【技术实现步骤摘要】
本专利技术涉及道路监控及数据处理，特别涉及一种基于车联网的智能交通流优化方法及系统。
技术介绍
1、车联网是车辆上的车载设备通过无线通信技术，对信息网络平台中的所有车辆动态信息进行有效利用，在车辆运行中提供不同的功能服务，随着生活水平的不断提高，越来越多的人选择自驾出行，车联网的出现为用户出行提供了极大的便利；
2、但是，目前车辆上所用的车联网大都侧重对自身功能的研发，例如防碰撞、近距离跟车预警等功能，目前并未将车联网应用至交通流优化领域，且目前所用的交通流优化方法大都采用交通广播或人为疏通等手段，且均是在发生交通拥挤后才能发现，导致对交通留优化效果大大降低，同时，不能向不同车辆发出明确的行进路线指引，大大降低了对交通流优化的效果，也降低了车辆的行驶效率；
3、因此，为了克服上述缺陷，本专利技术提供了一种基于车联网的智能交通流优化方法及系统。
技术实现思路
1、本专利技术提供一种基于车联网的智能交通流优化方法及系统，用以通过车联网对目标道路的道路拓扑结构和目标道路上不同车辆的运行状态参数进行分析，实现对目标道路上的车流运行特征和不同车辆的驾驶行为特征进行准确有效的确定，为进行交通流优化提供了便利与保障，其次，通过构建的车辆协调控制模型对得到的道路拓扑结构、车流运行特征以及每一车辆的驾驶行为特征进行分析，实现对多车辆无冲突运行轨迹进行确定，确保多车辆能够在目标道路上有序前进，最后，根据多车辆无冲突运行轨迹生成动态引导图，并将动态引导图下发至对应的车辆终端，保障
2、本专利技术提供了一种基于车联网的智能交通流优化方法，包括：
3、步骤1：基于车联网获取目标道路的道路拓扑结构以及目标道路中的车辆运行状态参数，并对车辆运行状态参数进行解析，确定目标道路中的车流运行特征以及不同车辆的驾驶行为特征；
4、步骤2：基于车辆运行要求构建车辆协调控制模型，并基于车辆协调控制模型对道路拓扑结构、车流运行特征以及每一车辆的驾驶行为特征进行分析，确定多车辆无冲突运行轨迹；
5、步骤3：基于多车辆无冲突运行轨迹生成对不同车辆的动态引导图，并基于车联网将动态引导图下发至对应车辆终端进行运行路线提醒。
6、优选的，一种基于车联网的智能交通流优化方法，步骤1中，基于车联网获取目标道路的道路拓扑结构，包括：
7、基于数据管理平台根据车联网获取目标道路上不同车辆的道路行驶录像，并对不同车辆的道路行驶录像进行分割，得到道路行驶录像的静态帧图像集合；
8、提取静态帧图像集合中每一静态帧图像中的图像特征，并基于图像特征对静态帧图像进行去重，得到标准静态帧图像集合；
9、基于图像特征确定相邻标准静态帧图像，并基于图像特征确定相邻标准静态帧图像的重叠区域，且将重叠区域作为图像拼接边界将相邻标准静态帧图像进行拼接；
10、基于拼接结果得到目标道路的完整道路图像，并基于完整道路图像确定目标道路的道路拓扑结构。
11、优选的，一种基于车联网的智能交通流优化方法，基于完整道路图像确定目标道路的道路拓扑结构，包括：
12、获取得到的目标道路的完整道路图像，并提取完整道路图像中的目标道路主体，并对目标道路主体进行特征遍历，确定目标道路对应的主道路和支路；
13、基于遍历结果在完整道路图像中对目标道路中主道路和支路的分叉点进行标注，并基于标注结果得到目标道路的第一道路拓扑结构；
14、同时，基于标准结果获取目标道路中主道路和支路的道路基本参数，并基于道路基本参数得到目标道路中主道路和支路对应的车道数量以及弯道数量，且基于车道数量以及弯道数量得到目标道路的第二道路拓扑结构；
15、对第一道路拓扑结构和第二道路拓扑结构进行汇总，并基于汇总结果得到目标道路最终的道路拓扑结构。
16、优选的，一种基于车联网的智能交通流优化方法，步骤1中，基于车联网获取目标道路的道路拓扑结构以及目标道路中的车辆运行状态参数，包括：
17、获取数据管理平台的配置信息，并基于配置信息在数据管理平台中对车辆中的车载终端分配通信端口；
18、基于通信端口构建目标道路中车辆的车载终端与数据管理平台的无线通讯链路，并基于无线通讯链路将车辆的车联网数据传输至数据管理平台，同时，实时监测通信端口在单位时间内的数据通讯特征，并基于数据通讯特征确定单位时间内的车联网数据上传量，且当单位时间内的车联网数据上传量大于预设阈值时，对通信端口进行扩充，基于扩充结果实时接收车辆的车联网数据；
19、基于数据管理平台对获取到的车联网数据进行解析，得到车联网数据对应的数据源，并基于数据源的身份标签对车联网数据进行标记，且基于标记结果得到目标道路中的车辆运行状态参数。
