车辆流向预测方法、预测系统及城市交通信号机控制方法技术方案

本发明专利技术公开一种车辆流向预测方法、预测系统及城市交通信号机控制方法，涉及城市交通管理技术领域，包括：根据车辆图像数据，获取车辆图像行为特征；根据车辆轨迹数据，获取车辆轨迹行为特征；根据车辆驾驶数据，获取车辆驾驶行为特征；根据每个车道的车辆实时数据，建立以车道、距离、时间以及流向为维度的图谱框架；将每个车辆的车辆图像行为特征、车辆轨迹行为特征以及车辆驾驶行为特征输入至图谱框架中，形成以行为特征、车道、距离、时间为输入且流向为输出的车辆行为预测模型，对每个预测车辆的流向进行预测，解决了依靠传统方法导致的准确度低的技术问题，可以快速准确地对车辆流向进行预测，提高了准确度，提高了对路口交通管理的效率。的效率。的效率。

【技术实现步骤摘要】
车辆流向预测方法、预测系统及城市交通信号机控制方法


[0001]本专利技术涉及城市交通管理
，特别是涉及一种车辆流向预测方法、预测系统及城市交通信号机控制方法。

技术介绍

[0002]交通路口作为城市交通道路网络的主要组成部分，它是否正常畅通将会直接影响城市交通道路网络的运行。交通拥堵是我国新型城镇化建设进程中面临的代表性问题。交通状况优化是预防和缓解交通拥堵的关键。
[0003]然而，传统车辆流向预测方法依靠人为观察或者人工统计对车辆的流向进行预测，导致加入了人为主观意识且浪费了大量的人力物力，使得传统车辆流向预测方法准确度低，无法准确地反映实际交通情况，从而影响了交通信号控制的效率，造成绿灯空放等宝贵的时间资源浪费。

