基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法及系統(tǒng)技術(shù)方案

本發(fā)明專利技術(shù)涉及一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法及系統(tǒng)，該方法包括：基于監(jiān)控視頻的圖像序列提取運(yùn)動(dòng)車輛得到車輛軌跡數(shù)據(jù)，對(duì)各個(gè)車輛類型的車輛軌跡數(shù)據(jù)進(jìn)行數(shù)理統(tǒng)計(jì)得到交通流數(shù)據(jù)；基于雷達(dá)微波數(shù)據(jù)和地磁線圈數(shù)據(jù)分別提取交通流數(shù)據(jù)；對(duì)車輛軌跡數(shù)據(jù)、雷達(dá)微波數(shù)據(jù)和地磁線圈數(shù)據(jù)分別得到交通流數(shù)據(jù)中的任意參數(shù)按照設(shè)定的各個(gè)權(quán)重進(jìn)行融合。對(duì)多源異構(gòu)信息在形式上具有的多樣性和復(fù)雜性特點(diǎn)，針對(duì)線圈數(shù)據(jù)、雷達(dá)微波數(shù)據(jù)與道路監(jiān)控視頻監(jiān)控視頻這三個(gè)來(lái)源的數(shù)據(jù)進(jìn)行處理，結(jié)合數(shù)據(jù)挖掘與數(shù)據(jù)融合技術(shù)，構(gòu)建多模態(tài)信息融合模型。基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的有效融合，可以獲得更有用且全面的交通信息，更好的解決城市交通問題。

