一种基于云边协同的高速公路交通流量计数方法技术

本发明专利技术提供一种基于云边协同的高速公路交通流量计数方法，涉及边缘计算技术领域。本方法中边缘计算设备负责采集高速公路交通流量音频样本，云服务器对交通流量音频进行预处理和特征提取，训练交通流量计数支持向量机模型，为避免资源浪费和任务等待时间过长，自适应调整计算资源，最后将高速公路交通流量计数模型更新到边缘计算设备上，由于边缘计算设备的存储空间和计算能力有限，边缘计算设备不能独立训练基于音频的高速公路交通流量计数模型，充分考虑了边缘计算设备的存储和计算能力，采用云边协同的方式缓解云服务器对于图像处理计算量的计算压力和网络传输带宽压力大的问题，有效解决了有限边缘计算能力下高速公路交通流量计数问题。

【技术实现步骤摘要】
一种基于云边协同的高速公路交通流量计数方法
本专利技术涉及边缘计算
，尤其涉及一种基于云边协同的高速公路交通流量计数方法。
技术介绍
近年来随着物联网技术的不断创新，智能交通系统也在不断发展和完善。智能交通被认为是一个涵盖路线优化、停车、路灯、交通流量、事故预防/检测、道路异常和基础设施应用的总括术语。当前智能交通系统中用于高速公路交通流量监测的常用技术为视频监测技术，该技术通过摄像头拍摄的视频，对高速公路上的车辆进行检测识别和跟踪，分析交通流量状态。但是使用视频检测的方法仍存在以下不足：(1)摄像头受外界环境影响较大。摄像头在光照条件好时检测效果好，当光线较暗时，摄像头拍摄的视频可能会模糊，特别是出现遮挡和异常天气时，视频检测的效果大大降低甚至有时会导致检测失效，同时摄像头的拍摄范围有限。(2)图像处理计算量大。摄像头拍摄的视频是一帧一帧图像组成，运用视频检测技术和图像处理技术对采集的数据进行分析，得到交通信息。计算机处理大量交通图片时，计算机的计算压力增大，而高性能的计算机和图像处理的硬件设备成本较大。(3)网络传输带宽压力大。网络带宽的增长速度远不及数据的增长速度，信息采集设备将采集的交通信息不经过任何处理直接传送到服务器，由于信息采集的连续性，信息传送也是连续不断的，会导致网络信息传输的压力增大。现在也存在一些通过音频分析交通流量状态的方法，通过车辆碰撞的声音检测交通异常是最直接的检测方法，但是事故地点距离采集音频的设备较远时，音频设备可能无法采集到碰撞声音从而判断失误。同时，由于每个采集高速公路交通流量音频样本的边缘计算设备所处的环境不同，每一个边缘计算设备需要训练单独的高速公路交通流量计数模型，但是由于边缘计算设备的存储空间和计算能力有限，不能在边缘计算设备上训练高速公路交通流量计数模型，所以前人方法中对于高速公路交通流量统计的效果并不理想。
技术实现思路
本专利技术要解决的技术问题是针对上述现有技术的不足，一种基于云边协同的高速公路交通流量计数方法，解决有限边缘计算能力下高速公路交通流量计数问题。为解决上述技术问题，本专利技术所采取的技术方案是：一种基于云边协同的高速公路交通流量计数方法，包括以下步骤：步骤1：边缘计算设备采集高速公路交通流量音频样本，然后将音频样本传送到云服务器并存储在交通流量音频样本库中，每一个边缘计算设备生成自己的音频样本库；步骤2：云服务器根据每个边缘计算设备的高速公路交通流量音频样本库，对音频信号进行预处理和特征提取，生成高速公路交通流量训练样本；步骤2.1：对高速公路交通流量音频信号进行预处理；步骤2.1.1：通过一阶数字滤波器对高速公路交通流量音频信号的高频部分进行预加重，让该段音频信号的频谱波动区间相对减小，如下公式所示：H(z)＝1-αz-1(1)y(t)＝x(t)-αx(t-1)(2)其中，H(z)表示传递函数，α表示预加重系数，0.9<α<1.0，z表示高