基于交通数据及街景数据的交通违法行为识别方法和系统技术方案

本发明专利技术公开了基于交通数据及街景数据的交通违法行为识别方法和系统。包括首先提取驾驶行为，构建驾驶行为数据库；对驾驶行为时的道路环境数据进行复原，获取对应的街景图片序列；通过目标检测算法检测其中的交通标志，判断交通标志的类型是否与驾驶行为相对应，从而判断驾驶行为是否违法。本发明专利技术通过地图匹配算法进行驾驶行为的提取，解决了直接从轨迹数据中提取转向等驾驶行为存在的各种弊端，将人工智能技术与大规模街景图片数据相结合，利用深度学习目标检测算法检测街景图片中的交通标志，为违法行为的识别提供依据；且通过将驾驶行为与街景图片相匹配，极大地减少了所需要进行检测的街景图片数量，准确识别出对应的违法驾驶行为。

Method and system of traffic illegal behavior recognition based on traffic data and street view data

【技术实现步骤摘要】
基于交通数据及街景数据的交通违法行为识别方法和系统
本专利技术涉及信息
，特别是指基于交通数据及街景数据的交通违法行为识别方法和系统。
技术介绍
传统的识别交通违法行为的方式是人通过肉眼去观察路口监控摄像头中的影像，判断视频或者图像中的车辆是否发生违法行为，这种方式比较直接，发生误判的可能性较低，但是这种方式效率十分低下，需要大量的人力成本，难以做到24小时实时监控。进一步地，对于闯红灯、超速等违法情况可以通过在地面实现铺设好线圈或者雷达检测触发监控摄像头进行抓拍，但是这种方法并不适用于违法转弯之类的行为，尤其是在车来车往的繁华路段，会受到多种因素的干扰，能起到的作用十分有限。而随着计算机科学的发展、尤其是计算机视觉、图像识别技术和数据挖掘技术的快速发展，通过计算机识别违法转弯驾驶行为的方法也越来越多的被应用于城市交通管理中。目前通过计算机识别违法转弯驾驶行为的方法主要有两类，一类是根据交通监控摄像头抓拍的图像或者视频，通过计算机视觉和图像视频处理技术识别出车辆的违章行为；另一类是基于交通轨迹数据挖掘和统计方法对路段上车辆的速度、方向等特征参数进行建模识别违法行为。然而前者高度依赖于监控摄像头的正常工作，而交通摄像头往往无法做到全面覆盖，比如许多偏僻的路段没有设置摄像头以及摄像头本身存在盲区等。除此之外，监控摄像头在损坏后的维修不及时也会对违法驾驶行为的识别造成影响；后者的模型参数的选取不具有普适性、在不同路段识别的准确率可能相差很大，且车辆本身的轨迹数据容易受到噪声干扰。
技术实现思路
针对上述现有技术存在的不足问题，本专利技术提出了基于交通数据及街景数据的交通违法行为识别方法和系统，设计并建立了一个低成本、全覆盖的违法驾驶行为识别系统，将城市大规模交通轨迹数据与街景数据相结合，能够有效地识别城市中的交通违法行为。尤其是发生在一些之前未被关注的路口路段的违法驾驶行为，帮助城市交通管理部门对城市道路交通环境有更深入全面的理解与掌握，为交通管理部门进行交通整治提供决策支持。基于交通数据及街景数据的交通违法行为识别方法，其特征在于，所述方法包括：S1：获取大规模车辆GPS轨迹数据，应用地图匹配算法，将车辆轨迹数据与道路网络将匹配，提取驾驶行为，构建驾驶行为数据库；S2：获取驾驶行为发生前后的车辆行驶方向变化及该驾驶行为发生的位置获取对应的街景图片序列；S3：将对应的街景图片序列中通过目标检测算法检测其中的交通标志，判断交通标志的类型是否与驾驶行为相对应，从而判断驾驶行为是否违法。S1中还包括，对所述大规模车辆GPS轨迹数据预处理和清洗，包括冗余数据去重、异常数据剔除和轨迹重构。S1中应用地图匹配算法，将车辆轨迹数据与道路网络将匹配，具体包括：利用高性能的开源路线规划引擎OSRM(OpenSourceRoutingMachine)实现基于隐马尔可夫模型的地图匹配算法，将车辆GPS轨迹点数据转化为路段序列轨迹，转化为路口序列数据、转向行为数据。