交通シミュレーション装置 | |
CN108520635B (zh) | 一种混合现实道路显示系统 | |
CN113887037B (zh) | 一种不同渗透率的网联环境下自动驾驶系统测评方法 | |
Lee | Modeling gap acceptance at freeway merges | |
US20230150549A1 (en) | Hybrid log simulated driving | |
CN116597690B (zh) | 智能网联汽车的高速公路测试场景生成方法、设备及介质 | |
CN118228612B (zh) | 一种基于强化学习的自然性自动驾驶场景生成方法及装置 | |
CN118135868B (zh) | 一种基于数字孪生技术的驾驶模拟控制系统及方法 | |
CN116917827A (zh) | 驾驶仿真中的代理转换 | |
CN115291515A (zh) | 一种基于数字孪生的自动驾驶仿真测试系统及评价方法 | |
Wenl et al. | LimSim: A long-term interactive multi-scenario traffic simulator | |
CN108648480B (zh) | 一种基于混合现实的道路隔离模型显示方法及存储介质 | |
CN108711298B (zh) | 一种混合现实道路显示方法 | |
CN118332762A (zh) | 一种基于视频的道路仿真方法及系统 | |
US20220172606A1 (en) | Systems and Methods for Extracting Data From Autonomous Vehicles | |
CN115432008A (zh) | 一种基于优化多任务的自动驾驶决策规划方法、电子设备及计算机存储介质 | |
CN113284338A (zh) | 机动车紧急避让无灯控人行横道对交通流影响的计算方法 |
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 |