【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及車聯(lián)網(wǎng)，尤其涉及一種全息路網(wǎng)與車聯(lián)網(wǎng)融合方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。
技術(shù)介紹
1、在智能交通系統(tǒng)領(lǐng)域，全息路網(wǎng)與車聯(lián)網(wǎng)的融合是實(shí)現(xiàn)高效、安全和可持續(xù)交通管理的關(guān)鍵技術(shù)。全息路網(wǎng)提供了精確的道路基礎(chǔ)設(shè)施信息，而車聯(lián)網(wǎng)則實(shí)時(shí)捕獲車輛動(dòng)態(tài)數(shù)據(jù)。任何有效融合這兩個(gè)系統(tǒng)，對(duì)于優(yōu)化交通流、提高道路利用率和增強(qiáng)交通安全具有重要意義。
2、現(xiàn)今，通過嘗試使用數(shù)據(jù)融合算法和機(jī)器學(xué)習(xí)技術(shù)來整合全息路網(wǎng)和車聯(lián)網(wǎng)數(shù)據(jù)，或者應(yīng)用邊緣計(jì)算方法來處理大量實(shí)時(shí)信息。然而，這些方法仍然面臨著數(shù)據(jù)異構(gòu)性處理、實(shí)時(shí)性保障和動(dòng)態(tài)環(huán)境適應(yīng)等方面的挑戰(zhàn)。此外，現(xiàn)有的融合方法往往忽視了交通系統(tǒng)的一些獨(dú)特特征，如路網(wǎng)拓?fù)浣Y(jié)構(gòu)的復(fù)雜性、車輛行為的隨機(jī)性、交通流模式的時(shí)空變化等，而這些因素可能對(duì)融合效果產(chǎn)生顯著影響，即現(xiàn)有的全息路網(wǎng)與車聯(lián)網(wǎng)融合方法未能充分考慮多源數(shù)據(jù)的特性和交通系統(tǒng)的獨(dú)特屬性，導(dǎo)致融合結(jié)果的準(zhǔn)確性較低。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的主要目的在于解決全息路網(wǎng)與車聯(lián)網(wǎng)融合方法未能充分考慮多源數(shù)據(jù)的特性和交通系統(tǒng)的獨(dú)特屬性，導(dǎo)致融合結(jié)果的準(zhǔn)確性較低的問題。
2、本專利技術(shù)第一方面提供了一種全息路網(wǎng)與車聯(lián)網(wǎng)融合方法，所述全息路網(wǎng)與車聯(lián)網(wǎng)融合方法包括：獲取目標(biāo)傳感器采集全系路網(wǎng)和車聯(lián)網(wǎng)的多源異構(gòu)數(shù)據(jù)，并對(duì)所述多源異構(gòu)數(shù)據(jù)進(jìn)行自適應(yīng)多模態(tài)預(yù)處理，得到預(yù)處理后的多源異構(gòu)數(shù)據(jù)；對(duì)所述預(yù)處理后的多源異構(gòu)數(shù)據(jù)進(jìn)行時(shí)空對(duì)齊，得到時(shí)空對(duì)齊的多源異構(gòu)數(shù)據(jù)，并對(duì)所述時(shí)空對(duì)齊的多源異構(gòu)數(shù)據(jù)進(jìn)行層次化結(jié)構(gòu)
3、可選的，在本專利技術(shù)第一方面的第一種實(shí)現(xiàn)方式中，所述對(duì)所述預(yù)處理后的多源異構(gòu)數(shù)據(jù)進(jìn)行時(shí)空對(duì)齊，得到時(shí)空對(duì)齊的多源異構(gòu)數(shù)據(jù)，包括：對(duì)所述多源異構(gòu)數(shù)據(jù)進(jìn)行時(shí)間序列分析和頻率域分解，得到多頻段時(shí)間成分，并對(duì)所述多頻段時(shí)間成分進(jìn)行各頻段的窗口計(jì)算和時(shí)間序列的合并整理，得到多分辨率的多源異構(gòu)時(shí)間序列數(shù)據(jù)；對(duì)所述多源異構(gòu)時(shí)間序列數(shù)據(jù)進(jìn)行多目標(biāo)傳感器的空間配準(zhǔn)和多源時(shí)鐘同步，得到時(shí)空基準(zhǔn)多源數(shù)據(jù)，并對(duì)所述時(shí)空基準(zhǔn)多源數(shù)據(jù)進(jìn)行動(dòng)態(tài)坐標(biāo)系轉(zhuǎn)換，得到全局參考系的全局坐標(biāo)多源數(shù)據(jù)；對(duì)所述全局坐標(biāo)多源數(shù)據(jù)進(jìn)行多目標(biāo)傳感器的數(shù)據(jù)流對(duì)齊，得到同步多源數(shù)據(jù)流，并構(gòu)建出所述同步多源數(shù)據(jù)流對(duì)應(yīng)的多維時(shí)空索引，得到時(shí)空對(duì)齊的多源異構(gòu)數(shù)據(jù)。