所述S2具体包括：获取驾驶行为发生的前一个驾驶行为以及两个驾驶行为间的车辆轨迹数据；利用所述车辆轨迹数据采用三次多项式回归的方法拟合出发生在该驾驶行为之前的车辆行驶轨迹曲线；获取曲线点对应的街景图片数据。所述S3具体包括：采用YOLOv3目标检测模型，利用中国的交通标志公开数据集进行训练；输入街景图片数据对模型进行微调，得到适用于街景图片的交通标志检测模型；将获取的街景图片序列输入到交通标志检测模型进行检测，识别交通标志数据；判断驾驶行为是否违法。基于交通数据及街景数据的交通违法行为识别系统，所述系统包括：驾驶行为提取模块、驾驶行为上下文复原模块和交通违法行为识别模块；驾驶行为提取模块：用于获取大规模车辆GPS轨迹数据，应用地图匹配算法，将车辆轨迹数据与道路网络将匹配，提取驾驶行为，构建驾驶行为数据库；驾驶行为上下文复原模块：用于获取驾驶行为发生前后的车辆行驶方向变化及该驾驶行为发生的位置获取对应的街景图片序列；交通违法行为识别模块：用于将对应的街景图片序列中通过目标检测算法检测其中的交通标志，判断交通标志的类型是否与驾驶行为相对应，从而判断驾驶行为是否违法。所述驾驶行为提取模块还用于对所述大规模车辆GPS轨迹数据预处理和清洗，包括冗余数据去重、异常数据剔除和轨迹重构。所述驾驶行为提取模块还用于应用地图匹配算法，将车辆轨迹数据与道路网络将匹配，具体包括：利用高性能的开源路线规划引擎OSRM(OpenSourceRoutingMachine)实现基于隐马尔可夫模型的地图匹配算法，将车辆GPS轨迹点数据转化为路段序列轨迹，转化为路口序列数据、转向行为数据。所述驾驶行为上下文复原模块还用于：获取驾驶行为发生的前一个驾驶行为以及两个驾驶行为间的车辆轨迹数据；利用所述车辆轨迹数据采用三次多项式回归的方法拟合出发生在该驾驶行为之前的车辆行驶轨迹曲线；获取曲线点对应的街景图片数据。所述交通违法行为识别模块还用于：采用YOLOv3目标检测模型，利用中国的交通标志公开数据集进行训练；输入街景图片数据对模型进行微调，得到适用于街景图片的交通标志检测模型；将获取的街景图片序列输入到交通标志检测模型进行检测，识别交通标志数据；判断驾驶行为是否违法。由上述对本专利技术的描述可知，与现有技术相比，本专利技术具有如下有益效果：(1)使用了地图匹配算法进行驾驶行为的提取，解决了直接从轨迹数据中提取转向等驾驶行为存在的各种弊端；方案将人工智能技术与大规模街景图片数据相结合，利用深度学习目标检测算法检测街景图片中的交通标志，为违法行为的识别提供依据；且通过将驾驶行为与街景图片相匹配，将轨迹数据转化为驾驶行为序列，再将驾驶行为序列转化为路段序列，极大地减少了所需要进行检测的街景图片数量，并能够将交通标志与驾驶行为相匹配，识别出对应的违法驾驶行为；(2)设计并建立了一个低成本、全覆盖的违法驾驶行为识别系统，将城市大规模交通轨迹数据与街景数据相结合，能够有效地识别城市中的交通违法行为。尤其是发生在一些之前未被关注的路口路段的违法驾驶行为，帮助城市交通管理部门对城市道路交通环境有更深入全面的理解与掌握，为交通管理部门进行交通整治提供决策支持。附图说明图1为直接从轨迹中提取转向行为示意图(P1、P2、P3：三个轨迹点)；图2为采样频率足够高的GPS轨迹；图3为地图匹配后的车辆轨迹(P1、P2、P3：三个轨迹点，r1、r2、r3：P1、P2、P3点对应的路段)；图4为街景图片中的交通标志。具体实施方式以下通过具体实施方式对本专利技术作进一步的描述。本专利技术公开了基于交通数据及街景数据的交通违法行为识别方法和系统，将城市大规模交通轨迹数据与街景数据相结合，能够有效地识别城市中的交通违法行为。所公开的基于交通数据及街景本文档来自技高网...

