一種高分遙感影像提取城市路網(wǎng)車輛隊列狀態(tài)信息方法
【專利摘要】車輛隊列狀態(tài)信息是進(jìn)行城市道路交通分析的基本參數(shù)之一。本發(fā)明提出一種基于高分辨率遙感影像的城市路網(wǎng)車輛隊列提方法。本發(fā)明的提取方法包括（1）獲取高分分辨率遙感影像中面狀道路和面狀車輛信息數(shù)據(jù)；（2）進(jìn)行面狀道路中心線和邊線提取，并按一定長度閾值進(jìn)行截斷，形成道路搜索塊；（3）計算各道路搜索塊中的道路車輛占有率；（4）以擁堵隊列條件下的某車輛占有率作為閾值，篩選出大于或等于該閾值的道路搜索塊，則此時若干道路搜索塊的總長度，即為是該路段上擁堵車輛隊列的長度。具體位置則由道路搜索塊的中心位置與電子地圖匹配或結(jié)合GPS數(shù)據(jù)相結(jié)合確定。
【專利說明】一種高分遙感影像提取城市路網(wǎng)車輛隊列狀態(tài)信息方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于宏觀交通狀態(tài)判別【技術(shù)領(lǐng)域】，具體涉及交通遙感應(yīng)用與智能交通技術(shù)。
【背景技術(shù)】
[0002]近年來，我國城市化進(jìn)程加快，交通擁堵問題日益嚴(yán)重。如何全面、快速掌握整個城市路網(wǎng)交通擁堵和交通瓶頸分布節(jié)點(diǎn)、了解交通擁堵狀態(tài)、乃至于預(yù)測擁堵擴(kuò)散范圍，為交通管理部門進(jìn)行交通疏導(dǎo)和路網(wǎng)科學(xué)建設(shè)提供科學(xué)性數(shù)據(jù)依據(jù)。車輛隊列(信息包括位置和長度)是城市擁堵的重要表現(xiàn)形式，是進(jìn)行城市道路交通分析的基本參數(shù)之一。然而，當(dāng)前地面交通信息數(shù)據(jù)獲取手段(視頻、線圈、微波、雷達(dá))多為點(diǎn)源微觀交通信息，數(shù)據(jù)獲取中間傳輸環(huán)節(jié)過多，存儲物理空間大，數(shù)據(jù)保存和處理困難，宏觀可視化程度低，數(shù)據(jù)覆蓋面有限，設(shè)備運(yùn)營維護(hù)成本昂貴，無法滿足城市乃至城市群路網(wǎng)大范圍交通狀態(tài)分析和宏觀規(guī)劃的智能交通數(shù)據(jù)需求。隨著衛(wèi)星技術(shù)和遙感影像成像質(zhì)量的不斷提升，2012年國家高分衛(wèi)星“資源3號”上天，高分辨率遙感影像已進(jìn)入“平民化時代”。將高分遙感數(shù)據(jù)應(yīng)用于智能交通領(lǐng)域進(jìn)行交通擁堵下的道路車輛隊列判別成為一個重要而熱門的研究課題。
[0003]專利對比文獻(xiàn)I (201010220935.2)，公布了一種十字路口攝像頭視頻圖像進(jìn)行車倆長度的檢測，該發(fā)明只能獲取一個路口有限長度車輛隊列情況，無法從宏觀上獲得整個路網(wǎng)的車輛隊列信息。
[0004]專利對比文獻(xiàn)2(200910092506.9)，公布了一種浮動車數(shù)據(jù)提取車輛排隊長度，但由于浮動車數(shù)量的限制，也無法全面準(zhǔn)確獲取整個城市路網(wǎng)中的車輛隊列信息。
[0005]專利對比文獻(xiàn)3 (201210044347.7)，公布了一種環(huán)形線圈檢測器的數(shù)據(jù)進(jìn)行車輛隊列的提取，屬于點(diǎn)源監(jiān)測，其檢測器的安裝與維護(hù)都對道路有一定損毀，且受成本因素限制，無法獲取整個城市路網(wǎng)中車輛隊列信息的獲取。
[0006]以上方法均屬于地面交通信息獲取手段，存在不足，且與本發(fā)明方法不屬于同一信息來源。