4、可選的，在本專利技術(shù)第一方面的第二種實(shí)現(xiàn)方式中，所述對(duì)所述時(shí)空對(duì)齊的多源異構(gòu)數(shù)據(jù)進(jìn)行層次化結(jié)構(gòu)重組，得到多源交通重組數(shù)據(jù)，包括：對(duì)所述時(shí)空對(duì)齊的多源異構(gòu)數(shù)據(jù)進(jìn)行多模態(tài)異常檢測(cè)，得到多源異常標(biāo)記數(shù)據(jù)，并對(duì)所述多源異常標(biāo)記數(shù)據(jù)進(jìn)行上下文感知的數(shù)據(jù)修復(fù)，得到初步修復(fù)的多源異構(gòu)數(shù)據(jù)；對(duì)所述初步修復(fù)的多源異構(gòu)數(shù)據(jù)進(jìn)行自適應(yīng)多尺度濾波，得到噪聲抑制的多源異構(gòu)數(shù)據(jù)，并對(duì)所述噪聲抑制的多源異構(gòu)數(shù)據(jù)進(jìn)行多模態(tài)數(shù)據(jù)交通場(chǎng)景的分割與融合，得到語義分割的多源交通場(chǎng)景；對(duì)所述語義分割的多源交通場(chǎng)景進(jìn)行交通關(guān)鍵要素提取與交通屬性標(biāo)注，得到多源交通結(jié)構(gòu)化表示，并對(duì)所述多源交通結(jié)構(gòu)化表示進(jìn)行時(shí)空動(dòng)態(tài)特性建模，得到多源交通重組數(shù)據(jù)。
5、可選的，在本專利技術(shù)第一方面的第三種實(shí)現(xiàn)方式中，所述提取所述多源交通重組數(shù)據(jù)中的多尺度時(shí)空特征，得到交通特征向量集和初步動(dòng)態(tài)交通知識(shí)表示，包括：對(duì)所述多源交通重組數(shù)據(jù)進(jìn)行路網(wǎng)拓?fù)涮卣骱蛙囕v軌跡特征提取，得到初始路網(wǎng)與車輛特征集，并對(duì)所述初始路網(wǎng)與車輛特征集進(jìn)行時(shí)間序列分段與周期性分析，得到多尺度交通流量特征；對(duì)所述多尺度交通流量特征進(jìn)行路段級(jí)和區(qū)域級(jí)空間聚合，得到多層次交通狀態(tài)表示，并對(duì)所述多層次交通狀態(tài)表示進(jìn)行路網(wǎng)拓?fù)湟龑?dǎo)的長程依賴分析，得到全局交通關(guān)聯(lián)特征；基于預(yù)設(shè)的交通場(chǎng)景事件，對(duì)所述全局交通關(guān)聯(lián)特征進(jìn)行動(dòng)態(tài)特征篩選與融合，得到交通場(chǎng)景表征，并對(duì)所述交通場(chǎng)景表征進(jìn)行交通知識(shí)圖譜構(gòu)建和規(guī)則推理，得到交通特征向量集和初步動(dòng)態(tài)交通知識(shí)表示。
6、可選的，在本專利技術(shù)第一方面的第四種實(shí)現(xiàn)方式中，所述基于所述交通特征向量集和所述初步動(dòng)態(tài)交通知識(shí)表示，對(duì)所述多源交通重組數(shù)據(jù)進(jìn)行多層次語義關(guān)聯(lián)，得到增強(qiáng)動(dòng)態(tài)知識(shí)表示，包括：對(duì)所述交通特征向量集進(jìn)行路網(wǎng)結(jié)構(gòu)與車輛軌跡的多尺度匹配，得到路網(wǎng)與車輛關(guān)聯(lián)映射，并對(duì)所述路網(wǎng)與車輛關(guān)聯(lián)映射進(jìn)行時(shí)空一致性約束和動(dòng)態(tài)平滑處理，得到特征精細(xì)對(duì)齊的交通要素特征；對(duì)所述交通要素特征初步動(dòng)態(tài)交通知識(shí)表示進(jìn)行層次化交通場(chǎng)景圖構(gòu)建，得到多層次交通語義網(wǎng)絡(luò)，并基于預(yù)設(shè)的交通行駛規(guī)范，對(duì)所述多層次交通語義網(wǎng)絡(luò)進(jìn)行交通規(guī)則的上下文推理和相關(guān)性分析，得到交通語義關(guān)聯(lián)強(qiáng)