速公路交通流量音频信号的高频部分，x(t)表示t时刻的高速公路交通流量音频信号采样值，y(t)表示预加重后的音频信号；步骤2.1.2：采用可移动的有限长度窗口进行加权的方法对步骤2.1.1中得到的预加重后的高速公路交通流量音频信号进行分帧；步骤2.1.3：采用汉明窗函数对经步骤2.1.2处理后得到的高速公路交通流量音频信号进行加窗，加窗后的高速公路交通流量音频信号表示如下：sw(x)＝s(x)*w(x)(4)其中，w(x)表示汉明窗函数，N为正整数，sw(x)表示加窗后的高速公路交通流量音频信号，s(x)表示原始高速公路交通流量音频信号；步骤2.2：对预处理后的高速公路交通流量音频信号的每一帧数据进行快速傅里叶变换(FastFourierTransformation,FFT)，将高速公路交通流量音频信号时域分析转换成频域分析，得到频域信号；步骤2.3：将高速公路交通流量音频信号中每一帧频域信号通过梅尔滤波器，将频率标度转化为梅尔频率标度，公式如下：其中，mel(f)表示梅尔频率标度，f表示频率标度；步骤2.4：计算高速公路交通流量音频信号每一帧滤波后的能量和并取对数；其中，y表示计算结果，xi表示高速公路交通流量音频信号的第i帧滤波后的能量；步骤2.5：对步骤2.4计算结果进一步做离散余弦变换(DiscreteCosineTransform,DCT)，得到梅尔倒谱系数，得到高速公路交通流量音频信号的特征和标签，生成高速公路交通流量训练样本数组；步骤3：训练基于支持向量机(SupportVectorMachine,SVM)的个性化高速公路交通流量计数模型，所述个性化高速公路交通流量计数模型为对所述训练样本数组进行训练得到的模型；步骤3.1将高速公路交通流量分成0，1，2，…，k，一共k+1个类别，将经过步骤2.5生成的高速公路交通流量音频计算模型样本集作为高速公路交通流量分类器模型的输入；步骤3.2：将高速公路交通流量的每一个类别作为一个二分类问题，所述二分类问题指在包含两类事项的比较研究中，按两个标志所作的分类的问题，属于该类别的高速公路交通流量音频信号特征作为该类别的正样本，其余类别的高速公路交通流量音频信号特征作为负样本，训练k+1个二类分类器，具体方法如下：步骤3.2.1：在高速公路交通流量训练样本集D＝{(x1,y1),(x2,y2),...,(xm,ym)},yi∈{-1,+1}构成的特征空间中，找到最大间隔划分超平面，将不同类别的样本分开，确定高速公路交通流量分类器模型，具体公式如下：f(x)＝ωTx+b(6)其中，ω和b为模型参数，x为高速公路交通流量训练样本集，(xm，ym)为高速公路交通流量训练样本集中的第m个样本；步骤3.2.2：将在高速公路交通流量音频信号特征构成的特征空间寻找最优分类超平面的问题转化成一个如下公式所示的二次规划问题，所述二次规划是非线性规划中的数学规划问题：式中，ξi为第i个样本的松弛系数，满足约束条件的高速公路交通流量音频信号特征样本ξ＝0，其中违反最大间隔规则的高速公路交通流量音频信号特征样本ξ>0；C为惩罚系数，C越大对违反约束样本的惩罚力度越大；N为高速公路交通流量训练样本集的样本数；所述SVM的原始目标，即间隔最大化，并将其表示为约束最优化问题；步骤3.2.3：使用拉格朗日乘子得到拉格朗日函数，如下公式所示：其中，αi和μi表示为拉格朗日乘子，且αi≥0，μi≥0；步骤3.2.4：通过拉格朗日对偶将SVM的优化问题转化为等价对偶问题，对偶化得到表达式如下所示：其中，K(xi,xj)表示为核函数，αi表示为拉格朗日乘子；步骤3.2.5：当公式(10)最小时对应的α向量的值为α*向量，则b的估计值b*本文档来自技高网...