Multi parameter fusion method and system based on real-time traffic data

【技術(shù)實(shí)現(xiàn)步驟摘要】
基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法及系統(tǒng)
本專利技術(shù)涉及道路交通仿真
，尤其涉及一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法及系統(tǒng)。
技術(shù)介紹
隨著汽車保有量的大幅增長(zhǎng)，交通擁堵不僅影響著居民的生活，更成為了阻礙了國(guó)民經(jīng)濟(jì)的進(jìn)一步發(fā)展的“城市病”。道路交通擁堵產(chǎn)生的根本原因是交通需求與交通供給在時(shí)間和空間上的不平衡引起的。當(dāng)前，傳統(tǒng)的道路交通數(shù)據(jù)應(yīng)用大多僅針對(duì)單數(shù)據(jù)源數(shù)據(jù)，不能獲得全面且準(zhǔn)確的道路交通狀態(tài)及交通需求，因此不能有效地解決道路交通擁堵問題。隨著城市道路及配套設(shè)施建設(shè)的不斷完善，雷達(dá)微波、道路監(jiān)控及地磁線圈等道路監(jiān)控設(shè)施產(chǎn)生了海量的道路交通大數(shù)據(jù)。如何從全量全樣大數(shù)據(jù)中提取更有用且全面的交通信息成為要解決的問題。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)針對(duì)現(xiàn)有技術(shù)中存在的技術(shù)問題，提供一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法及系統(tǒng)，解決現(xiàn)有技術(shù)中交通大數(shù)據(jù)的數(shù)據(jù)量大的問題。本專利技術(shù)解決上述技術(shù)問題的技術(shù)方案如下：一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法，所述方法包括：步驟1，基于監(jiān)控視頻的圖像序列提取運(yùn)動(dòng)車輛得到車輛軌跡數(shù)據(jù)，對(duì)各個(gè)車輛類型的車輛軌跡數(shù)據(jù)進(jìn)行數(shù)理統(tǒng)計(jì)得到交通流數(shù)據(jù)，所述車輛類型包括大型車輛和小型車輛；步驟2，基于雷達(dá)微波數(shù)據(jù)和地磁線圈數(shù)據(jù)分別提取交通流數(shù)據(jù)；步驟3，對(duì)所述車輛軌跡數(shù)據(jù)、雷達(dá)微波數(shù)據(jù)和地磁線圈數(shù)據(jù)分別得到交通流數(shù)據(jù)中的任意參數(shù)按照設(shè)定的各個(gè)權(quán)重進(jìn)行融合。一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合系統(tǒng)，所述系統(tǒng)包括：監(jiān)控視頻數(shù)據(jù)處理模塊、雷達(dá)微波和地磁線圈數(shù)據(jù)處理模塊和數(shù)據(jù)融合模塊；監(jiān)控視頻數(shù)據(jù)處理模塊，用于基于監(jiān)控視頻的圖像序列提取運(yùn)動(dòng)車輛得到車輛軌跡數(shù)據(jù)，對(duì)各個(gè)車輛類型的車輛軌跡數(shù)據(jù)進(jìn)行數(shù)理統(tǒng)計(jì)得到交通流數(shù)據(jù)，所述車輛類型包括大型車輛和小型車輛；雷達(dá)微波和地磁線圈數(shù)據(jù)處理模塊，用于基于雷達(dá)微波數(shù)據(jù)和地磁線圈數(shù)據(jù)分別提取交通流數(shù)據(jù)；數(shù)據(jù)融合模塊，對(duì)所述車輛軌跡數(shù)據(jù)、雷達(dá)微波數(shù)據(jù)和地磁線圈數(shù)據(jù)分別得到交通流數(shù)據(jù)中的任意參數(shù)按照設(shè)定的各個(gè)權(quán)重進(jìn)行融合。本專利技術(shù)的有益效果是：針對(duì)多源異構(gòu)信息在形式上具有的多樣性和復(fù)雜性特點(diǎn)，針對(duì)線圈數(shù)據(jù)、雷達(dá)微波數(shù)據(jù)與道路監(jiān)控視頻監(jiān)控視頻這三個(gè)來(lái)源的數(shù)據(jù)進(jìn)行處理，結(jié)合數(shù)據(jù)挖掘與數(shù)據(jù)融合技術(shù)，構(gòu)建多模態(tài)信息融合模型。基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的有效融合，可以獲得更有用且全面的交通信息，更好的解決城市交通問題。在上述技術(shù)方案的基礎(chǔ)上，本專利技術(shù)還可以做如下改進(jìn)。進(jìn)一步，所述車輛軌跡數(shù)據(jù)包括：時(shí)間戳、車輛ID、車輛類型、車速、位置信息、所在車道信息和軌跡方向角的時(shí)序軌跡數(shù)據(jù)。進(jìn)一步，得到所述車輛軌跡數(shù)據(jù)的方法包括：步驟101，從所述監(jiān)控視頻的圖像序列中提取所述運(yùn)動(dòng)車輛；步驟102，在所述監(jiān)控視頻的初始幀給定的目標(biāo)檢測(cè)框得到要跟蹤的目標(biāo)運(yùn)動(dòng)車輛；步驟103，通過深度學(xué)習(xí)得到所述目標(biāo)運(yùn)動(dòng)車輛的特性，根據(jù)所述特性在各個(gè)視頻幀中定位所述目標(biāo)運(yùn)動(dòng)車輛；步驟104，根據(jù)監(jiān)控?cái)z像機(jī)像素坐標(biāo)與世界坐標(biāo)系的映射關(guān)系，獲得所述目標(biāo)運(yùn)動(dòng)車輛在任一時(shí)間戳下的車輛ID、車輛長(zhǎng)、車輛寬、位置信息、所在車道信息和軌跡方向角；根據(jù)車輛長(zhǎng)和車輛寬確定車輛類型；根據(jù)兩個(gè)采樣點(diǎn)之間的車輛位置坐標(biāo)變化與采樣時(shí)間間隔比值計(jì)算所述車速；根據(jù)兩個(gè)采樣點(diǎn)之間的車輛位置坐標(biāo)變化確定所述軌跡方向角。進(jìn)一步，所述交通流數(shù)據(jù)包括：路段斷面車流量、實(shí)時(shí)單車速度、平均速度、交通密度、占有率、車輛類型、排隊(duì)長(zhǎng)度以及車頭時(shí)距。進(jìn)一步，所述步驟1中還包括：基于所述監(jiān)控視頻提取道路環(huán)境特征數(shù)據(jù)，所述道路環(huán)境特征數(shù)據(jù)包括天氣特征參數(shù)和突發(fā)事件發(fā)生狀況。