一种融合雷达视频的道路车辆交通大数据采集的方法技术

本发明专利技术公开了一种融合雷达视频的道路车辆交通大数据采集的方法，包括：雷达模块、监控视频模块、信息处理模块、展示模块；该方法通过各个模块之间的配合，对道路上运行机动车、非机动车、行人数据的采集，将视频图像上的机动车、非机动车、行人与道路上对应的雷达数据相匹配，通过建立相关模型，计算分析出道路交通机动车、非机动车、行人的各个指标，并将计算出的实时数据第一时间推送到控制中心进行展示。根据本发明专利技术，为智能交通的发展贡献了更大的力量，让交通系统的智能化、全面化、准确化、实时化的实现提供了更多的可行性。

【技术实现步骤摘要】
一种融合雷达视频的道路车辆交通大数据采集的方法
本专利技术涉及交通的
，特别涉及一种融合雷达视频的道路车辆交通大数据采集的方法。
技术介绍
随着机动车数量的快速增长，交通安全问题日益凸显。由于道路交通状态的复杂性，如何实现路况险情提前预警，提高道路通行效率，从而形成安全、高效和环保的道路交通，是当前交通领域面临的重要难题。同时充分利用物联网、大数据、边缘计算、新一代人工智能等新技术应用，实现信息化引领警务实践，解决智能化应用不够深化、智能交通建设和应用不够体系化等问题。
技术实现思路
针对现有技术中存在的不足之处，本专利技术的目的是提供一种融合雷达视频的道路车辆交通大数据采集的方法，为智能交通的发展贡献了更大的力量，让交通系统的智能化、全面化、准确化、实时化的实现提供了更多的可行性。为了实现根据本专利技术的上述目的和其他优点，提供了一种融合雷达视频的道路车辆交通大数据采集的方法，包括以下步骤：S1、采集检测道路上机动车、非机动车、行人的雷达数据；S2、采集检测道路上机动车、非机动车、行人的监控视频数据；S3、将视频图像上的机动车、非机动车、行人图形与道路上对应的雷达数据相匹配，通过建立目标体相关模型，计算出机动车、非机动车、行人的检测指标；S4、将计算出的实时模型数据第一时间推送到控制中心进行展示。优选的，所述步骤S3中，通过建立机动车、非机动车、行人的相关模型，实时分析相对位置关系，加强智能路侧环境感知。优选的，所述步骤S3中，通过建立目标实体坐标模型，将交通数据与坐标模型相融合，实现车道检测、车流量检测、行驶速度检测、停车数量检测、排队长度检测、车头距离检测，建立事件和行为模型，实现对变道、压线、事故、拥堵、逆行停车、闯红灯及超速行驶等交通违法行为进行检测。优选的，所述步骤S3中，通过建立新型的、细腻的交通流、交通事件输出模型，实现智能辅助事件、警情、快速定位、智能判定盲区、车牌遮挡等现象、实现重点机动车、非机动车及行人跟踪接力。优选的，所述步骤S3中，通过建立大数据模型，进行路口信号全量数据优化，结合道路车流量、车速、停车数等信息，利用视频雷达融合技术，动态的感知交通拥堵状态，实现单点优化、绿波协调、区域控制、瓶颈控制、感应控制等多种控制策略。优选的，所述步骤S4中，将信息处理模块中的信息，第一时间推送到控制中心大屏。本专利技术与现有技术相比，其有益效果是：通过视频和雷达深度融合模式，实现将雷达目标和视频目标相互对应，将单一视频或雷达检测的优缺点互补，有效提高数据获取的准确性与可靠性，通过模型与数据相匹配进行计算，可以实现交通智能感知、特殊机动车、非机动车、行人跟踪、险情提前预警、车道级精细化管理、自适应信号控制等功能，可以不受天气环境和光线的影响，可以真正做到全天候的机动车、非机动车、行人数据检测，然后通过数据模型和数据匹配计算，计算出机动车、非机动车、行人的相应指标，大大提高数据的准确性和全面性。为解决城市交通拥堵问题提供最基础的检测数据，为智能交通提供了坚实的基础。附图说明图1为本专利技术一种融合雷达视频的道路车辆交通大数据采集的方法的流程框图。图中：1.雷达模块；2.监控视频模块；3.信息处理模块；4.展示模块。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参照图1，一种融合雷达视频的道路车辆交通大数据采集的方法，包括以下步骤：S1、采集检测道路上机动车、非机动车、行人的雷达数据；S2、采集检测道路上机动车、非机动车、行人的监控视频数据；S3、将视频图像上的机动车、非机动车、行人图形与道路上对应的雷达数据相匹配，通过建立目标体相关模型，计算出机动车、非机动车、行人的检测指标；S4、将计算出的实时模型数据第一时间推送到控制中心进行展示。进一步的，所述步骤S3中，通过建立机动车、非机动车、行人的相关模型，实时分析相对位置关系，加强智能路侧环境感知。进一步的，所述步骤S3中，通过建立目标实体坐标模型，将交通数据与坐标模型相融合，实现车道检测、车流量检测、行驶速度检测、停车数量检测、排队长度检测、车头距离检测，建立事件和行为模型，实现对变道、压线、事故、拥堵、逆行停车、闯红灯及超速行驶等交通违法行为进行检测。进一步的，所述步骤S3中，通过建立新型的、细腻的交通流、交通事件输出模型，实现智能辅助事件、警情、快速定位、智能判定盲区、车牌遮挡等现象、实现重点机动车、非机动车及行人跟踪接力。进一步的，所述步骤S3中，通过建立大数据模型，进行路口信号全量数据优化，结合道路车流量、车速、停车数等信息，利用视频雷达融合技术，动态的感知交通拥堵状态，实现单点优化、绿波协调、区域控制、瓶颈控制、感应控制等多种控制策略。进一步的，所述步骤S4中，将信息处理模块3中的信息，第一时间推送到控制中心大屏。进一步的，所述信息处理模块3，通过建立机动车、非机动车、行人的相关模型，实时分析相对位置关系，加强智能路侧环境感知。进一步的，所述信息处理模块3，通过建立目标实体坐标模型，实现车道检测、车流量检测、行驶速度检测、停车数量检测、排队长度检测、车头距检测，建立事件和行为模型，实现对变道、压线、事故、拥堵、逆行停车、闯红灯、超速行驶等交通违法行为进行检测。进一步的，所述信息处理判断模块，通过建立新型的、细腻的交通流、交通事件输出模型，实现智能辅助事件、警情、快速定位、智能判定盲区、遮挡等现象、实现重点机动车、非机动车、行人跟踪接力。进一步的，所述信息处理判断模块，通过建立大数据模型，进行路口信号全量数据优化，结合道路车流量、车速、停车数等信息，利用视频雷达融合技术，动态的感知交通拥堵状态，实现单点优化、绿波协调、区域控制、瓶颈控制、感应控制等多种控制策略。工作原理：将雷达模块1、监控视频模块2、信息处理模块3、展示模块4；该方法通过各个模块之间的配合，实现对道路上运行机动车、非机动车、行人交通数据的采集，将视频图像上的机动车、非机动车、行人图形与道路上对应的雷达数据相匹配，通过建立目标体相关模型，计算出机动车、非机动车、行人的检测指标，并将计算出的实时数据推送到控制中心进行展示，基于视频和雷达深度融合模式，实现将雷达目标和视频目标相互对应，将单一视频或雷达检测的优缺点互补，有效提高数据获取的准确性与可靠性，通过模型与数据相匹配进行计算，可以实现交通智能感知、特殊机动车、非机动车、行人跟踪、险情提前预警、车道级精细化管理、自适应信号控制等功能。这里说明的设备数量和处理规模是用来简化本专利技术的说明的，对本专利技术的应用、修改和变化对本领域的技术人员来说是显而易见的。尽管本专利技术的实施方案已公开如上，本文档来自技高网...

