一种车流量统计方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种车流量统计方法、装置、设备及存储介质。该方法具体包括：获取训练数据，根据训练数据训练设计好的卷积神经网络得到瞬时车辆数估计模型；获取雷达监测数据，将雷达监测数据输入瞬时车辆数估计模型得到瞬时车辆数并确定车道行车状态；根据瞬时车辆数和车道行车状态判断车道行车状态变化信息，根据车道行车状态变化信息统计车流量。该方法基于雷达进行监测，受光线和天气影响小，也无需对路面进行破坏，由于雷达采集的数据量小其卷积神经网络无需设计的很复杂，对于运算能力要求低，运算也更快速，算法方法复杂度不高，易于在嵌入式设备上实现，可制作成便携式的车流量监测仪。

A traffic flow statistics method, device, equipment and storage medium

【技术实现步骤摘要】
一种车流量统计方法、装置、设备及存储介质
本专利技术涉及交通领域，尤其涉及一种车流量统计传输方法、装置、设备及存储介质。
技术介绍
车流量信息是智能交通系统中最重要的信息，把握好关键路口的车流量信息，对合理分配交通资源起到关键作用。常见的车流量统计方法可以分为地磁检测技术、视频检测技术和本文所使用的基于雷达的检测技术。地磁检测技术将传感器装置埋在地下，车辆通过传感器探测区域会产生电信号变化，将电信号作为检测系统的输入信号，利用外围电路和算法便可以完成车流量的统计，其检测精度高但安装维护不方便，需要破坏路面从而影响交通。视频检测技术利用摄像头获取图片或者视频，通过算法检测图像中的目标进而完成车流量信息的获取，使用视频检测技术安装维护方便，算法成熟，良好条件下准确率高，缺点是处理数据量大，对硬件设备要求高，夜间、雨雾天检测效果较差,难以在嵌入式设备上完成实时处理。而基于雷达的车流量检测技术对光线、天气不敏感，且雷达数据量相对较小，适合在嵌入式设备上运行。关于地磁检测技术、视频检测技术和雷达检测技术，传统的算法流程均为：首先采集数据，然后对数据作预处理，去除噪声信号，然后进行目标检测，识别出数据中的车辆，然后进行目标跟踪，最后进行车辆数统计。其中目标检测的步骤，地磁检测技术和传统的雷达检测技术会利用信号处理的方法完成目标检测，视频检测技术一方面利用传统的图像处理算法完成目标检测，另一方面也会利用近年来兴起的深度学习技术完成目标检测。但是这些技术采用的算法复杂度都较高。
技术实现思路
r>有鉴于此，本专利技术实施例提供了一种车流量统计方法、装置、设备及存储介质，受环境影响程度低且算法复杂度低易于实现。第一方面，本专利技术实施例提供了一种车流量统计方法，包括：获取训练数据，根据训练数据训练设计好的卷积神经网络得到瞬时车辆数估计模型；获取雷达监测数据，将所述雷达监测数据输入瞬时车辆数估计模型得到瞬时车辆数并确定车道行车状态；根据所述瞬时车辆数和车道行车状态判断车道行车状态变化信息，根据所述车道行车状态变化信息统计车流量。更具体的，获取雷达监测数据包括：获取雷达原始数据；对所述雷达原始数据做预处理和特征提取得到雷达监测数据，所述雷达监测数据大小为97*40。更具体的，将所述雷达监测数据输入瞬时车辆数估计模型得到瞬时车辆数并确定车道行车状态包括：将所述雷达监测数据输入瞬时车辆数估计模型得到瞬时车辆数；根据所述雷达监测数据和瞬时车辆数确定车道行车状态，所述车道行车状态包括第一车道和第二车道均没有车辆的第一状态、仅第一车道有车的第二状态、仅第二车道有车的第三状态以及第一车道和第二车道均有车辆的第四状态。更具体的，根据所述雷达监测数据和瞬时车辆数确定车道行车状态包括：当所述瞬时车辆数为0，则车道行车状态为第一状态；当所述瞬时车辆数为1，则所述雷达监测数据中面积最大连通域的质心，若质心纵坐标属于区间[1:50]，则车道行车状态为第二状态，若质心纵坐标属于区间[51:97]，则车道行车状态为第三状态；当所述瞬时车辆数2，则车道行车状态为第四状态。更具体的，根据所述车道行车状态变化信息统计车流量包括：在车道行车状态自第二状态变为第一状态或第三状态时，将第一车道车辆数加一；在车道行车状态自第三状态变为第一状态或第二状态时，将第二车道车辆数加一；在车道行车状态自第四状态变为第一状态时，将第一车道车辆数加一并将第二车道车辆数加一，在车道行车状态自第四状态变为第二状态时，将第二车道车辆数加一，在车道行车状态自第四状态变为第三状态时，将第一车道车辆数加一；统计第一车道车辆数和第二车道车辆数得到车流量。更具体的，所述卷积神经网络包括三层卷积层和三层全连接层，所述卷积神经网络的第一层卷积层的输入大小为97*40。更具体的，根据训练数据训练设计好的卷积神经网络得到瞬时车辆数估计模型包括：将训练数据中的输入数据输入设计好的卷积神经网络得到训练瞬时车辆数；将训练数据中的输出数据和所述训练瞬时车辆数比较得到误差并反馈调整所述卷积神经网络；迭代进行上述步骤到达预设次数后获取调整后的卷积神经网络作为瞬时车辆数估计模型。第二方面，本专利技术实施例提供了一种车流量统计装置，包括：模型训练模块，用于获取训练数据，根据训练数据训练设计好的卷积神经网络得到瞬时车辆数估计模型；模型应用模块，用于获取雷达监测数据，将所述雷达监测数据输入瞬时车辆数估计模型得到瞬时车辆数并确定车道行车状态；车流量统计模块，用于根据所述瞬时车辆数和车道行车状态判断车道行车状态变化信息，根据所述车道行车状态变化信息统计车流量。第三方面，本专利技术实施例还提供了一种车流量统计设备，包括存储器和处理器，所述存储器上存储有可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如前述的车流量统计方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，该计算机程序被处理器执行时实现如前述的车流量统计方法。本专利技术实施例提供的技术方案，通过设计好的卷积神经网络得到瞬时车辆数估计模型，将雷达监测数据输入瞬时车辆数估计模型得到瞬时车辆数并确定车道行车状态，再根据瞬时车辆数和车道行车状态判断车道行车状态变化信息，进而统计出车流量，其基于雷达进行监测，受光线和天气影响小，也无需对路面进行破坏，由于雷达采集的数据量小其卷积神经网络无需设计的很复杂，对于运算能力要求低，运算也更快速，算法方法复杂度不高，易于在嵌入式设备上实现，可制作成便携式的车流量监测仪。附图说明图1是本专利技术实施例一中的车流量统计方法流程图；图2是本专利技术实施例一中的卷积神经网络结构示意图；图3是本专利技术实施例二中的车流量统计方法子流程图；图4是本专利技术实施例二中的车流量统计方法子流程图；图5是本专利技术实施例三中的一种车流量统计装置的结构示意图；图6是本专利技术实施例四中的一种车流量统计设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。术语“第一”、“第二”等而不能理解为指本文档来自技高网...

