基于全量全样实时交通数据的多参数融合方法及系统技术方案

本发明专利技术涉及一种基于全量全样实时交通数据的多参数融合方法及系统，该方法包括：基于监控视频的图像序列提取运动车辆得到车辆轨迹数据，对各个车辆类型的车辆轨迹数据进行数理统计得到交通流数据；基于雷达微波数据和地磁线圈数据分别提取交通流数据；对车辆轨迹数据、雷达微波数据和地磁线圈数据分别得到交通流数据中的任意参数按照设定的各个权重进行融合。对多源异构信息在形式上具有的多样性和复杂性特点，针对线圈数据、雷达微波数据与道路监控视频监控视频这三个来源的数据进行处理，结合数据挖掘与数据融合技术，构建多模态信息融合模型。基于全量全样实时交通数据的有效融合，可以获得更有用且全面的交通信息，更好的解决城市交通问题。

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

【技术实现步骤摘要】
基于全量全样实时交通数据的多参数融合方法及系统
本专利技术涉及道路交通仿真
，尤其涉及一种基于全量全样实时交通数据的多参数融合方法及系统。
技术介绍
随着汽车保有量的大幅增长，交通拥堵不仅影响着居民的生活，更成为了阻碍了国民经济的进一步发展的“城市病”。道路交通拥堵产生的根本原因是交通需求与交通供给在时间和空间上的不平衡引起的。当前，传统的道路交通数据应用大多仅针对单数据源数据，不能获得全面且准确的道路交通状态及交通需求，因此不能有效地解决道路交通拥堵问题。随着城市道路及配套设施建设的不断完善，雷达微波、道路监控及地磁线圈等道路监控设施产生了海量的道路交通大数据。如何从全量全样大数据中提取更有用且全面的交通信息成为要解决的问题。
技术实现思路
本专利技术针对现有技术中存在的技术问题，提供一种基于全量全样实时交通数据的多参数融合方法及系统，解决现有技术中交通大数据的数据量大的问题。本专利技术解决上述技术问题的技术方案如下：一种基于全量全样实时交通数据的多参数融合方法，所述方法包括：步骤1，基于监控视频的图像序列提取运动车辆得到车辆轨迹数据，对各个车辆类型的车辆轨迹数据进行数理统计得到交通流数据，所述车辆类型包括大型车辆和小型车辆；步骤2，基于雷达微波数据和地磁线圈数据分别提取交通流数据；步骤3，对所述车辆轨迹数据、雷达微波数据和地磁线圈数据分别得到交通流数据中的任意参数按照设定的各个权重进行融合。一种基于全量全样实时交通数据的多参数融合系统，所述系统包括：监控视频数据处理模块、雷达微波和地磁线圈数据处理模块和数据融合模块；监控视频数据处理模块，用于基于监控视频的图像序列提取运动车辆得到车辆轨迹数据，对各个车辆类型的车辆轨迹数据进行数理统计得到交通流数据，所述车辆类型包括大型车辆和小型车辆；雷达微波和地磁线圈数据处理模块，用于基于雷达微波数据和地磁线圈数据分别提取交通流数据；数据融合模块，对所述车辆轨迹数据、雷达微波数据和地磁线圈数据分别得到交通流数据中的任意参数按照设定的各个权重进行融合。本专利技术的有益效果是：针对多源异构信息在形式上具有的多样性和复杂性特点，针对线圈数据、雷达微波数据与道路监控视频监控视频这三个来源的数据进行处理，结合数据挖掘与数据融合技术，构建多模态信息融合模型。基于全量全样实时交通数据的有效融合，可以获得更有用且全面的交通信息，更好的解决城市交通问题。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步，所述车辆轨迹数据包括：时间戳、车辆ID、车辆类型、车速、位置信息、所在车道信息和轨迹方向角的时序轨迹数据。进一步，得到所述车辆轨迹数据的方法包括：步骤101，从所述监控视频的图像序列中提取所述运动车辆；步骤102，在所述监控视频的初始帧给定的目标检测框得到要跟踪的目标运动车辆；步骤103，通过深度学习得到所述目标运动车辆的特性，根据所述特性在各个视频帧中定位所述目标运动车辆；步骤104，根据监控摄像机像素坐标与世界坐标系的映射关系，获得所述目标运动车辆在任一时间戳下的车辆ID、车辆长、车辆宽、位置信息、所在车道信息和轨迹方向角；根据车辆长和车辆宽确定车辆类型；根据两个采样点之间的车辆位置坐标变化与采样时间间隔比值计算所述车速；根据两个采样点之间的车辆位置坐标变化确定所述轨迹方向角。进一步，所述交通流数据包括：路段断面车流量、实时单车速度、平均速度、交通密度、占有率、车辆类型、排队长度以及车头时距。进一步，所述步骤1中还包括：基于所述监控视频提取道路环境特征数据，所述道路环境特征数据包括天气特征参数和突发事件发生状况。进一步，所述步骤3中，根据天气特征参数、基于车辆轨迹数据的车流量、基于车辆轨迹数据的平均车速和基于车辆轨迹数据的大车比例确定各个权重，计算所述参数的加权平均值为融合后的参数值。进一步，所述步骤3中还包括剔除所述车辆轨迹数据中异常轨迹。采用上述进一步方案的有益效果是：实现获取交通流数据中的某一需求参数的更精确结果，如基于车辆轨迹数据提取路段某一特征向量(如流量、密度、速度等)后，与基于车型分类的车流数据中相应的参量通过某一融合算法得到该参量的精确融合结果。通过对交通流数据的参数融合，可实现对交通流数据的补充，同时可以剔除轨迹数据中异常轨迹。附图说明图1为专利技术提供的一种基于全量全样实时交通数据的多参数融合方法的流程图；图2为专利技术提供的一种基于全量全样实时交通数据的多参数融合方法的实施例的流程图；图3为本专利技术实施例提供的基于监控视频提取数据的流程图；图4为本专利技术一种基于全量全样实时交通数据的多参数融合系统的实施例的结构框图；图5为本专利技术实施例提供的一种电子设备的实体结构示意图。附图中，各标号所代表的部件列表如下：101、监控视频数据处理模块，102、雷达微波和地磁线圈数据处理模块，103、数据融合模块，201、处理器，202、通信接口，203、存储器，204、通信总线。具体实施方式以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。如图1所示为专利技术提供的一种基于全量全样实时交通数据的多参数融合方法的流程图，由图1可知，该方法包括：步骤1，基于监控视频的图像序列提取运动车辆得到车辆轨迹数据，对各个车辆类型的车辆轨迹数据进行数理统计得到交通流数据，该车辆类型包括大型车辆和小型车辆。步骤2，基于雷达微波数据和地磁线圈数据分别提取交通流数据。步骤3，对车辆轨迹数据、雷达微波数据和地磁线圈数据分别得到交通流数据中的任意参数按照设定的各个权重进行融合。本专利技术提供的一种基于全量全样实时交通数据的多参数融合方法，针对多源异构信息在形式上具有的多样性和复杂性特点，针对线圈数据、雷达微波数据与道路监控视频监控视频这三个来源的数据进行处理，结合数据挖掘与数据融合技术，构建多模态信息融合模型。基于全量全样实时交通数据的有效融合，可以获得更有用且全面的交通信息，更好的解决城市交通问题。实施例1本专利技术提供的实施例1为本专利技术提供的一种基于全量全样实时交通数据的多参数融合方法的实施例，如图2所示为本专利技术提供一种基于全量全样实时交通数据的多参数融合方法的实施例的流程图，由图2可知，该实施例包括：步骤1，基于监控视频的图像序列提取运动车辆得到车辆轨迹数据，对各个车辆类型的车辆轨迹数据进行数理统计得到交通流数据，所述车辆类型包括大型车辆和小型车辆。如图3所示为本专利技术实施例提供的基于监控视频提取数据的流程图。车辆轨迹数据包括：时间戳、车辆ID、车辆类型、车速、位置信息、所在车道信息和轨迹方向角的时序轨迹数据。基于视频识别可识别在籍40多类车类型，本专利技术设定车型为：大型车辆和小型车辆。如下表1所示为车辆类型示意表。<本文档来自技高网...

