交通流量预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种交通流量预测方法、装置、计算机设备和存储介质。方法包括：获取在至少一个交通检测点分别采集的交通视频；对于每一交通视频所包括的多个历史时刻的交通图像，确定交通图像包括的每一类交通对象的数量特征、交通图像的流量特征和交通图像特征；对于每帧交通图像，分别将相应交通图像所对应的数量特征、流量特征和交通图像特征进行融合，得到与相应交通图像对应的交通特征向量；基于至少一个交通检测点在相同历史时刻的交通图像所对应的交通特征向量，生成相应历史时刻的交通流量图；根据各个历史时刻分别对应的交通流量图，确定至少一个交通检测点的预测交通流量。采用本方法能够更准确地确定至少一个交通检测点的预测交通流量。测点的预测交通流量。测点的预测交通流量。

【技术实现步骤摘要】
交通流量预测方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种交通流量预测方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着社会与经济的发展，车辆越来越多，交通问题也越来越严峻。若可以预测出未来某个时间的交通流量，则可以预先针对该预测出的交通流量设计应对方案，从而解决各种交通问题。
[0003]传统的交通流量预测方法，通常是采用基于时空图的交通流量预测方法，在时间维度上采用循环时间网络捕获时间维度的信息，从而预测出有时间关系的交通流量。但传统的基于时空网格数据的交通流量预测方法，主要只考虑到时间维度的影响，对于时空特征的捕获不足，因而存在交通流量预测不准确的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高准确度的交通流量预测方法、装置、计算机设备和存储介质。
[0005]一种交通流量预测方法，所述方法包括：
[0006]获取在至少一个交通检测点分别采集的交通视频；
[0007]对于每一交通视频所包括的多个历史时刻的交通图像，确定所述交通图像包括的每一类交通对象的数量特征、所述交通图像的流量特征和交通图像特征；
[0008]对于每帧交通图像，分别将相应交通图像所对应的数量特征、流量特征和交通图像特征进行融合，得到与相应交通图像对应的交通特征向量；
[0009]基于所述至少一个交通检测点在相同历史时刻的交通图像所对应的交通特征向量，生成相应历史时刻的交通流量图；
[0010]根据各个历史时刻分别对应的交通流量图，确定所述至少一个交通检测点的预测交通流量。
[0011]一种交通流量预测装置，所述装置包括：
[0012]获取模块，用于获取在至少一个交通检测点分别采集的交通视频；
[0013]确定模块，用于对于每一交通视频所包括的多个历史时刻的交通图像，确定所述交通图像中包括的每一类交通对象的数量特征、所述交通图像的流量特征、以及所述交通图像的交通图像特征；
[0014]融合模块，用于对于每帧交通图像，分别将相应交通图像所对应的数量特征、流量特征和交通图像特征进行融合，得到与相应交通图像对应的交通特征向量；
[0015]生成模块，用于基于所述至少一个交通检测点在相同历史时刻的交通图像所对应的交通特征向量，生成相应历史时刻的交通流量图；
[0016]所述确定模块还用于根据各个历史时刻分别对应的交通流量图，确定所述至少一
个交通检测点的预测交通流量。
[0017]在其中一个实施例中，所述确定模块还用于从所述交通图像提取出图像金字塔特征；对所述图像金字塔特征进行注意力机制处理，得到经过注意力增强的图像金字塔特征；将经过注意力增强的图像金字塔特征进行卷积操作，生成所述交通图像中包括的每一个交通个体所在的候选框；根据属于同一类交通对象的所有交通个体所在的候选框，确定与相应类别的交通对象相对应的数量特征。