【技术保护点】
1.一种车流量统计方法，其特征在于，包括：/n获取训练数据，根据训练数据训练设计好的卷积神经网络得到瞬时车辆数估计模型；/n获取雷达监测数据，将所述雷达监测数据输入瞬时车辆数估计模型得到瞬时车辆数并确定车道行车状态；/n根据所述瞬时车辆数和车道行车状态判断车道行车状态变化信息，根据所述车道行车状态变化信息统计车流量。/n

【技术特征摘要】
1.一种车流量统计方法，其特征在于，包括：
获取训练数据，根据训练数据训练设计好的卷积神经网络得到瞬时车辆数估计模型；
获取雷达监测数据，将所述雷达监测数据输入瞬时车辆数估计模型得到瞬时车辆数并确定车道行车状态；
根据所述瞬时车辆数和车道行车状态判断车道行车状态变化信息，根据所述车道行车状态变化信息统计车流量。


2.根据权利要求1所述的方法，其特征在于，所述获取雷达监测数据包括：
获取雷达原始数据；
对所述雷达原始数据做预处理和特征提取得到雷达监测数据，所述雷达监测数据大小为97*40。


3.根据权利要求1所述的方法，其特征在于，所述将所述雷达监测数据输入瞬时车辆数估计模型得到瞬时车辆数并确定车道行车状态包括：
将所述雷达监测数据输入瞬时车辆数估计模型得到瞬时车辆数；
根据所述雷达监测数据和瞬时车辆数确定车道行车状态，所述车道行车状态包括第一车道和第二车道均没有车辆的第一状态、仅第一车道有车的第二状态、仅第二车道有车的第三状态以及第一车道和第二车道均有车辆的第四状态。


4.根据权利要求3所述的方法，其特征在于，所述根据所述雷达监测数据和瞬时车辆数确定车道行车状态包括：
当所述瞬时车辆数为0，则车道行车状态为第一状态；
当所述瞬时车辆数为1，则所述雷达监测数据中面积最大连通域的质心，若质心纵坐标属于区间[1:50]，则车道行车状态为第二状态，若质心纵坐标属于区间[51:97]，则车道行车状态为第三状态；
当所述瞬时车辆数2，则车道行车状态为第四状态。


5.根据权利要求3所述的方法，其特征在于，所述根据所述车道行车状态变化信息统计车流量包括：
在车道行车状态自第二状态变为第一状态或第三状态时，将第一车道车辆数加一；
在车道行车状态自第三状态变为第一状...

【专利技术属性】
技术研发人员：阳召成，曾鹏，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44