進(jìn)一步，所述步驟3中，根據(jù)天氣特征參數(shù)、基于車輛軌跡數(shù)據(jù)的車流量、基于車輛軌跡數(shù)據(jù)的平均車速和基于車輛軌跡數(shù)據(jù)的大車比例確定各個(gè)權(quán)重，計(jì)算所述參數(shù)的加權(quán)平均值為融合后的參數(shù)值。進(jìn)一步，所述步驟3中還包括剔除所述車輛軌跡數(shù)據(jù)中異常軌跡。采用上述進(jìn)一步方案的有益效果是：實(shí)現(xiàn)獲取交通流數(shù)據(jù)中的某一需求參數(shù)的更精確結(jié)果，如基于車輛軌跡數(shù)據(jù)提取路段某一特征向量(如流量、密度、速度等)后，與基于車型分類的車流數(shù)據(jù)中相應(yīng)的參量通過某一融合算法得到該參量的精確融合結(jié)果。通過對(duì)交通流數(shù)據(jù)的參數(shù)融合，可實(shí)現(xiàn)對(duì)交通流數(shù)據(jù)的補(bǔ)充，同時(shí)可以剔除軌跡數(shù)據(jù)中異常軌跡。附圖說(shuō)明圖1為專利技術(shù)提供的一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法的流程圖；圖2為專利技術(shù)提供的一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法的實(shí)施例的流程圖；圖3為本專利技術(shù)實(shí)施例提供的基于監(jiān)控視頻提取數(shù)據(jù)的流程圖；圖4為本專利技術(shù)一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合系統(tǒng)的實(shí)施例的結(jié)構(gòu)框圖；圖5為本專利技術(shù)實(shí)施例提供的一種電子設(shè)備的實(shí)體結(jié)構(gòu)示意圖。附圖中，各標(biāo)號(hào)所代表的部件列表如下：101、監(jiān)控視頻數(shù)據(jù)處理模塊，102、雷達(dá)微波和地磁線圈數(shù)據(jù)處理模塊，103、數(shù)據(jù)融合模塊，201、處理器，202、通信接口，203、存儲(chǔ)器，204、通信總線。具體實(shí)施方式以下結(jié)合附圖對(duì)本專利技術(shù)的原理和特征進(jìn)行描述，所舉實(shí)例只用于解釋本專利技術(shù)，并非用于限定本專利技術(shù)的范圍。如圖1所示為專利技術(shù)提供的一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法的流程圖，由圖1可知，該方法包括：步驟1，基于監(jiān)控視頻的圖像序列提取運(yùn)動(dòng)車輛得到車輛軌跡數(shù)據(jù)，對(duì)各個(gè)車輛類型的車輛軌跡數(shù)據(jù)進(jìn)行數(shù)理統(tǒng)計(jì)得到交通流數(shù)據(jù)，該車輛類型包括大型車輛和小型車輛。步驟2，基于雷達(dá)微波數(shù)據(jù)和地磁線圈數(shù)據(jù)分別提取交通流數(shù)據(jù)。步驟3，對(duì)車輛軌跡數(shù)據(jù)、雷達(dá)微波數(shù)據(jù)和地磁線圈數(shù)據(jù)分別得到交通流數(shù)據(jù)中的任意參數(shù)按照設(shè)定的各個(gè)權(quán)重進(jìn)行融合。本專利技術(shù)提供的一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法，針對(duì)多源異構(gòu)信息在形式上具有的多樣性和復(fù)雜性特點(diǎn)，針對(duì)線圈數(shù)據(jù)、雷達(dá)微波數(shù)據(jù)與道路監(jiān)控視頻監(jiān)控視頻這三個(gè)來(lái)源的數(shù)據(jù)進(jìn)行處理，結(jié)合數(shù)據(jù)挖掘與數(shù)據(jù)融合技術(shù)，構(gòu)建多模態(tài)信息融合模型。基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的有效融合，可以獲得更有用且全面的交通信息，更好的解決城市交通問題。實(shí)施例1本專利技術(shù)提供的實(shí)施例1為本專利技術(shù)提供的一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法的實(shí)施例，如圖2所示為本專利技術(shù)提供一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法的實(shí)施例的流程圖，由圖2可知，該實(shí)施例包括：步驟1，基于監(jiān)控視頻的圖像序列提取運(yùn)動(dòng)車輛得到車輛軌跡數(shù)據(jù)，對(duì)各個(gè)車輛類型的車輛軌跡數(shù)據(jù)進(jìn)行數(shù)理統(tǒng)計(jì)得到交通流數(shù)據(jù)，所述車輛類型包括大型車輛和小型車輛。如圖3所示為本專利技術(shù)實(shí)施例提供的基于監(jiān)控視頻提取數(shù)據(jù)的流程圖。車輛軌跡數(shù)據(jù)包括：時(shí)間戳、車輛ID、車輛類型、車速、位置信息、所在車道信息和軌跡方向角的時(shí)序軌跡數(shù)據(jù)。基于視頻識(shí)別可識(shí)別在籍40多類車類型，本專利技術(shù)設(shè)定車型為：大型車輛和小型車輛。如下表1所示為車輛類型示意表。<本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
1.一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法，其特征在于，所述方法包括：/n步驟1，基于監(jiān)控視頻的圖像序列提取運(yùn)動(dòng)車輛得到車輛軌跡數(shù)據(jù)，對(duì)各個(gè)車輛類型的車輛軌跡數(shù)據(jù)進(jìn)行數(shù)理統(tǒng)計(jì)得到交通流數(shù)據(jù)，所述車輛類型包括大型車輛和小型車輛；/n步驟2，基于雷達(dá)微波數(shù)據(jù)和地磁線圈數(shù)據(jù)分別提取交通流數(shù)據(jù)；/n步驟3，對(duì)所述車輛軌跡數(shù)據(jù)、雷達(dá)微波數(shù)據(jù)和地磁線圈數(shù)據(jù)分別得到交通流數(shù)據(jù)中的任意參數(shù)按照設(shè)定的各個(gè)權(quán)重進(jìn)行融合。/n