[0018]在其中一个实施例中，所述确定模块还用于对于每个所述候选框，识别出所述候选框框中的交通个体所属交通对象的类别，并确定对应的类别置信度；筛选出类别置信度高于置信度阈值的候选框作为目标框；统计各所述目标框框中的交通个体所属交通对象的类别，并基于属于相同交通对象的交通个体所对应的目标框，确定所述交通图像中包括的每一类交通对象的数量特征。
[0019]在其中一个实施例中，所述确定模块还用于对所述图像金字塔特征中的各层特征分别进行通道注意力机制处理，得到对应的通道金字塔特征；对所述图像金字塔特征中的各层特征分别进行空间注意力机制处理，得到对应的空间金字塔特征；叠加所述图像金字塔特征、所述通道金字塔特征和所述空间金字塔特征，得到经过注意力增强的图像金字塔特征。
[0020]在其中一个实施例中，所述确定模块还用于对所述交通图像进行目标跟踪，得到所述交通图像中跟踪到的每一个交通个体的目标行动轨迹点；将所述交通图像中的目标行动轨迹点的目标位置特征添加至跟踪队列中，以使得所述跟踪队列中前序交通图像所对应的前序目标行动轨迹点，与当前的交通图像所对应的目标行动轨迹点，构成各交通个体的目标行动轨迹；根据所述交通图像中各交通个体的目标行动轨迹的数量和轨迹方向，确定所述交通图像的流量特征。
[0021]在其中一个实施例中，所述确定模块还用于对所述交通图像进行多目标跟踪，得到所述交通图像中跟踪到的每一个交通个体的第一行动轨迹点；对所述交通图像进行单目标跟踪，得到所述交通图像中跟踪到的每一个交通个体的第二行动轨迹点；采用自适应决策模型从所述第一行动轨迹点和所述第二行动轨迹点中，确定所述交通图像中跟踪到的每一个交通个体的目标行动轨迹点。
[0022]在其中一个实施例中，所述确定模块还用于从所述交通图像提取出图像金字塔特征；所述图像金字塔特征包括有至少两层尺度依次增大的特征；对于所述图像金字塔特征中除尺度最大的特征之外的每一层特征，进行上采样，得到对应的上采样特征，并通过跳跃连接将所述上采样特征与相应层所对应的上一尺度的特征进行融合，得到所述交通图像中跟踪到的每一个交通个体的第一位置特征；基于所述第一位置特征确定每一个交通个体的第一行动轨迹点。
[0023]在其中一个实施例中，所述确定模块还用于获取基于所述交通图像进行目标检测而得到的目标检测图像；对所述交通图像和所述目标检测图像分别进行卷积处理，提取出所述交通图像中各交通个体的第一图像特征和所述目标检测图像中各交通个体的第二图像特征；采用注意力机制对各所述第一图像特征和各所述第二图像特征分别进行处理，得到经过注意力增强的第一图像特征和经过注意力增强的第二图像特征；将经过注意力增强的第一图像特征和经过注意力增强的第二图像特征进行互相关处理，得到经过注意力增强
的第一图像特征和经过注意力增强的第二图像特征之间的相似度特征；根据各所述相似度特征，得到所述交通图像中跟踪到的每一个交通个体的第二行动轨迹点。
[0024]在其中一个实施例中，所述确定模块还用于对于每个所述相似度特征，对每个所述相似度特征分别进行分类处理，得到分类置信图；对每个所述相似度特征分别进行回归处理，得到位置回归图，以及基于所述分类置信图和所述位置回归图，确定每个所述交通个体的第二位置特征；基于所述第二位置特征确定每一个交通个体的第二行动轨迹点。
[0025]在其中一个实施例中，所述装置还包括训练模块，用于获取多个训练图像，对每个训练图像进行多目标跟踪得到第一训练轨迹点；对每个训练图像进行单目标跟踪得到第二训练轨迹点；在当前轮次训练过程中，对于当前轮次的每张训练图像，均通过待训练的自适应决策模型从所述第一训练轨迹点和所述第二训练轨迹点中选择目标训练轨迹点，并确定所述目标训练轨迹点和所述训练图像的真实训练轨迹点之间的重叠率；累计所述当前轮次的所有训练图像的重叠率，得到当前轮次的累计重叠率；通过使得所述累计重叠率最大化以优化所述待训练的自适应决策模型，并返回执行下一轮次的训练过程，直到满足预设停止条件时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通流量