【技术保护点】
1.一种融合雷达视频的道路车辆交通大数据采集的方法，其特征在于，包括以下步骤：/nS1、采集检测道路上机动车、非机动车、行人的雷达数据；/nS2、采集检测道路上机动车、非机动车、行人的监控视频数据；/nS3、将视频图像上的机动车、非机动车、行人图形与道路上对应的雷达数据相匹配，通过建立目标体相关模型，计算出机动车、非机动车、行人的检测指标；/nS4、将计算出的实时模型数据第一时间推送到控制中心进行展示。/n

【技术特征摘要】
1.一种融合雷达视频的道路车辆交通大数据采集的方法，其特征在于，包括以下步骤：
S1、采集检测道路上机动车、非机动车、行人的雷达数据；
S2、采集检测道路上机动车、非机动车、行人的监控视频数据；
S3、将视频图像上的机动车、非机动车、行人图形与道路上对应的雷达数据相匹配，通过建立目标体相关模型，计算出机动车、非机动车、行人的检测指标；
S4、将计算出的实时模型数据第一时间推送到控制中心进行展示。


2.如权利要求1所述的一种融合雷达视频的道路车辆交通大数据采集的方法，其特征在于，所述步骤S3中，通过建立机动车、非机动车、行人的相关模型，实时分析相对位置关系，加强智能路侧环境感知。


3.如权利要求1所述的一种融合雷达视频的道路车辆交通大数据采集的方法，其特征在于，所述步骤S3中，通过建立目标实体坐标模型，将交通数据与坐标模型相融合，实现车道检测、车流量检测、行驶速度检测、停车数量检测、排队长度检测、车...

【专利技术属性】
技术研发人员：黄海浪，李中成，陆如一，
申请(专利权)人：上海图丽信息技术有限公司，
类型：发明
国别省市：上海;31