【技术保护点】
1.一种基于云边协同的高速公路交通流量计数方法，其特征在于，包括以下步骤：/n步骤1：边缘计算设备采集高速公路交通流量音频样本，然后将音频样本传送到云服务器并存储在交通流量音频样本库中，每一个边缘计算设备生成自己的音频样本库；/n步骤2：云服务器根据每个边缘计算设备的高速公路交通流量音频样本库，对音频信号进行预处理和特征提取；/n步骤2.1：对高速公路交通流量音频信号进行预处理；/n步骤2.2：对预处理后的高速公路交通流量音频信号的每一帧数据进行快速傅里叶变换(Fast Fourier Transformation,FFT)，将高速公路交通流量音频信号时域分析转换成频域分析，得到频域信号；/n步骤2.3：将高速公路交通流量音频信号中每一帧频域信号通过梅尔滤波器，将频率标度转化为梅尔频率标度，公式如下：/n

【技术特征摘要】
1.一种基于云边协同的高速公路交通流量计数方法，其特征在于，包括以下步骤：
步骤1：边缘计算设备采集高速公路交通流量音频样本，然后将音频样本传送到云服务器并存储在交通流量音频样本库中，每一个边缘计算设备生成自己的音频样本库；
步骤2：云服务器根据每个边缘计算设备的高速公路交通流量音频样本库，对音频信号进行预处理和特征提取；
步骤2.1：对高速公路交通流量音频信号进行预处理；
步骤2.2：对预处理后的高速公路交通流量音频信号的每一帧数据进行快速傅里叶变换(FastFourierTransformation,FFT)，将高速公路交通流量音频信号时域分析转换成频域分析，得到频域信号；
步骤2.3：将高速公路交通流量音频信号中每一帧频域信号通过梅尔滤波器，将频率标度转化为梅尔频率标度，公式如下：



其中，mel(f)表示梅尔频率标度，f表示频率标度；
步骤2.4：计算高速公路交通流量音频信号每一帧滤波后的能量和并取对数；



其中，y表示计算结果，xi表示高速公路交通流量音频信号的第i帧滤波后的能量
步骤2.5：对步骤2.4计算结果进一步做离散余弦变换(DiscreteCosineTransform,DCT)，得到梅尔倒谱系数，得到高速公路交通流量音频信号的特征和标签，生成高速公路交通流量训练样本数组；
步骤3：训练基于支持向量机(SupportVectorMachine,SVM)的个性化高速公路交通流量计数模型，所述个性化高速公路交通流量计数模型为对所述训练样本数组进行训练得到的模型；
步骤4：将高速公路交通流量计数模型更新到边缘计算设备上，边缘计算设备将高速公路交通流量计数结果存储到云服务器的交通流量时间序列库中，由此完成了对高速公路交通流量的计数。


2.根据权利要求1所述的一种基于云边协同的高速公路交通流量计数方法，其特征在于，步骤2.1具体包括以下步骤：
步骤2.1.1：通过一阶数字滤波器对高速公路交通流量音频信号的高频部分进行预加重，让该段音频信号的频谱波动区间相对减小，如下公式所示：
H(z)＝1-αz-1(1)
y(t)＝x(t)-αx(t-1)(2)
其中，H(z)表示传递函数，α表示预加重系数，0.9<α<1.0，z表示高速公路交通流量音频信号的高频部分，x(t)表示t时刻的高速公路交通流量音频信号采样值，y(t)表示预加重后的音频信号；
步骤2.1.2：采用可移动的有限长度窗口进行加权的方法对步骤2.1.1中得到的预加重后的高速公路交通流量音频信号进行分帧；
步骤2.1.3：采用汉明窗函数对经步骤2.1.2处理后得到的高速公路交通流量音频信号进行加窗，加窗后的高速公路交通流量音频信号表示如下：



sw(x)＝s(x)*w(x)(4)
其中，w(x)表示汉明窗函数，N为正整数，sw(x)表示加窗后的高速公路交通流量音频信号，s(x)表示原始高速公路交通流量音频信号。


3.根据权利要求1所述的一种基于云边协同的高速公路交通流量计数方法，其特征在于，步骤3具体包括以下步骤：
步骤3.1将高速公路交通流量分成0，1，2，…，k，一共k+1个类别，将经过步骤2.5生成的高速公路交通流量音频计算模型样本集作为高速公路交通流量分类器模型的输入；
步骤3.2：将高速公路交通流量的每一个类别作为一个二分类问题，所述二分类问题指在包含两类事项的比较研究中，按两个标志所作的分类的问题，属于该类别的高速公路交通流量音频信号特征作为该类别的正样本，其余类别的高速公路交通流量音频信号特征作为负样本，训练k+1个二类分类器，...

【专利技术属性】
技术研发人员：郭军，高赫妍，蒙龙，闫泽宇，张斌，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21