【技术保护点】
1.基于交通数据及街景数据的交通违法行为识别方法，其特征在于，所述方法包括：/nS1：获取大规模车辆GPS轨迹数据，应用地图匹配算法，将车辆轨迹数据与道路网络将匹配，提取驾驶行为，构建驾驶行为数据库；/nS2：获取驾驶行为发生前后的车辆行驶方向变化及该驾驶行为发生的位置获取对应的街景图片序列；/nS3：将对应的街景图片序列中通过目标检测算法检测其中的交通标志，判断交通标志的类型是否与驾驶行为相对应，从而判断驾驶行为是否违法。/n

【技术特征摘要】
1.基于交通数据及街景数据的交通违法行为识别方法，其特征在于，所述方法包括：
S1：获取大规模车辆GPS轨迹数据，应用地图匹配算法，将车辆轨迹数据与道路网络将匹配，提取驾驶行为，构建驾驶行为数据库；
S2：获取驾驶行为发生前后的车辆行驶方向变化及该驾驶行为发生的位置获取对应的街景图片序列；
S3：将对应的街景图片序列中通过目标检测算法检测其中的交通标志，判断交通标志的类型是否与驾驶行为相对应，从而判断驾驶行为是否违法。


2.根据权利要求1所述的基于交通数据及街景数据的交通违法行为识别方法，其特征在于，所述S1中还包括，对所述大规模车辆GPS轨迹数据预处理和清洗，包括冗余数据去重、异常数据剔除和轨迹重构。


3.根据权利要求1所述的基于交通数据及街景数据的交通违法行为识别方法，其特征在于，所述S1中应用地图匹配算法，将车辆轨迹数据与道路网络将匹配，具体包括：利用高性能的开源路线规划引擎OSRM(OpenSourceRoutingMachine)实现基于隐马尔可夫模型的地图匹配算法，将车辆GPS轨迹点数据转化为路段序列轨迹，转化为路口序列数据、转向行为数据。


4.根据权利要求1所述的基于交通数据及街景数据的交通违法行为识别方法，其特征在于，所述S2具体包括：
获取驾驶行为发生的前一个驾驶行为以及两个驾驶行为间的车辆轨迹数据；
利用所述车辆轨迹数据采用三次多项式回归的方法拟合出发生在该驾驶行为之前的车辆行驶轨迹曲线；
获取曲线点对应的街景图片数据。


5.根据权利要求1所述的基于交通数据及街景数据的交通违法行为识别方法，其特征在于，所述S3具体包括：
采用YOLOv3目标检测模型，利用中国的交通标志公开数据集进行训练；
输入街景图片数据对模型进行微调，得到适用于街景图片的交通标志检测模型；
将获取的街景图片序列输入到交通标志检测模型进行检测，识别交通标志数据；
判断驾驶行为是否违法。


6.基于交通数据及街景数据的交通违法行为识别系统，其特征在于，所述系统包括：...

【专利技术属性】
技术研发人员：陈龙彪，蒋之晗，王程，范晓亮，黄靖淳，谢天琦，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建;35