【技術(shù)特征摘要】
1.一種基于全量全樣實(shí)時(shí)交通數(shù)據(jù)的多參數(shù)融合方法，其特征在于，所述方法包括：
步驟1，基于監(jiān)控視頻的圖像序列提取運(yùn)動(dòng)車輛得到車輛軌跡數(shù)據(jù)，對(duì)各個(gè)車輛類型的車輛軌跡數(shù)據(jù)進(jìn)行數(shù)理統(tǒng)計(jì)得到交通流數(shù)據(jù)，所述車輛類型包括大型車輛和小型車輛；
步驟2，基于雷達(dá)微波數(shù)據(jù)和地磁線圈數(shù)據(jù)分別提取交通流數(shù)據(jù)；
步驟3，對(duì)所述車輛軌跡數(shù)據(jù)、雷達(dá)微波數(shù)據(jù)和地磁線圈數(shù)據(jù)分別得到交通流數(shù)據(jù)中的任意參數(shù)按照設(shè)定的各個(gè)權(quán)重進(jìn)行融合。


2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述車輛軌跡數(shù)據(jù)包括：時(shí)間戳、車輛ID、車輛類型、車速、位置信息、所在車道信息和軌跡方向角的時(shí)序軌跡數(shù)據(jù)。


3.根據(jù)權(quán)利要求2所述的方法，其特征在于，得到所述車輛軌跡數(shù)據(jù)的方法包括：
步驟101，從所述監(jiān)控視頻的圖像序列中提取所述運(yùn)動(dòng)車輛；
步驟102，在所述監(jiān)控視頻的初始幀給定的目標(biāo)檢測(cè)框得到要跟蹤的目標(biāo)運(yùn)動(dòng)車輛；
步驟103，通過深度學(xué)習(xí)得到所述目標(biāo)運(yùn)動(dòng)車輛的特性，根據(jù)所述特性在各個(gè)視頻幀中定位所述目標(biāo)運(yùn)動(dòng)車輛；
步驟104，根據(jù)監(jiān)控?cái)z像機(jī)像素坐標(biāo)與世界坐標(biāo)系的映射關(guān)系，獲得所述目標(biāo)運(yùn)動(dòng)車輛在任一時(shí)間戳下的車輛ID、車輛長(zhǎng)、車輛寬、位置信息、所在車道信息和軌跡方向角；
根據(jù)車輛長(zhǎng)和車輛寬確定車輛類型；根據(jù)兩個(gè)采樣點(diǎn)之間的車輛位置坐標(biāo)變化與采樣時(shí)間間隔比值計(jì)算所述車速；根據(jù)兩個(gè)采樣點(diǎn)之間的車輛位置坐標(biāo)變化確定所述軌跡方向角。


4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述交通流數(shù)據(jù)包括：路段斷面車流量、實(shí)時(shí)單車速度、平均速度、交通密度、占有率、車輛類型、排隊(duì)長(zhǎng)度以及車頭時(shí)距。


5.根據(jù)...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：吳韻馳，吳鋼，李琳，李娜，王方華，范翠紅，李繪圖，王慧，
申請(qǐng)(專利權(quán))人：吳鋼，吳韻馳，
類型：發(fā)明
國(guó)別省市：湖北;42