预测方法，其特征在于，所述方法包括：获取在至少一个交通检测点分别采集的交通视频；对于每一交通视频所包括的多个历史时刻的交通图像，确定所述交通图像包括的每一类交通对象的数量特征、所述交通图像的流量特征和交通图像特征；对于每帧交通图像，分别将相应交通图像所对应的数量特征、流量特征和交通图像特征进行融合，得到与相应交通图像对应的交通特征向量；基于所述至少一个交通检测点在相同历史时刻的交通图像所对应的交通特征向量，生成相应历史时刻的交通流量图；根据各个历史时刻分别对应的交通流量图，确定所述至少一个交通检测点的预测交通流量。2.根据权利要求1所述的方法，其特征在于，确定所述交通图像包括的每一类交通对象的数量特征的方式，包括：从所述交通图像提取出图像金字塔特征；对所述图像金字塔特征进行注意力机制处理，得到经过注意力增强的图像金字塔特征；将经过注意力增强的图像金字塔特征进行卷积操作，生成所述交通图像中包括的每一个交通个体所在的候选框；根据属于同一类交通对象的所有交通个体所在的候选框，确定与相应类别的交通对象相对应的数量特征。3.根据权利要求2所述的方法，其特征在于，所述根据属于同一类交通对象的所有交通个体所在的候选框，确定与相应类别的交通对象相对应的数量特征，包括：对于每个所述候选框，识别出所述候选框框中的交通个体所属交通对象的类别，并确定对应的类别置信度；筛选出类别置信度高于置信度阈值的候选框作为目标框；统计各所述目标框框中的交通个体所属交通对象的类别，并基于属于相同交通对象的交通个体所对应的目标框，确定所述交通图像中包括的每一类交通对象的数量特征。4.根据权利要求2所述的方法，其特征在于，所述对所述图像金字塔特征进行注意力机制处理，得到经过注意力增强的图像金字塔特征，包括：对所述图像金字塔特征中的各层特征分别进行通道注意力机制处理，得到对应的通道金字塔特征；对所述图像金字塔特征中的各层特征分别进行空间注意力机制处理，得到对应的空间金字塔特征；叠加所述图像金字塔特征、所述通道金字塔特征和所述空间金字塔特征，得到经过注意力增强的图像金字塔特征。5.根据权利要求1所述的方法，其特征在于，确定所述交通图像的流量特征的方式，包括：对所述交通图像进行目标跟踪，得到所述交通图像中跟踪到的每一个交通个体的目标行动轨迹点；将所述交通图像中的目标行动轨迹点的目标位置特征添加至跟踪队列中，以使得所述
跟踪队列中前序交通图像所对应的前序目标行动轨迹点，与当前的交通图像所对应的目标行动轨迹点，构成各交通个体的目标行动轨迹；根据所述交通图像中各交通个体的目标行动轨迹的数量和轨迹方向，确定所述交通图像的流量特征。6.根据权利要求5所述的方法，其特征在于，所述对所述交通图像进行目标跟踪，得到所述交通图像中跟踪到的每一个交通个体的目标行动轨迹点，包括：对所述交通图像进行多目标跟踪，得到所述交通图像中跟踪到的每一个交通个体的第一行动轨迹点；对所述交通图像进行单目标跟踪，得到所述交通图像中跟踪到的每一个交通个体的第二行动轨迹点；采用自适应决策模型从所述第一行动轨迹点和所述第二行动轨迹点中，确定所述交通图像中跟踪到的每一个交通个体的目标行动轨迹点。7.根据权利要求6所述的方法，其特征在于，所述对所述交通图像进行多目标跟踪，得到所述交通图像中跟踪到的每一个交通个体的第一行动轨迹点，包括：从所述交通图像提取出图像金字塔特征；所述图像金字塔特征包括有至少两层尺度依次增大的特征；对于所述图像金字塔特征中除尺度最大的特征之外的每一层特征，进行上采样，得到对应的上采样特征，并通过跳跃连接将所述上采样特征与相应层所对应的上一尺度的特征进行融合，得到所述交通图像中跟踪到的每一个交通个体的第一位置特征；基于所述第一位置特征确定每一个交通个体的第一行动轨迹点。8.根据权利要求6所述的方法，其特征在于，所述对所述...

【专利技术属性】
技术研发人员：张顺利，万晨威，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：