基于物流园区道路拥堵实时监控的车辆引导方法及系统技术方案

本公开提供了一种基于物流园区道路拥堵实时监控的车辆引导方法及系统，获取物流园区道路的图像数据；根据获取的图像数据，对道路上的车辆进行检测跟踪，得到当前路面区域内的车辆数目以及当前路面区域内车辆的平均行驶速度；对获取的图像数据进行可行驶区域估计，得到当前路面区域可行驶区域的占比；结合路面车辆数目、车辆平均行驶速度、可行驶区域占比以及预设路面拥堵评估模型，得到当前路面区域内的道路拥堵分级；根据得到的拥堵分级进行当前路面区域内的车辆引导控制；本公开结合园区路面车辆监控及道路可行驶区域估计，建立道路拥堵模型并实时监测，实现了物流园区的道路拥堵实时监控，提高了物流园区内车辆引导的准确率。

【技术实现步骤摘要】
基于物流园区道路拥堵实时监控的车辆引导方法及系统
本公开涉及物流园智慧化控制
，特别涉及一种基于物流园区道路拥堵实时监控的车辆引导方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
，并不必然构成现有技术。物流园区的路面拥堵管理，直接影响物流转运的效率。尤其是在物流转运流量的高峰期，实时监控物流园内路面拥堵情况，快速疏导路面交通，能够极大的提高物流效率。不同于城市交通拥堵，物流园区内的路面拥堵缺乏有效的管理。物流园内路网交错，物流运输车辆大小不一，货物容易占道摆放，且不像城市路面交通管理能够实现车辆严格的行驶单向性，这些因素更容易造成路面的拥堵。专利技术人发现，当前对于物流园区道路拥堵的管理，相关技术多关注于对车辆的管理上。例如，专利201810900508.5提出了一种基于RFID的车辆管理调度方法。事实上，对于物流园区的场景，造成道路拥堵的因素不仅仅是运输车辆，还包括路面摆放的货物，而现有的物流园区道路拥堵的实时监控，只考虑物流运输车辆的分析，缺乏对园区内路面货物以及人员对道路的影响，使得物流园区内的车辆引导准确率较低，容易造成进一步的拥堵。
技术实现思路
为了解决现有技术的不足，本公开提供了一种基于物流园区道路拥堵实时监控的车辆引导方法及系统，结合园区路面车辆监控及道路可行驶区域估计，建立道路拥堵模型并实时监测，实现了物流园区的道路拥堵实时监控，提高了物流园区内车辆引导的准确率。为了实现上述目的，本公开采用如下技术方案：本公开第一方面提供了一种基于物流园区道路拥堵实时监控的车辆引导方法。一种基于物流园区道路拥堵实时监控的车辆引导方法，包括以下过程：获取物流园区道路的图像数据；根据获取的图像数据，对道路上的车辆进行检测跟踪，得到当前路面区域内的车辆数目以及当前路面区域内车辆的平均行驶速度；对获取的图像数据进行可行驶区域估计，得到当前路面区域可行驶区域的占比；结合路面车辆数目、车辆平均行驶速度、可行驶区域占比以及预设路面拥堵评估模型，得到当前路面区域内的道路拥堵分级；根据得到的拥堵分级进行当前路面区域内的车辆引导控制。进一步的，所述图像数据为覆盖当前路面区域各个路段的彩色RGB图像。进一步的，采用YOLOv5神经网络模型进行当前路面区域内的车辆检测和计数。进一步的，采用DeepSORT目标跟踪算法进行当前路面区域内的车辆跟踪。进一步的，对车辆保持一定帧数图像的跟踪，用车辆中心点的运动表征车辆的运动；利用小孔成像原理将车辆中心点的像素坐标转化为实际的空间坐标，进而计算出车辆的位移量，设监控相机帧率为N，跟踪n帧车辆从(x1,y1)运动到(x2,y2)，则该车辆的速度v为：得到当前区域内各个车辆的行驶速度后，计算当前区域内所有车辆的平均行驶速度。进一步的，通过语义分割算法对道路进行可行驶区域的分割提取，以提取的可行驶区域的像素数量相对于完整路面的像素数量的百分比为可行驶区域的占比。进一步的，以得到的路面车辆数目、车辆平均行驶速度和可行驶区域占比作为三个属性，通过决策树算法建立道路拥堵评估模型，得到当前道路的拥堵分级。本公开第二方面提供了一种基于物流园区道路拥堵实时监控的车辆引导系统。一种基于物流园区道路拥堵实时监控的车辆引导系统，包括：数据获取模块，被配置为：获取物流园区道路的图像数据；车辆跟踪模块，被配置为：根据获取的图像数据，对道路上的车辆进行检测跟踪，得到当前路面区域内的车辆数目以及当前路面区域内车辆的平均行驶速度；可行驶区域估计模块，被配置为：对获取的图像数据进行可行驶区域估计，得到当前路面区域可行驶区域的占比；拥堵分级模块，被配置为：结合路面车辆数目、车辆平均行驶速度、可行驶区域占比以及预设路面拥堵评估模型，得到当前路面区域内的道路拥堵分级；车辆引导模块，被配置为：根据得到的拥堵分级进行当前路面区域内的车辆引导控制。本公开第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的基于物流园区道路拥堵实时监控的车辆引导方法中的步骤。本公开第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的基于物流园区道路拥堵实时监控的车辆引导方法中的步骤。与现有技术相比，本公开的有益效果是：1、本公开所述的方法、系统、介质或电子设备，针对物流园区拥堵情况，结合影响物流园区道路拥堵的多个因素，对路面车辆数量、速度及道路可行驶区域进行综合分析，相比于只考虑车辆因素，评估结果更加全面准确，实现了更精确的园区内车辆引导。2、本公开所述的方法、系统、介质或电子设备，采用人工智能的方法对采集到的路面进行实时分析，处理速度不超过200ms，能够有效提高道路拥堵评估的实时性。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。图1为本公开实施例1提供的基于物流园区道路拥堵实时监控的车辆引导方法的流程示意图。图2为本公开实施例1提供的监控相机部署示意图。图3为本公开实施例1提供的车辆检测结果示意图。图4为本公开实施例1提供的车辆跟踪结果示意图。图5为本公开实施例1提供的可行驶区域提取结果示意图。具体实施方式下面结合附图与实施例对本公开作进一步说明。应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。实施例1：如图1所示，本公开实施例1提供了一种基于物流园区道路拥堵实时监控的车辆引导方法，包括以下过程：利用物流园区内安置的监控相机，实时采集园区路况图像；基于园区路况的RGB图像，对道路上的车辆进行检测跟踪，通过目标检测算法统计当前路面上的车辆数目，通过对车辆的跟踪计算路面区域内车辆的平均行驶速度；对采集到的RGB图像进行可行驶区域估计，通过语义分割算法计算路面可行驶区域的占比情况；结合路面车辆数目、区域内车辆平均行驶速度、可行驶区域占比，构建路面拥堵评估模型，并对当前路面情况进行拥堵分级；最终根据各个路段的拥堵分级对行驶车辆进行引导。具体的，包括本文档来自技高网...

