面向车路协同应用的车道级交通状态判别方法及系统技术方案

本发明专利技术公开了一种面向车路协同应用的车道级交通状态判别方法及系统，包括数据采集模块、数据预处理模块、数据处理模块和信息发布模块；判别方法包括以下步骤，1)数据采集模块的视频摄像机和毫米波雷达进行道路全覆盖的安装布设；2)将采集到的视频数据和雷达数据进行拟合处理，得到车辆的结构化数据，3)根据步骤2)得到的结构化数据中的车辆定位信息，将车辆结构化数据匹配到电子地图中的检测的单元格中，明确每一辆车在哪一个单元格中；等步骤。本发明专利技术利用视频加毫米波雷达的数据采集方案，排除了单一采集设备的缺陷；能够达到车道级的交通拥堵状态识别、精确到米级的拥堵起终点位置识别、且数据延迟不低于1s，真正能够满足车路协同的数据需求。路协同的数据需求。路协同的数据需求。

【技术实现步骤摘要】
面向车路协同应用的车道级交通状态判别方法及系统


[0001]本专利技术涉及道路交通
，具体为一种面向车路协同应用的车道级交通状态判别方法及系统。

技术介绍

[0002]随着车联网技术的发展及车路协同应用的推进，车端和路端基于V2X通信就能够实现实时的道路信息交互。单车智能目前的发展水平有限，车端传感器的视野和视角常常受限、无法看到道路全局，这就要求路端能够帮助提升单车的超视距感知能力。为了保证智能网联汽车能够及时规避交通拥堵、选择合理路径，交通拥堵事件需要在进入单车可视范围之前就发出预警，就要求路侧感知设备提供实时的、全覆盖的、最精细的交通拥堵信息。
[0003]目前的技术的主要有以下缺点：1)无论是卡口摄像机还是微波雷达，目前最成熟的采集方式为道路断面检测，而车路协同需要的数据信息要求是道路全覆盖、无盲区的完整交通状态信息；2)卡口摄像机结合线圈的方式，主要缺点除了无法实现道路全覆盖的信息采集，还有线圈容易损坏且难维修的问题；3)微波雷达作为可靠的车速采集设备，不能够识别车辆的车型(车流量计算的时候需要分车道、分车型统计)；而且在车辆停止运动时会丢失检测目标，这不利于严重停车拥堵的识别；4)基于视频的自动识别方法：虽然满足了无盲区的采集要求，但是特殊天气如暴雨和大雾会严重影响视频画面成像，从而直接导致无法识别的问题。而且依赖视频图像是无法准确识别出车速度的，这不便于评价车道拥堵严重程度。
[0004]为了克服现有技术的问题,本专利技术提供一种面向车路协同应用的车道级交通状态判别方法及系统。r/>
技术实现思路