度矩陣；基于預(yù)設(shè)的歷史交通模式，對(duì)交通語義關(guān)聯(lián)強(qiáng)度矩陣進(jìn)行迭代推理和語義描述的檢測(cè)，生成交通場(chǎng)景語義關(guān)系集合，并對(duì)所述交通場(chǎng)景語義關(guān)系集合進(jìn)行交通異常檢測(cè)和關(guān)系動(dòng)態(tài)更新，得到時(shí)變交通知識(shí)圖譜；對(duì)所述時(shí)變交通知識(shí)圖譜和所述初步動(dòng)態(tài)交通知識(shí)表示進(jìn)行多源信息的融合和交通行駛知識(shí)的推理，得到增強(qiáng)動(dòng)態(tài)知識(shí)表示。
7、可選的，在本專利技術(shù)第一方面的第五種實(shí)現(xiàn)方式中，所述基于所述增強(qiáng)動(dòng)態(tài)知識(shí)表示，對(duì)所述多源交通重組數(shù)據(jù)進(jìn)行深度概率融合和不確定性建模，得到交通感知概率分布，包括：對(duì)所述增強(qiáng)動(dòng)態(tài)知識(shí)表示進(jìn)行多層次交通網(wǎng)絡(luò)概率圖構(gòu)建，得到層次化交通狀態(tài)概率分布，并基于預(yù)設(shè)的歷史交通數(shù)據(jù)，對(duì)所述層次化交通狀態(tài)概率分布進(jìn)行時(shí)空一致性對(duì)比和各層次對(duì)應(yīng)初步動(dòng)態(tài)交通知識(shí)表示的權(quán)重調(diào)整，得到各層次對(duì)應(yīng)初步動(dòng)態(tài)交通知識(shí)表示的數(shù)據(jù)置信度權(quán)重；對(duì)所述數(shù)據(jù)置信度權(quán)重和所述層次化交通狀態(tài)概率分布進(jìn)行貝葉斯融合，得到更新的交通狀態(tài)后驗(yàn)概率，并對(duì)所述交通狀態(tài)后驗(yàn)概率進(jìn)行時(shí)空相關(guān)性分析和馬爾可夫隨機(jī)場(chǎng)建模，生成動(dòng)態(tài)交通系統(tǒng)演化模型；對(duì)所述動(dòng)態(tài)交通系統(tǒng)演化模型進(jìn)行多目標(biāo)交通優(yōu)化求解，得到交通狀態(tài)預(yù)測(cè)和交通控制策略集，并對(duì)所述交通狀態(tài)預(yù)測(cè)和所述交通控制策略集進(jìn)行實(shí)時(shí)交通數(shù)據(jù)驗(yàn)證和更新，得到交通感知概率分布。
8、可選的，在本專利技術(shù)第一方面的第六種實(shí)現(xiàn)方式中，所述基于所述交通感知概率分布構(gòu)建高精度動(dòng)態(tài)語義地圖，得到融合后的多分辨率地圖表示，包括：對(duì)所述交通感知概率分布進(jìn)行多層次交通網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)提取，得到初步交通語義骨架圖，并對(duì)所述初步交通語義骨架圖進(jìn)行時(shí)空插值和動(dòng)態(tài)特征補(bǔ)全，得到連續(xù)多維交通場(chǎng)景表示；基于所述交通感知概率分布，對(duì)所述連續(xù)多維交通場(chǎng)景表示進(jìn)行概率評(píng)估和不確定性區(qū)域的識(shí)別，得到區(qū)域識(shí)別結(jié)果，并基于所述時(shí)變交通知識(shí)圖譜，對(duì)所述不確定性區(qū)域進(jìn)行語義補(bǔ)充，得到語義補(bǔ)充結(jié)果；基于所述語義補(bǔ)充結(jié)果，對(duì)所述連續(xù)多維交通場(chǎng)景表示進(jìn)行一致性約束和地圖整合，生成動(dòng)態(tài)交通語義地圖，并對(duì)所述動(dòng)態(tài)交通語義地圖進(jìn)行交通流變化檢測(cè)和局部更新，生成時(shí)變交通網(wǎng)絡(luò)模型；對(duì)所述時(shí)變交通網(wǎng)絡(luò)本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種全息路網(wǎng)與車聯(lián)網(wǎng)融合方法，其特征在于，所述全息路網(wǎng)與車聯(lián)網(wǎng)融合方法包括：
2.根據(jù)權(quán)利要求1所述全息路網(wǎng)與車聯(lián)網(wǎng)融合方法，其特征在于，所述對(duì)所述預(yù)處理后的多源異構(gòu)數(shù)據(jù)進(jìn)行時(shí)空對(duì)齊，得到時(shí)空對(duì)齊的多源異構(gòu)數(shù)據(jù)，包括：
