基于无人机和数据融合的复杂场景交通网络拥堵识别方法技术

本发明专利技术公开了基于无人机和数据融合的复杂场景交通网络拥堵识别方法，属于交通网络拥堵识别技术领域。解决了现有技术中传统的交通拥堵识别方法识别效率较低且难以适用于复杂交通场景的问题；本发明专利技术采集复杂交通场景下的可见光图像和红外图像，进行图像特征提取与匹配，得到融合后的图像；构建数据集，将数据集输入到建立的基础模型、辅助模型和强化模型中进行训练，融合三种模型的损失函数，采用总体损失函数对三种模型进行训练，得到最优模型；通过调整增强系数，优化最优模型，得到的准确率最大的最优模型即最终的最优模型，由其输出拥堵区域定位。本发明专利技术有效提升了交通网络拥堵识别模型的识别性能，可以应用于复杂场景交通网络拥堵识别。

【技术实现步骤摘要】

本专利技术涉及复杂场景交通网络拥堵识别方法，尤其涉及基于无人机和数据融合的复杂场景交通网络拥堵识别方法，属于交通网络拥堵识别。

技术介绍

1、交通拥堵按照类型可以划分为交通网络拥堵、周期性拥堵、偶发性拥堵、瓶颈拥堵，其中，交通网络拥堵通常是由多重因素叠加引起，例如，同时发生的多起事故、多个大型活动，或是整个城市的交通管理系统效率不高，导致交通网络中多个节点或路段同时出现拥堵时，可能会影响整个区域的交通流动；周期性拥堵常发生在固定的时间和地点，主要包括上下班高峰期拥堵、周末和节假日拥堵；偶发性拥堵由突发事件引起的拥堵，如交通事故、紧急情况、特殊活动、异常天气条件等；瓶颈拥堵发生在交通流量被道路物理条件限制的地点，如道路窄化、桥梁、隧道或收费站，也包含由于道路设计不合理或老化，交通容量不能满足高峰时段的需求，导致交通速度下降和拥堵；四种交通拥堵按照类型中，交通网络拥堵往往对交通通行的影响最为严重，这是由于交通网络拥堵不仅影响广泛，涵盖整个交通网络，包括多个重要节点和路段，而且其复杂性和不可预测性使得管理和解决变得更加困难，此外，网络拥堵的持续时间往往较长，需要本文档来自技高网...

【技术保护点】

1.基于无人机和数据融合的复杂场景交通网络拥堵识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于无人机和数据融合的复杂场景交通网络拥堵识别方法，其特征在于，所述S1中，具体包括以下步骤：

3.根据权利要求2所述的基于无人机和数据融合的复杂场景交通网络拥堵识别方法，其特征在于，所述S2中，具体包括以下步骤：

4.根据权利要求3所述的基于无人机和数据融合的复杂场景交通网络拥堵识别方法，其特征在于，所述S3中，基于训练完成的深度学习模型A即最优模型，通过调整增强系数G，进一步优化深度学习模型A的性能，增强系数G取值为1、3、5、7、9、11、...

【技术特征摘要】

1.基于无人机和数据融合的复杂场景交通网络拥堵识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于无人机和数据融合的复杂场景交通网络拥堵识别方法，其特征在于，所述s1中，具体包括以下步骤：

3.根据权利要求2所述的基于无人机和数据融合的复杂场景交通网络拥堵识别方法，其特征在于，所述s2中，具体包括以下步骤：

4.根据权利要求3所述的基于无人机和数据融合的复杂场景交通网络拥堵识别方法，其特征在于，所述s3中，基于训练完成的深度学习模型a即最优模型，通过调整增强系数g，进一步优化深度学习模型a的性能，增强系数g取值为1、3、5、7、9、11、15、20、30、40或50，共计11种工况，训练得到11种深度学习模型a，其对应的准确率表示为，i=1、2、3、…、11，计算得到深度学习模型a的准确率中的最大...

【专利技术属性】
技术研发人员：张晓春，刘星，孟安鑫，庄蔚群，李鋆元，吴成龙，刘梦杨，
申请(专利权)人：深圳市城市交通规划设计研究中心股份有限公司，
类型：发明
国别省市：