高速公路能见度检测与智慧诱导方法、系统及装置制造方法及图纸

本发明专利技术涉及一种高速公路雾区能见度检测与智慧诱导方法，包括如下步骤：步骤一、采集图像信息、车辆运行信息和同步气象信息数据；步骤二、对采集的数据进行处理；步骤三、进行车辆能见度检测：步骤四、对车辆进行轨迹识别与智慧诱导。本发明专利技术利用现有高速公路实时监测系统获取能见度信息，无需架设其他监测硬件设备，大大提高了高速公路的通行效率与安全性。大大提高了高速公路的通行效率与安全性。大大提高了高速公路的通行效率与安全性。

【技术实现步骤摘要】
高速公路能见度检测与智慧诱导方法、系统及装置


[0001]本专利技术属于智能交通
，具体涉及一种基于数字图像技术的高速公路雾区能见度检测与智慧诱导方法、系统及装置。

技术介绍

[0002]大气能见度对车辆行驶安全至关重要。在有团雾、沙尘等颗粒物的情况下，大气能见度会大幅度降低。驾驶员往往无法提前获得路段能见度信息，高速公路团雾的出现往往难以提前预测，车辆驶入此路段时能见度骤降而车速较高，极易发生交通事故造成人员伤亡，因此有必要研究高速公路雾区能见度检测与智慧诱导方法，提高高速公路的通行效率与安全性。
[0003]现有高速公路雾区能见度检测多使用能见度测量仪器，这些仪器往往需要投入大量的成本，沿线架设且间隔较远，无法实时动态的检测高速公路雾区能见度等级，因此，目前急需一种基于数字图像技术的高速公路雾区能见度检测和智慧诱导方法。

技术实现思路

[0004]本专利技术为解决高速公路现有监控系统投入高、无法实时检测能见度等级的问题，进而提供了一种基于数字图像技术的高速公路雾区能见度检测与智慧诱导方法。<br/>[0005]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高速公路雾区能见度检测与智慧诱导方法，其特征在于，包括如下步骤：步骤一、采集图像信息、车辆运行信息和同步气象信息数据；步骤二、对采集的数据进行处理；步骤三、进行车辆能见度检测：步骤四、对车辆进行轨迹识别与智慧诱导。2.根据权利要求1所述的高速公路雾区能见度检测与智慧诱导方法，其特征在于，步骤二中，对采集的数据进行处理方式如下：利用暗通道先验算法对接收到的视频图像进行标签化处理，对能见度值进行分类；基于SSR理论的暗通道先验算法中的透射率公式为：暗通道先验算法常规透射率为：其中，F
‑1表示进行傅里叶逆变换；x,y代表空间位置；R，G，B分别为三个颜色通道；I
c
为输入的有雾图像；A
c
为大气光成分；ω为雾的保留系数，取0.95；采用透射率取值为：其中，t(x)为采用透射率；β1,β2为加权系数，满足β1+β2＝1；大气消光系数公式为：其中，σ(x)为大气消光系数；d
‑1(x)表示图像景深的倒数；去雾后的图像表达式为：其中，J
c
(x)为去雾后的图像；参数t0＝0.1；暗通道先验算法的能见度公式为：其中，V
mvd
为能见度。
3.根据权利要求1所述的高速公路雾区能见度检测与智慧诱导方法，其特征在于，步骤三中，能见度检测方式如下：输入带标签的图像和环境数据，使用CNN卷积神经网络和LSTM长短期记忆网络分别提取图像与环境数据特征，利用张量融合方法将多种深度学习模型提取出的特征进行融合，形成新的融合特征；基于张量融合方法进行特征融合，公式如下所示：其中，z表示结果输出，v表示不同的模态，表示外积算子；选择Softmax分类器进行分类，得到分类结果；其中，Softmax函数σ的表达式如下式所示：z＝(z1,
…
,z
K
)∈R
K
是Softmax的中间输出，Softmax将选择概率最大的输出节点作为输入数据的分类结果。4.根据权利要求1所述的高速公路雾区能见度检测与智慧诱导方法，其特征在于，步骤四中，行车轨迹预测模块利用卡尔曼滤波算法对团雾区段内车辆的运行轨迹进行预测，将团雾区段车辆运行轨迹交叉点视作冲突点，利用语音播报对将存在冲突风险的车辆进行预警；卡尔曼滤波轨迹预测的先验估计表示为：其中，为i时刻的预测值，p
xi
,p
yi
为i时刻车辆水平位置与竖直位置；v

【专利技术属性】
技术研发人员：马艳丽，郭蓥蓥，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：