技术实现思路

[0004]本专利技术的目的是解决传统车辆流向预测方法依靠人为观察或者人工统计导致的准确度低的技术问题。为实现上述目的，本专利技术提供一种车辆流向预测方法、预测系统及城市交通信号机控制方法。
[0005]本专利技术提供一种车辆流向预测方法，包括：获取车辆图像数据、车辆轨迹数据以及车辆驾驶数据；根据所述车辆图像数据，获取每个车辆的车辆图像行为特征；根据所述车辆轨迹数据，获取每个车辆的车辆轨迹行为特征；根据所述车辆驾驶数据，获取每个车辆的车辆驾驶行为特征；根据每个车道的车辆实时数据，建立以车道、距离、时间以及流向为维度的图谱框架；将每个车辆的所述车辆图像行为特征、所述车辆轨迹行为特征以及所述车辆驾驶行为特征输入至所述图谱框架中，形成以行为特征、车道、距离、时间为输入且流向为输出的车辆行为预测模型；根据所述车辆行为预测模型对每个预测车辆的流向进行预测。
[0006]本专利技术提供一种车辆流向预测系统，包括：数据获取模块，用于获取车辆图像数据、车辆轨迹数据以及车辆驾驶数据；图像行为获取模块，用于根据所述车辆图像数据，获取每个车辆的车辆图像行为特征；轨迹行为获取模块，用于根据所述车辆轨迹数据，获取每个车辆的车辆轨迹行为特征；驾驶行为获取模块，用于根据所述车辆驾驶数据，获取每个车辆的车辆驾驶行为特征；
图谱框架构建模块，用于根据每个车道的车辆实时数据，建立以车道、距离、时间以及流向为维度的图谱框架；预测模型形成模块，用于将每个车辆的所述车辆图像行为特征、所述车辆轨迹行为特征以及所述车辆驾驶行为特征输入至所述图谱框架中，形成以行为特征、车道、距离、时间为输入且流向为输出的车辆行为预测模型；流向预测模块，用于根据所述车辆行为预测模型对每个预测车辆的流向进行预测。
[0007]本专利技术提供一种城市交通信号机控制方法，采用上述实施例中所述的车辆流向预测方法获取车辆流向，所述车辆流向应用于城市交通信号机控制方法。
[0008]上述车辆流向预测方法、预测系统及城市交通信号机控制方法中，根据车辆图像数据、车辆轨迹数据以及车辆驾驶数据可以分别获取每个车辆的车辆图像行为特征、车辆轨迹行为特征以及车辆驾驶行为特征，充分考虑了车辆的多个表现行为特征，从多个角度对车辆进行了充分分析。进而，以每个车辆的车道、距离、时间以及流向为多个不同维度，构建图谱框架，将车辆图像行为特征、车辆轨迹行为特征以及车辆驾驶行为特征融入到图谱框架中，形成了车辆图像行为特征、车辆轨迹行为特征、车辆驾驶行为特征、车道、距离、时间、流向，彼此相互对应的多输入单输出的车辆行为预测模型。根据车辆行为预测模型，以行为特征、车道、距离、时间为输入，则可以预测获得每个车辆的车辆流向。
[0009]通过本专利技术提供的车辆流向预测方法，以高频率、全采样、全自动化数据代替人工低频率、实地抽时段、手动统计，具有安全、高效、公平的优点，可以快速准确地对每个车辆的车辆流向进行预测，提高了准确度。从而，将本专利技术提供的车辆流向预测方法，应用到优化路口交通信号控制方案中，可以更好地保障路口安全、高效、公平运行，提高了对路口交通管理的效率。
附图说明
[0010]图1是本专利技术提供的基于多模态感知的车流量预测方法的步骤流程示意图。
[0011]图2是本专利技术提供的车辆流向预测方法的步骤流程示意图。
[0012]图3是本专利技术提供的城市交通信号机控制方法的步骤流程示意图。
[0013]图4是本专利技术提供的基于多模态感知的车流量预测系统的步骤流程示意图。
[0014]图5是本专利技术提供的车辆流向预测系统的步骤流程示意图。
[0015]图6是本专利技术提供的城市交通信号机控制系统的结构示意图。
具体实施方式
[0016]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
[0017]通过高精度地图，获取车道边界、车道线、转向线、绿化带、隔离带等多种道路信息图层，并获取对应的经纬度信息。路口与路段的空间拓扑关系，表明了城市交通道路的位置关系。
[0018]多模态感知数据通过雷视一体机获得，融合了雷达设备与视频设备共同采集的感知数据。多模态感知数据包括车辆唯一编号，时间戳，车牌，经度，纬度，速度，车辆航向角，车型，车身颜色，车身喷涂，车辆摆件，车内人员，车辆改装等信息。
[0019]根据高精度地图的道路分层信息，筛选出水泥护栏、桥墩、路边墙、建筑物、隧道墙等面图层区域作为不合理位置区域，也可以理解为障碍区。通过对不合理位置区域的划分，可以对不合理的数据进行剔除。