3.根據(jù)權(quán)利要求1所述全息路網(wǎng)與車聯(lián)網(wǎng)融合方法，其特征在于，所述對(duì)所述時(shí)空對(duì)齊的多源異構(gòu)數(shù)據(jù)進(jìn)行層次化結(jié)構(gòu)重組，得到多源交通重組數(shù)據(jù)，包括：
4.根據(jù)權(quán)利要求1所述全息路網(wǎng)與車聯(lián)網(wǎng)融合方法，其特征在于，所述提取所述多源交通重組數(shù)據(jù)中的多尺度時(shí)空特征，得到交通特征向量集和初步動(dòng)態(tài)交通知識(shí)表示，包括：
5.根據(jù)權(quán)利要求4所述全息路網(wǎng)與車聯(lián)網(wǎng)融合方法，其特征在于，所述基于所述交通特征向量集和所述初步動(dòng)態(tài)交通知識(shí)表示，對(duì)所述多源交通重組數(shù)據(jù)進(jìn)行多層次語義關(guān)聯(lián)，得到增強(qiáng)動(dòng)態(tài)知識(shí)表示，包括：
6.根據(jù)權(quán)利要求5所述全息路網(wǎng)與車聯(lián)網(wǎng)融合方法，其特征在于，所述基于所述增強(qiáng)動(dòng)態(tài)知識(shí)表示，對(duì)所述多源交通重組數(shù)據(jù)進(jìn)行深度概率融合和不確定性建模，得到交通感知概率分布，包括：
7.根據(jù)權(quán)利要求6所述全息路網(wǎng)與車聯(lián)網(wǎng)
8.一種全息路網(wǎng)與車聯(lián)網(wǎng)融合裝置，其特征在于，所述全息路網(wǎng)與車聯(lián)網(wǎng)融合裝置包括：
9.一種全息路網(wǎng)與車聯(lián)網(wǎng)融合設(shè)備，其特征在于，所述全息路網(wǎng)與車聯(lián)網(wǎng)融合設(shè)備包括：存儲(chǔ)器和至少一個(gè)處理器，所述存儲(chǔ)器中存儲(chǔ)有指令；
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有指令，其特征在于，所述指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7中任一項(xiàng)所述全息路網(wǎng)與車聯(lián)網(wǎng)融合方法的各個(gè)步驟。
...【技術(shù)特征摘要】
1.一種全息路網(wǎng)與車聯(lián)網(wǎng)融合方法，其特征在于，所述全息路網(wǎng)與車聯(lián)網(wǎng)融合方法包括：
2.根據(jù)權(quán)利要求1所述全息路網(wǎng)與車聯(lián)網(wǎng)融合方法，其特征在于，所述對(duì)所述預(yù)處理后的多源異構(gòu)數(shù)據(jù)進(jìn)行時(shí)空對(duì)齊，得到時(shí)空對(duì)齊的多源異構(gòu)數(shù)據(jù)，包括：
3.根據(jù)權(quán)利要求1所述全息路網(wǎng)與車聯(lián)網(wǎng)融合方法，其特征在于，所述對(duì)所述時(shí)空對(duì)齊的多源異構(gòu)數(shù)據(jù)進(jìn)行層次化結(jié)構(gòu)重組，得到多源交通重組數(shù)據(jù)，包括：
4.根據(jù)權(quán)利要求1所述全息路網(wǎng)與車聯(lián)網(wǎng)融合方法，其特征在于，所述提取所述多源交通重組數(shù)據(jù)中的多尺度時(shí)空特征，得到交通特征向量集和初步動(dòng)態(tài)交通知識(shí)表示，包括：
5.根據(jù)權(quán)利要求4所述全息路網(wǎng)與車聯(lián)網(wǎng)融合方法，其特征在于，所述基于所述交通特征向量集和所述初步動(dòng)態(tài)交通知識(shí)表示，對(duì)所述多源交通重組數(shù)據(jù)進(jìn)行多層次語義關(guān)聯(lián)，得到增強(qiáng)動(dòng)態(tài)知識(shí)表示，包括：
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉世才，魏波，
申請(qǐng)(專利權(quán))人：深圳市拓必達(dá)科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。