[0005]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0006]面向车路协同应用的车道级交通状态判别系统，包括数据采集模块、数据预处理模块、数据处理模块和信息发布模块，其特征在于，
[0007]所述数据采集模块包括视频摄像机和毫米波雷达；其中：视频摄像机用于采集视频码流数据；毫米波雷达用于采集点云数据；
[0008]所述数据预处理模块包括用于接收视频摄像机和毫米波雷达采集的数据进行处理的雷达视频数据拟合处理单元和对电子地图进行编辑的电子地图数据处理单元；
[0009]所述数据处理模块包括将雷达视频数据拟合处理单元得到的车的结构化数据跟电子地图数据进行匹配的地图匹配单元和对匹配完成后得到的交通拥堵状态进行识别的识别单元；
[0010]所述信息发布模块包括对识别单元所生成的消息进行发布的车路协同发布单元和软件发布平台。车路协同发布单元包括路侧通信终端RSU和车载终端OBU。
[0011]本专利技术还提出一种面向车路协同应用的车道级交通状态判别方法，其特征在于：
包括以下步骤：
[0012]1)数据采集模块的视频摄像机和毫米波雷达进行道路全覆盖的安装布设，并通过数据采集模块的视频摄像机和毫米波雷达分别进行视频码流数据和点云数据进行采集；
[0013]2)将采集到的视频数据和雷达数据进行拟合处理，得到车辆的结构化数据，包括：时间戳(年、月、日、时、分、秒、毫秒)、车辆ID、瞬时速度、方向角、经纬度、车辆类型)；同时将电子地图按照车道和固定长度L划分成检测单元格，单元格的长边界以车道线为边，短边界由固定长度L来确定；(如图3所示)
[0014]3)根据步骤2)得到的结构化数据中的车辆定位信息，将车辆结构化数据匹配到电子地图中的检测的单元格中，明确每一辆车在哪一个单元格中；
[0015]具体如下：将车辆的中心定位经纬度与单元格的边界范围进行匹配得出车辆处于的位置，这样便确定车辆处于哪个单元格；
[0016]4)由于步骤2)得到的车辆结构化数据中包括车辆类型字段，为了准确衡量道路的通行状况，还需要把不同车型交通量统一成标准车当量交通量。根据车型分类及折算系数，将自然车辆换算成标准车辆后，再计算每个检测单元格的车辆密度；
[0017]5)设定车流密度阈值Y，判断密度K是否超过阈值Y；当K<Y时，检测单元格内无拥堵情况；当K≥Y时，检测单元格内存在车辆拥堵情况；
[0018]6)若判断连续拥堵单元格一共有n个，记录为集合A(单元格i，单元格i+1，单元格i+2，
……
，单元格i+n)；
[0019]7)提取集合A的单元格i中行车方向第一辆车的经纬度信息(X
i
,Y
i
)作为拥堵终点位置，提取单元格i+n中行车方向最后一辆车的经纬度信息(X
i+n
,Y
i+n
)作为拥堵起点位置；
[0020]8)计算单元格集合A内的瞬时平均车速，作为评价交通拥堵等级的指标(共3级，轻度拥堵、中度拥堵、严重拥堵)；由于城市道路等级不同、限速值也不同，需要根据道路限速值确定拥堵等级评价的平均车速范围；
[0021]9)根据起终点经纬度(X
i
,Y
i
)和X
i+n
,Y
i+n
)确定拥堵起点位置和拥堵终点位置以及电子地图中所在车道的编号，生成交通拥堵事件A的信息(时间戳、拥堵车道编号、起点经纬度位置、终点经纬度位置、拥堵等级)；
[0022]10)将步骤9)生成的信息发送到信息发布模块，信息发布模块通过路侧通信终端RSU和车载终端OBU，完成车路协同信息发布，同时还可以通过中心软件平台，实现数据展示和其他发布平台的对接。
[0023](三)有益效果
[0024]本专利技术提供了一种车路协同控制装置、系统及其控制方法。具备以下有益效果：
[0025]1.本专利技术利用视频加毫米波雷达的数据采集方案，排除了单一采集设备的缺陷，一方面车辆特征数据采集精度高，另一方面本方案受环境受天气影响小，基本不会发生目标车漏检或误检的情况；
[0026]2.能够达到车道级的交通拥堵状态识别、精确到米级的拥堵起终点位置识别、无盲区全覆盖，且数据延迟不低于1s，真正能够满足车路协同的数据需求；
[0027]3.定义了车道级的交通拥堵等级的评价方法，避免使用传统路网级别的宏观评价方法，更利于辅助车路协同环境下的车辆避开拥堵车道、合理规划行驶路径。
附图说明
[0028]图1为本专利技术面向车路协同应用的车道级交通状态判别系统结构图；
[0029]图2为本专利技术预处理模块和数据处理模块内识别交通拥堵状态的整个流程示意图；
[0030]图3为本专利技术单元格划界示意图；
[0031]图4为本专利技术车辆和单元格匹配示意图。
具体实施方式
[0032]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。
[0033]如图所示，面向车路协同应用的车道级交通状态判别系统，包括数据采集模块、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面向车路协同应用的车道级交通状态判别系统，包括数据采集模块、数据预处理模块、数据处理模块和信息发布模块，其特征在于，所述数据采集模块包括视频摄像机和毫米波雷达；其中：视频摄像机用于采集视频码流数据；毫米波雷达用于采集点云数据；所述数据预处理模块包括用于接收视频摄像机和毫米波雷达采集的数据进行处理的雷达视频数据拟合处理单元和对电子地图进行编辑的电子地图数据处理单元；所述数据处理模块包括将雷达视频数据拟合处理单元得到的车的结构化数据跟电子地图数据进行匹配的地图匹配单元和对匹配完成后得到的交通拥堵状态进行识别的识别单元；所述信息发布模块包括对识别单元所生成的消息进行发布的车路协同发布单元和软件发布平台。2.如权利要求1所述的面向车路协同应用的车道级交通状态判别系统，其特征在于，车路协同发布单元包括路侧通信终端RSU和车载终端OBU。3.面向车路协同应用的车道级交通状态判别方法，其特征在于：包括以下步骤：1)数据采集模块的视频摄像机和毫米波雷达进行道路全覆盖的安装布设，并通过数据采集模块的视频摄像机和毫米波雷达分别进行视频码流数据和点云数据进行采集；2)将采集到的视频数据和雷达数据进行拟合处理，得到车辆的结构化数据，包括：时间戳(年、月、日、时、分、秒、毫秒)、车辆ID、瞬时速度、方向角、经纬度、车辆类型；同时将电子地图按照车道和固定长度L划分成检测单元格，单元格的长边界以车道线为边，短边界由固定长度L来确定；(如图3所示)3)根据步骤2)得到的结构化数据中的车辆定位信息，将车辆结构化数据匹配到电子地图中的检测的单元格中，明确每一辆车在哪一个单元格中；具体如下：将车辆的中心定位经纬度与单元格的边界范围进行匹配得出车辆处于的位置，这样便确定车辆处于哪个单元格；4)由于步骤2)得到的车辆结构化数据中包括车辆类型字段，为了准确衡量道路的通行...

【专利技术属性】
技术研发人员：胡健萌，汪志涛，许乐，谢勇，
申请(专利权)人：上海智能交通有限公司，
类型：发明
国别省市：