【技术保护点】
1.一种基于物流园区道路拥堵实时监控的车辆引导方法，其特征在于：包括以下过程：/n获取物流园区道路的图像数据；/n根据获取的图像数据，对道路上的车辆进行检测跟踪，得到当前路面区域内的车辆数目以及当前路面区域内车辆的平均行驶速度；/n对获取的图像数据进行可行驶区域估计，得到当前路面区域可行驶区域的占比；/n结合路面车辆数目、车辆平均行驶速度、可行驶区域占比以及预设路面拥堵评估模型，得到当前路面区域内的道路拥堵分级；/n根据得到的拥堵分级进行当前路面区域内的车辆引导控制。/n

【技术特征摘要】
1.一种基于物流园区道路拥堵实时监控的车辆引导方法，其特征在于：包括以下过程：
获取物流园区道路的图像数据；
根据获取的图像数据，对道路上的车辆进行检测跟踪，得到当前路面区域内的车辆数目以及当前路面区域内车辆的平均行驶速度；
对获取的图像数据进行可行驶区域估计，得到当前路面区域可行驶区域的占比；
结合路面车辆数目、车辆平均行驶速度、可行驶区域占比以及预设路面拥堵评估模型，得到当前路面区域内的道路拥堵分级；
根据得到的拥堵分级进行当前路面区域内的车辆引导控制。


2.如权利要求1所述的基于物流园区道路拥堵实时监控的车辆引导方法，其特征在于：
所述图像数据为覆盖当前路面区域各个路段的彩色RGB图像。


3.如权利要求1所述的基于物流园区道路拥堵实时监控的车辆引导方法，其特征在于：
采用YOLOv5神经网络模型进行当前路面区域内的车辆检测和计数。


4.如权利要求1所述的基于物流园区道路拥堵实时监控的车辆引导方法，其特征在于：
采用DeepSORT目标跟踪算法进行当前路面区域内的车辆跟踪。


5.如权利要求1所述的基于物流园区道路拥堵实时监控的车辆引导方法，其特征在于：
对车辆保持一定帧数图像的跟踪，用车辆中心点的运动表征车辆的运动；
利用小孔成像原理将车辆中心点的像素坐标转化为实际的空间坐标，进而计算出车辆的位移量，设监控相机帧率为N，跟踪n帧车辆从(x1,y1)运动到(x2,y2)，则该车辆的速度v为：



得到当前区域内各个车辆的行驶速度后，计算当前区域内所有车辆的平均行驶速度。


6...

【专利技术属性】
技术研发人员：陈小忠，高桢，姚东，
申请(专利权)人：山东产研信息与人工智能融合研究院有限公司，
类型：发明
国别省市：山东;37