[0020]对多模态感知数据中的异常数据进行筛选。获取的多模态感知数据以数组的形式存储，随机选取第i个多模态感知数据组中的经度、纬度以及车辆速度等信息。若经度与纬度中至少一个为非数字，则删除第i个多模态感知数据组。若经度与纬度表明位置为障碍区，则删除第i个多模态感知数据组。若车辆速度超过速度阈值，不在合理的范围内，例如不符合正常车辆行驶速度的理论值，则删除第i个多模态感知数据组。
[0021]对于任意一个车辆，通过多模态感知数据，可以获得对应的基础信息数据与时序数据。基础信息数据包括车辆唯一编号、车牌、车型、车身颜色、车身喷涂、车辆摆件、车内人员、车辆改装等。时序数据包括时间戳、经度、纬度、速度以及车辆航向角等。
[0022]高精地图采用分图层方式制作，通过车道图层的属性信息，提取出车道集{lane1，lane2，lane3，
…
，lane
n
}，其中第i个车道lane
i
，包含由多个点组成的车道轮廓点集，每个点包含点的经纬度信息，且各点连接起来形成封闭平面。
[0023]对于清洗后的多模态感知数据中任意一个车辆数据vehicle
j
，对应的时序数据为{（经度lng
j1
，纬度lat
j1
），（经度lng
j2
，纬度lat
j2
），（经度lng
j3
，纬度lat
j3
），
…
，（经度lng
jn
，纬度lat
jn
）}，计算经度lng
jm
和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆流向预测方法，其特征在于，包括：获取车辆图像数据、车辆轨迹数据以及车辆驾驶数据；根据所述车辆图像数据，获取每个车辆的车辆图像行为特征；根据所述车辆轨迹数据，获取每个车辆的车辆轨迹行为特征；根据所述车辆驾驶数据，获取每个车辆的车辆驾驶行为特征；根据每个车道的车辆实时数据，建立以车道、距离、时间以及流向为维度的图谱框架；将每个车辆的所述车辆图像行为特征、所述车辆轨迹行为特征以及所述车辆驾驶行为特征输入至所述图谱框架中，形成以行为特征、车道、距离、时间为输入且流向为输出的车辆行为预测模型；根据所述车辆行为预测模型对每个预测车辆的流向进行预测。2.根据权利要求1所述的车辆流向预测方法，其特征在于，所述根据所述车辆图像数据，获取每个车辆的车辆图像行为特征，包括：根据卷积神经网络方法对所述车辆图像数据进行转向灯闪烁检测，获得车辆转向行为特征；根据支持向量机方法对所述车辆图像数据进行驾驶员姿态筛选，获得驾驶员姿态行为特征；其中，所述车辆转向行为特征与所述驾驶员姿态行为特征形成所述车辆图像行为特征。3.根据权利要求1所述的车辆流向预测方法，其特征在于，所述根据所述车辆轨迹数据，获取每个车辆的车辆轨迹行为特征，包括：根据所述车辆轨迹数据中轨迹线与车道线的位置关系，获取车辆多车道并线行为；根据所述车辆轨迹数据中轨迹点的车速与时间，计算车辆异常减速行为或者车辆异常加速行为；其中，所述车辆多车道并线行为、所述车辆异常减速行为以及所述车辆异常加速行为形成所述车辆轨迹行为特征。4.根据权利要求1所述的车辆流向预测方法，其特征在于，所述根据所述车辆驾驶数据，获取每个车辆的车辆驾驶行为特征，包括：根据所述车辆驾驶数据，提取每个车辆的驾驶习惯特征；根据每个车辆的所述驾驶习惯特征，获取异常车辆驾驶行为特征。5.根据权利要求1所述的车辆流向预测方法，其特征在于，所述将每个车辆的所述车辆图像行为特征、所述车辆轨迹行为特征以及所述车辆驾驶行为特征输入至所述图谱框架中，形成以行为特征、车道、距离、时间为输入且流向为输出的车辆行为预测模型，包括：对每个车辆的所述车辆图像行为特征、所述车辆轨迹行为特征以及所述车辆驾驶行为特征分别进行第一权重系数、第二权重系数以及第三权重系数加权，获得加权车辆图像行为特征、加权车辆轨迹行为特征以及加权车辆驾驶行为特征；将所述加权车辆图像行为特征、所述加权车辆轨迹行为特征以及所述加权车辆驾驶行为特征输入至所述图谱框架中，形成所述车辆行为预测模型；其中，所述第一权重系数小于所述第二权重系数，所述第二权重系数小于所述第三权重系数。
6.一种车辆流向预测系统，其特征在于，包括：数据获取模块，用于获取车辆图像数据、车辆轨迹数据以及车辆驾驶数据；...

【专利技术属性】
技术研发人员：闫军，廖福坤，张宇昂，仝一，
申请(专利权)人：智慧互通科技股份有限公司，
类型：发明
国别省市：