[0007]科技論文對比文獻(xiàn)I (Jens Leitloff, Stefan Hinz&UweStilla, etal.Detectionof Vehicle Queues in QuickBird Imagery of City [J] Areas PhotogrammetrieFernerkundungGeoinformation, 4/2006, 315-325),提出了一種通過構(gòu)建高分遙感影像中車輛隊列特征知識庫，應(yīng)用形態(tài)學(xué)、灰度等信息，直接從遙感影像中提取車輛隊列信息的方法，也不同于本發(fā)明所述的方法。

【發(fā)明內(nèi)容】

[0008]本發(fā)明目的在于克服現(xiàn)有技術(shù)中車輛隊列判別方法的不足，提出了基于高分辨率遙感影像的滑塊閾值搜索法，提取車輛隊列信息。
[0009]本發(fā)明方法包括以下步驟:
(I)、應(yīng)用圖像處理相關(guān)算法，基于遙感影像提取面狀道路和面狀車輛矢量信息；(2)、提取面狀道路中心線和邊線，形成搜索塊路；
a、獲取面狀道路，找到面狀道路的首尾點(diǎn):如附圖1所示，首先獲得構(gòu)成面狀道路邊界的點(diǎn)集P = (P1, P2,……Pm, Pm+1，……，PnrtJ，共包含m+n (η≥m≥2)個點(diǎn)，將點(diǎn)集按順時針方向兩兩組合成向量P = (P1, P2,……Pm，Pm+1，……，？m+n}，共包含m+n(n≥m≥2)個
點(diǎn)，將點(diǎn)集按順時針方向兩兩組合成向量
【權(quán)利要求】
1.一種利用高分遙感影像提取城市路網(wǎng)擁堵車輛隊列信息的方法，其特征在于:選取高分辨率遙感影像中提取的面狀道路和面狀車輛矢量數(shù)據(jù)為輸入?yún)?shù)，進(jìn)而計算出車輛隊列長度，結(jié)合電子地圖或GPS數(shù)據(jù)，可獲得車輛隊列所在位置，至少包含以下步驟: 步驟一:從高分分辨率遙感影像中提取城市路網(wǎng)中面狀道路和面狀車輛信息數(shù)據(jù)； 步驟二:提取面狀道路中心線和邊線，并按設(shè)定的長度閾值進(jìn)行截斷，形成道路搜索塊； 步驟三:計算所述道路搜索塊的道路車輛占有率； 步驟四:以擁堵條件下的道路車輛占有率作為閾值，將步驟三中計算出的道路車輛占有率與所述閥值作比較，篩選出大于或等于該閾值的道路搜索塊，則此時若干道路搜索塊的總長度，即為是該路段上擁堵車輛隊列的長度； 步驟五:將道路搜索塊的中心位置與電子地圖匹配或結(jié)合GPS數(shù)據(jù)相結(jié)合，獲得城市路網(wǎng)中擁堵車輛隊列位置信息。
2.如權(quán)利要求1所述的一種利用高分遙感影像提取城市路網(wǎng)擁堵車輛隊列信息的方法，其特征在于:從城市路網(wǎng)中提取面狀道路的中心線和邊線，獲取步驟二中所述道路搜索塊，至少包含以下步驟: 步驟一:獲取面狀道路的首尾點(diǎn):首先獲得構(gòu)成面狀道路邊界的點(diǎn)集P= (P1, P2,……Pm, Pm+1，……，Pm+n}，共包含m+n (η≥m≥2)個點(diǎn)，將點(diǎn)集按順時針方向兩兩組合成向量
3.如權(quán)利要求1所述的一種利用高分遙感影像提取城市路網(wǎng)擁堵車輛隊列信息的方法，其特征在于:計算所述道路車輛面積占有率采用的數(shù)學(xué)模式為:
4.如權(quán)利要求1所述的一種利用高分遙感影像提取城市路網(wǎng)擁堵車輛隊列信息的方法，其特征在于:設(shè)定擁堵狀態(tài)下的道路面積占用率為閾值z，所述道路搜索塊的道路面積占用率大于或等于閾值z的，判定為包含擁堵車輛隊列的道路搜索塊，則此時若干擁堵道路搜索塊的總長度，即為是該路段上擁堵車輛隊列的長度。
【文檔編號】G08G1/123GK104021670SQ201410118280
【公開日】2014年9月3日 申請日期:2014年3月27日 優(yōu)先權(quán)日:2014年3月27日
【發(fā)明者】谷正氣, 張勇, 李程, 李健 申請人:湖南工業(yè)大學(xué)