一种融合浮动车与路侧视频的高速公路拥堵状态检测方法技术

本发明专利技术公开了一种融合浮动车与路侧视频的高速公路拥堵状态检测方法，包括：S1、将高速公路的路网按长度平均划分为多个子路段区域，在各个子路段区域安装视频采集及通信模块；S2、获取被检测的子路段区域内浮动车的位置信息以及视频数据；S3、通过视频数据和浮动车的位置信息分别计算浮动车通过该子路段区域的平均时间和平均车速；S4、引入被检测的子路段区域的历史数据，通过遗传算法对小波神经网络进行训练，得到遗传算法的适应度趋于稳定时的稳定参数；并将稳定参数带入小波神经网络，求解得到当前子路段区域的精确行程时间和平均车速；S5、判别被检测的子路段区域的拥堵状态等级。本发明专利技术能准确的检测高速公路的拥堵状态，检测结果更加可靠。

【技术实现步骤摘要】
一种融合浮动车与路侧视频的高速公路拥堵状态检测方法
本专利技术涉及交通拥堵状态检测
，尤其涉及一种融合浮动车与路侧视频的高速公路拥堵状态检测方法。
技术介绍
随着我国人均汽车保有量的不断增加，已经导致交通拥堵问题逐步从城市道路蔓延至高速公路，局部路段拥堵导致的交通停滞状况屡见不鲜。为了准确预测交通拥堵状况并实现及时疏散的目标，实时高速公路拥堵状态检测尤为必要。现有技术中，传统检测方法(微波、地埋式检测器)适合大交通流量检测，较为先进的检测方法采用单一浮动车、视频等数据实现高速公路拥堵状态检测，然而由于浮动车数据本身存在样本及到达时间偏差，且视频不便于拍摄具有较长路段行程时间的车辆，因此得到的检测结果也不十分可靠，不利于实现有效的高速公路交通管理；随着车联网技术的快速发展，浮动车车载设备、路侧设备、数据服务中心三者联网成为可能，为实时融合两者检测数据创造了条件，毫无疑问将有助于得到更准确的高速公路拥堵状态检测结果。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中单一浮动车存在样本偏差及到达时间偏差的缺陷，提供一种融合浮动车与路侧视频的高速公路拥堵状态检测方法。本专利技术解本文档来自技高网...

【技术保护点】
一种融合浮动车与路侧视频的高速公路拥堵状态检测方法，其特征在于，通过设置在高速公路路侧的视频采集及通信模块，车联网环境下安装有车载通信设备的浮动车实现；该方法包括以下步骤：S1、将高速公路的路网按长度平均划分为多个子路段区域，在各个子路段区域的路侧安装视频采集及通信模块；S2、获取被检测的子路段区域内浮动车的位置信息，以及该子路段区域的视频采集及通信模块采集到的视频数据；S3、通过视频数据计算浮动车通过该子路段区域的第一平均时间和第一平均车速，根据浮动车的位置信息计算浮动车通过该子路段区域的第二平均时间和第二平均车速；S4、引入被检测的子路段区域的历史数据，通过遗传算法对小波神经网络进行训练，...

【技术特征摘要】
1.一种融合浮动车与路侧视频的高速公路拥堵状态检测方法，其特征在于，通过设置在高速公路路侧的视频采集及通信模块，车联网环境下安装有车载通信设备的浮动车实现；该方法包括以下步骤：S1、将高速公路的路网按长度平均划分为多个子路段区域，在各个子路段区域的路侧安装视频采集及通信模块；S2、获取被检测的子路段区域内浮动车的位置信息，以及该子路段区域的视频采集及通信模块采集到的视频数据；S3、通过视频数据计算浮动车通过该子路段区域的第一平均时间和第一平均车速，根据浮动车的位置信息计算浮动车通过该子路段区域的第二平均时间和第二平均车速；S4、引入被检测的子路段区域的历史数据，通过遗传算法对小波神经网络进行训练，得到遗传算法的适应度趋于稳定时的稳定参数；将第一平均时间、第二平均时间、第一平均车速和第二平均车速作为多源异构数据，构建小波神经网络，并将稳定参数带入小波神经网络，求解得到精确的行程时间和平均车速；S5、将高速公路拥堵状态划分为多个等级，根据得到的精确行程时间和平均车速，判别被检测的子路段区域的拥堵状态等级。2.根据权利要求1所述的融合浮动车与路侧视频的高速公路拥堵状态检测方法，其特征在于，步骤S1中划分子路段区域的方法为：从高速公路路网的起始点开始，选择等距离设置的里程牌作为划分子路段区域的分界点，在每个里程牌处安装视频采集及通信模块。3.根据权利要求1所述的融合浮动车与路侧视频的高速公路拥堵状态检测方法，其特征在于，步骤S2中包括用于接收浮动车的位置信息和视频采集及通信模块采集到的视频数据的数据服务中心，其接收数据的方法为：浮动车与该子路段区域内的视频采集及通信模块进行实时通信，将浮动车采集到的位置信息按照国际标准编码，以无线短消息数据包的形式发送至视频采集及通信模块；并调取视频采集及通信模块内部存储的视频数据，上传数据服务中心。4.根据权利要求2所述的融合浮动车与路侧视频的高速公路拥堵状态检测方法，其特征在于，步骤S3中的计算方法具体为：获取浮动车位置信息中，浮动车经过被检测的子路段区域中前一里程牌的时间戳τ1和后一里程牌的时间戳τ2，两个里程牌之间的距离为d1；第一平均时间t1和第一平均车速v1分别为：t1＝τ2-τ1；获取视频采集及通信模块采集到的视频数据中，浮动车经过被检测的子路段区域中前一里程牌的时间戳τ3和后一里程牌的时间戳τ4，两个里程牌之间的距离为d1；第二平均时间t2和第二平均车速v2分别为：t2＝τ4-τ3；5.根据权利要求1所述的融合浮动车与路侧视频的高速公路拥堵状态检测方法，其特征在于，步骤S4中通过遗传算法对小波神经网络进行训练的方法为：a、提取被检测子路段区域的历史数据包，获取浮动车的历史位置信息，将部分数据作为训练样本，另一部分作为测试样本；小波神经网络的公式为：其中，为αi伸缩尺度下且位移为bi时的傅立叶变换函数，m为隐含层...

【专利技术属性】
技术研发人员：邱志军，何书贤，
申请(专利权)人：武汉云砥信息科技有限公司，
类型：发明
国别省市：湖北,42