【技术实现步骤摘要】
本申请涉及智能监测领域，且更为具体地，涉及一种车联网环境下的交通状况智能监测系统及方法。
技术介绍
1、车联网是指通过无线通信技术将车辆与互联网连接起来，实现车辆之间、车辆与基础设施之间的信息交换和共享。在车联网环境下，传统的交通状况监测通常依赖于司机的实时反馈来了解道路上的车流量和事故情况。司机通过交通广播、导航应用或其他方式向交通管理平台报告道路上的交通情况，包括车流量大或发生事故等信息。然而，这种方式存在一些问题和限制。具体来说，首先，司机的实时反馈依赖于他们的自觉和配合，并非所有的司机都会主动报告交通情况，尤其是在繁忙或紧急的驾驶情况下，这导致了信息的不完整性和不准确性，使得交通管理平台难以准确了解道路上的实际状况。其次，司机的反馈信息可能存在错误或误报的情况。司机可能会出现输入错误、信息不准确或主观判断的情况，这会影响到交通管理平台对交通状况的判断和决策。此外，有些司机可能会有意提供虚假信息，以获得某种利益或干扰交通管理。
2、因此，期望一种优化的车联网环境下的交通状况智能监测系统。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种车联网环境下的交通状况智能监测系统及方法，其通过道路监测设备实时监测采集多个车辆的车速值，并在后端引入数据处理和分析算法来自动进行这些车速值的时序协同分析，以此来判断道路上的车流量和事故情况，而无需依赖司机的实时反馈。这样，能够实现自动化地交通状况监测，而不需要司机的主动反馈，从而不会受到司机输入错误信
2、根据本申请的一个方面，提供了一种车联网环境下的交通状况智能监测系统，其包括：
3、数据采集模块，用于获取由道路监测设备采集的多个车辆在预定时间段内多个预定时间点的车速值；
4、车速时序排列模块，用于将所述多个车辆在预定时间段内多个预定时间点的车速值分别按照时间维度排列为车速时序输入向量以得到车速时序输入向量的序列；
5、图像域转换模块，用于对所述车速时序输入向量的序列进行图像域转换以得到车速时序输入图像的序列；
6、车速时序关联特征提取模块，用于通过基于深度神经网络模型的车辆间车速时序关联特征提取器对所述车速时序输入图像的序列进行特征提取以得到车速时序关联特征图；
7、车速时序特征显著化处理模块，用于对所述车速时序关联特征图进行空间显著化处理以得到车速时序关联特征；
8、交通状态检测模块，用于基于所述车速时序关联特征，确定车流量大或者发生事故。
9、根据本申请的另一个方面，提供了一种车联网环境下的交通状况智能监测方法，其包括：
10、获取由道路监测设备采集的多个车辆在预定时间段内多个预定时间点的车速值；
11、将所述多个车辆在预定时间段内多个预定时间点的车速值分别按照时间维度排列为车速时序输入向量以得到车速时序输入向量的序列；
12、对所述车速时序输入向量的序列进行图像域转换以得到车速时序输入图像的序列；
13、通过基于深度神经网络模型的车辆间车速时序关联特征提取器对所述车速时序输入图像的序列进行特征提取以得到车速时序关联特征图；
14、对所述车速时序关联特征图进行空间显著化处理以得到车速时序关联特征；
15、基于所述车速时序关联特征，确定车流量大或者发生事故。
16、与现有技术相比，本申请提供的一种车联网环境下的交通状况智能监测系统及方法，其通过道路监测设备实时监测采集多个车辆的车速值，并在后端引入数据处理和分析算法来自动进行这些车速值的时序协同分析，以此来判断道路上的车流量和事故情况，而无需依赖司机的实时反馈。这样，能够实现自动化地交通状况监测，而不需要司机的主动反馈，从而不会受到司机输入错误信息的影响，通过这样的方式，能够实时、准确地监测交通状况，为交通管理和出行规划提供有效的支持。
本文档来自技高网...【技术保护点】
1.一种车联网环境下的交通状况智能监测系统，其特征在于，包括：
2.根据权利要求1所述的车联网环境下的交通状况智能监测系统，其特征在于，所述图像域转换模块，用于：将所述车速时序输入向量的序列输入向量-图像转换器以得到所述车速时序输入图像的序列。
3.根据权利要求2所述的车联网环境下的交通状况智能监测系统，其特征在于，所述深度神经网络模型为三维卷积神经网络模型。
4.根据权利要求3所述的车联网环境下的交通状况智能监测系统，其特征在于，所述车速时序特征显著化处理模块，用于：将所述车速时序关联特征图通过空间自注意力强化模块以得到局部显著化车速时序关联特征图。
5.根据权利要求4所述的车联网环境下的交通状况智能监测系统，其特征在于，所述车速时序特征显著化处理模块，用于：将所述车速时序关联特征图通过空间自注意力强化模块以如下空间显化公式进行处理以得到局部显著化车速时序关联特征图作为所述车速时序关联特征；
6.根据权利要求5所述的车联网环境下的交通状况智能监测系统，其特征在于，所述交通状态检测模块，用于：将所述局部显著化车速时序关联
7.根据权利要求6所述的车联网环境下的交通状况智能监测系统，其特征在于，还包括用于对所述基于三维卷积神经网络模型的车辆间车速时序关联特征提取器、所述空间自注意力强化模块和所述分类器进行训练的训练模块。
8.根据权利要求7所述的车联网环境下的交通状况智能监测系统，其特征在于，所述训练模块，包括：
9.一种车联网环境下的交通状况智能监测方法，其特征在于，包括：
...【技术特征摘要】
1.一种车联网环境下的交通状况智能监测系统，其特征在于，包括：
2.根据权利要求1所述的车联网环境下的交通状况智能监测系统，其特征在于，所述图像域转换模块，用于：将所述车速时序输入向量的序列输入向量-图像转换器以得到所述车速时序输入图像的序列。
3.根据权利要求2所述的车联网环境下的交通状况智能监测系统，其特征在于，所述深度神经网络模型为三维卷积神经网络模型。
4.根据权利要求3所述的车联网环境下的交通状况智能监测系统，其特征在于，所述车速时序特征显著化处理模块，用于：将所述车速时序关联特征图通过空间自注意力强化模块以得到局部显著化车速时序关联特征图。
5.根据权利要求4所述的车联网环境下的交通状况智能监测系统，其特征在于，所述车速时序特征显著化处理模块，用于：将所述车速时序...
【专利技术属性】
技术研发人员：徐君凤，李丁，吴建强，刘振勇，王敏，
申请(专利权)人：邯郸市语凡网络信息科技有限公司，
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。