【技术保护点】
1.一种基于全量全样实时交通数据的多参数融合方法，其特征在于，所述方法包括：/n步骤1，基于监控视频的图像序列提取运动车辆得到车辆轨迹数据，对各个车辆类型的车辆轨迹数据进行数理统计得到交通流数据，所述车辆类型包括大型车辆和小型车辆；/n步骤2，基于雷达微波数据和地磁线圈数据分别提取交通流数据；/n步骤3，对所述车辆轨迹数据、雷达微波数据和地磁线圈数据分别得到交通流数据中的任意参数按照设定的各个权重进行融合。/n

【技术特征摘要】
1.一种基于全量全样实时交通数据的多参数融合方法，其特征在于，所述方法包括：
步骤1，基于监控视频的图像序列提取运动车辆得到车辆轨迹数据，对各个车辆类型的车辆轨迹数据进行数理统计得到交通流数据，所述车辆类型包括大型车辆和小型车辆；
步骤2，基于雷达微波数据和地磁线圈数据分别提取交通流数据；
步骤3，对所述车辆轨迹数据、雷达微波数据和地磁线圈数据分别得到交通流数据中的任意参数按照设定的各个权重进行融合。


2.根据权利要求1所述的方法，其特征在于，所述车辆轨迹数据包括：时间戳、车辆ID、车辆类型、车速、位置信息、所在车道信息和轨迹方向角的时序轨迹数据。


3.根据权利要求2所述的方法，其特征在于，得到所述车辆轨迹数据的方法包括：
步骤101，从所述监控视频的图像序列中提取所述运动车辆；
步骤102，在所述监控视频的初始帧给定的目标检测框得到要跟踪的目标运动车辆；
步骤103，通过深度学习得到所述目标运动车辆的特性，根据所述特性在各个视频帧中定位所述目标运动车辆；
步骤104，根据监控摄像机像素坐标与世界坐标系的映射关系，获得所述目标运动车辆在任一时间戳下的车辆ID、车辆长、车辆宽、位置信息、所在车道信息和轨迹方向角；
根据车辆长和车辆宽确定车辆类型；根据两个采样点之间的车辆位置坐标变化与采样时间间隔比值计算所述车速；根据两个采样点之间的车辆位置坐标变化确定所述轨迹方向角。


4.根据权利要求1所述的方法，其特征在于，所述交通流数据包括：路段断面车流量、实时单车速度、平均速度、交通密度、占有率、车辆类型、排队长度以及车头时距。


5.根据...

【专利技术属性】
技术研发人员：吴韵驰，吴钢，李琳，李娜，王方华，范翠红，李绘图，王慧，
申请(专利权)人：吴钢，吴韵驰，
类型：发明
国别省市：湖北;42