20、优选的，一种基于车联网的智能交通流优化方法，步骤1中，对车辆运行状态参数进行解析，确定目标道路中的车流运行特征以及不同车辆的驾驶行为特征，包括：
21、获取目标道路中的预设参照点，并对得到的车辆运行状态参数进行解析，且基于预设参照点的属性信息对车辆运行状态参数的解析结果进行特征筛选，得到与预设参照点相关的目标解析结果；
22、基于目标解析结果确定单位时间内通过预设参照点的车辆数目以及每一车辆的行驶速度，并基于车辆数目以及每一车辆的行驶速度确定车辆在目标道路上的平均车速；
23、获取道路路况对交通流的影响系数，并分别确定车辆数目、平均车速以及道路路况对交通流的影响系数对车流运行特征的影响权重，且基于影响权重对车辆数目、平均车速以及道路路况对交通流的影响系数进行综合分析，得到目标道路中的车流运行特征。
24、优选的，一种基于车联网的智能交通流优化方法，步骤1中，对车辆运行状态参数进行解析，确定目标道路中的车流运行特征以及不同车辆的驾驶行为特征，包括：
25、获取得到的车辆运行状态参数，并对车辆运行状态参数进行解析，确定不同车辆在目标道路上的全局行驶数据，且基于全局行驶数据确定不同车辆在目标道路上的提速次数、提速点、变道频率以及速度变化特征；
26、基于提速次数、提速点、变道频率以及速度变化特征得到不同车辆的驾驶行为特征。
27、优选的，一种基于车联网的智能交通流优化方法，步骤2中，基于车辆运行要求构建车辆协调控制模型，并基于车辆协调控制模型对道路拓扑结构、车流运行特征以及每一车辆的驾驶行为特征进行分析，确定多车辆无冲突运行轨迹，包括：
28、获取车辆运行要求，并基于车辆运行要求确定车辆在道路上行驶时的安全指标，且基于安全指标对服务器中的预设数据库进行检索，得到车辆在道路上的历史车辆行驶数据；
29、对历史车辆行驶数据进行解析，确定车辆在道路上的行驶事件，并基于行驶事件确定车辆在道路上安全行驶时对应的基准驾驶参数，且基于基准驾驶参数以本文档来自技高网...
【技术保护点】
1.一种基于车联网的智能交通流优化方法，其特征在于，包括：
2.根据权利要求1所述的一种基于车联网的智能交通流优化方法，其特征在于，步骤1中，基于车联网获取目标道路的道路拓扑结构，包括：
3.根据权利要求2所述的一种基于车联网的智能交通流优化方法，其特征在于，基于完整道路图像确定目标道路的道路拓扑结构，包括：
4.根据权利要求1所述的一种基于车联网的智能交通流优化方法，其特征在于，步骤1中，基于车联网获取目标道路的道路拓扑结构以及目标道路中的车辆运行状态参数，包括：
5.根据权利要求1所述的一种基于车联网的智能交通流优化方法，其特征在于，步骤1中，对车辆运行状态参数进行解析，确定目标道路中的车流运行特征以及不同车辆的驾驶行为特征，包括：
6.根据权利要求1所述的一种基于车联网的智能交通流优化方法，其特征在于，步骤1中，对车辆运行状态参数进行解析，确定目标道路中的车流运行特征以及不同车辆的驾驶行为特征，包括：
7.根据权利要求1所述的一种基于车联网的智能交通流优化方法，其特征在于，步骤2中，基于车辆运行要求构建
8.根据权利要求1所述的一种基于车联网的智能交通流优化方法，其特征在于，步骤3中，基于多车辆无冲突运行轨迹生成对不同车辆的动态引导图，包括：
9.根据权利要求1所述的一种基于车联网的智能交通流优化方法，其特征在于，步骤3中，基于车联网将动态引导图下发至对应车辆终端进行运行路线提醒，包括：
10.一种基于车联网的智能交通流优化系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于车联网的智能交通流优化方法，其特征在于，包括：
2.根据权利要求1所述的一种基于车联网的智能交通流优化方法，其特征在于，步骤1中，基于车联网获取目标道路的道路拓扑结构，包括：
3.根据权利要求2所述的一种基于车联网的智能交通流优化方法，其特征在于，基于完整道路图像确定目标道路的道路拓扑结构，包括：
4.根据权利要求1所述的一种基于车联网的智能交通流优化方法，其特征在于，步骤1中，基于车联网获取目标道路的道路拓扑结构以及目标道路中的车辆运行状态参数，包括：
5.根据权利要求1所述的一种基于车联网的智能交通流优化方法，其特征在于，步骤1中，对车辆运行状态参数进行解析，确定目标道路中的车流运行特征以及不同车辆的驾驶行为特征，包括：
6.根据权利要求1所述的一种基于车联网的智能交通流优化...
【专利技术属性】
技术研发人员：张成，杨刚，刘静，
申请(专利权)人：深圳达普信科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。