本技術(shù)涉及路徑導(dǎo)航，尤其是涉及一種基于實時車流量的路徑導(dǎo)航方法、系統(tǒng)及相關(guān)設(shè)備。

背景技術(shù)：

1、目前常用的導(dǎo)航方法是在靜態(tài)路網(wǎng)中基于最短時間或最短路線進行路線搜索，從而提供導(dǎo)航路線。但基于靜態(tài)路網(wǎng)得到的導(dǎo)航路線并不會根據(jù)實際路況實時更新，有時沿著導(dǎo)航路線行駛會遇到道路維修封閉、交通管制或交通事故等突發(fā)事件，給出行帶來極大的不便?？紤]到實時路況對道路通行的影響，后來，人們主要通過收聽廣播、關(guān)注新聞等方式了解各路段的道路交通信息，但這種方法實時性差、覆蓋范圍小且不直觀。

2、隨著相關(guān)技術(shù)的發(fā)展，通過一些目前的道路交通軟件，人們可以直接獲取到這些軟件根據(jù)路徑的當前實時路況得到的導(dǎo)航路徑，這種方法可以幫助人們有效規(guī)避當前處于維修封閉或交通管制狀態(tài)、或當前存在待處理交通事故的問題道路；然而，實時路況僅能代表道路是否能夠正常通行車輛以及當前的堵塞情況，而道路的堵塞情況是會實時變化的，因此利用交通軟件選擇路徑的方法依然存在以下情況：當沿著導(dǎo)航路線行駛到途中的某一道路時，先前規(guī)劃時還不存在擁堵的路段此時排起了長隊，這大大延長了人們的通行時間，降低了路徑導(dǎo)航的準確性，影響了人們的交通體驗。

技術(shù)實現(xiàn)思路

1、為了改善在道路堵塞情況發(fā)生改變的情況下，根據(jù)當前實時路況進行導(dǎo)航存在的路徑導(dǎo)航準確度低，用戶交通體驗差的問題，本技術(shù)提供一種基于實時車流量的路徑導(dǎo)航方法、系統(tǒng)及相關(guān)設(shè)備。

2、第一方面，本技術(shù)提供一種基于實時車流量的路徑導(dǎo)航方法，采用如下的技術(shù)方案：

3、一種基于實時車流量的路徑導(dǎo)航方法，包括

4、獲取關(guān)鍵路段中目標路段的車道特征，基于所述車道特征進行車道劃分，確定關(guān)鍵路段中每一車道對應(yīng)的車道類別，其中，所述車道類別包括：單向直行車道和多向車道，所述目標路段為關(guān)鍵路段中任意一個分支馬路；

5、獲取所述目標路段的視頻監(jiān)控圖像，基于所述視頻監(jiān)控圖像進行預(yù)處理，在所述視頻監(jiān)控圖像中框選出車流量檢測區(qū)域；

6、基于所述目標路段中每一車道對應(yīng)的所述車道類別和所述視頻監(jiān)控圖像中的所述車流量檢測區(qū)域進行車流量檢測，確定所述目標路段的目標車流量；

7、綜合所述關(guān)鍵路段中每一所述目標路段的所述目標車流量，得到所述關(guān)鍵路段的總車流量。

8、通過采用上述技術(shù)方案，基于車道特征進行車道劃分，確定關(guān)鍵路段中每一車道對應(yīng)的車道類別，與此同時，基于視頻監(jiān)控圖像進行預(yù)處理，在視頻監(jiān)控圖像中框選出車流量檢測區(qū)域，框選車流量檢測區(qū)域用于集中處理和分析真正與車流量相關(guān)的部分，不僅減少了誤檢和漏檢，提高了車流量檢測的準確性，還節(jié)省了電子設(shè)備的計算資源和存儲資源。然后，基于目標路段中每一車道對應(yīng)的車道類別和視頻監(jiān)控圖像中的車流量檢測區(qū)域進行車流量檢測，確定目標路段的目標車流量，在進行車流量檢測時，針對不同車道類別選取相適應(yīng)的車流量檢測方法，以提升目標車流量的精準性和車流量檢測效率。最終，綜合關(guān)鍵路段中每一目標路段的目標車流量，得到關(guān)鍵路段的總車流量。為了提升關(guān)鍵路段的車流量的準確性，針對關(guān)鍵路段中的每一目標路段進行車流檢測，得到目標路段的目標車流量，然后，再對目標車流量匯總，以得到關(guān)鍵路段的總車流量。

9、本技術(shù)在一較佳示例中可以進一步配置為：所述基于所述目標路段中每一車道對應(yīng)的所述車道類別和所述視頻監(jiān)控圖像中的所述車流量檢測區(qū)域進行車流量檢測，確定所述目標路段的目標車流量，包括：

10、基于所述視頻監(jiān)控圖像中的所述車流量檢測區(qū)域進行車輛識別，標記出每一車輛對應(yīng)的車輛標識框；

11、基于所述視頻監(jiān)控圖像中的所述車流量檢測區(qū)域，對所述多向車道對應(yīng)的每一車輛標識框進行車輛追蹤，確定所述多向車道中的第一直行車流量和轉(zhuǎn)向車流量；

12、基于所述視頻監(jiān)控圖像中的所述車流量檢測區(qū)域，對所述單向直行車道對應(yīng)的每一車輛標識框進行車輛追蹤，確定所述單向直行車道中的第二直行車流量；

13、基于所述第一直行車流量和所述第二直行車流量進行求和，確定所述目標路段的直行車流量，其中，所述目標車流量包括：所述直行車流量和所述轉(zhuǎn)向車流量。

14、本技術(shù)在一較佳示例中可以進一步配置為：所述基于所述視頻監(jiān)控圖像中的所述車流量檢測區(qū)域，對所述多向車道對應(yīng)的每一車輛標識框進行車輛追蹤，確定所述多向車道中的第一直行車流量和轉(zhuǎn)向車流量，包括：

15、基于所述視頻監(jiān)控圖像中的所述車流量檢測區(qū)域，對所述多向車道對應(yīng)的每一所述車輛標識框進行車輛追蹤，確定每一所述車輛標識框?qū)?yīng)的旋轉(zhuǎn)方向角度集合；

16、基于每一所述車輛標識框?qū)?yīng)的所述旋轉(zhuǎn)方向角度集合，確定所述多向車道中的所述第一直行車流量和所述轉(zhuǎn)向車流量。

17、本技術(shù)在一較佳示例中可以進一步配置為：所述基于所述目標路段中每一車道對應(yīng)的所述車道類別和所述視頻監(jiān)控圖像中的所述車流量檢測區(qū)域進行車流量檢測，確定所述目標路段的目標車流量之后，還包括：

18、利用車流量預(yù)測模型對所述目標路段進行車流量預(yù)測，得到所述目標路段對應(yīng)的預(yù)測車流量；

19、基于所述目標路段對應(yīng)的所述預(yù)測車流量和所述目標車流量進行車流量比對分析，確定比對分析結(jié)果；

20、當所述比對分析結(jié)果為正常時，則將所述目標路段的所述目標車流量作為訓(xùn)練數(shù)據(jù)集，利用所述訓(xùn)練數(shù)據(jù)集對所述車流量預(yù)測模型進行再訓(xùn)練，得到更新后的車流量預(yù)測模型。

21、本技術(shù)在一較佳示例中可以進一步配置為：所述基于所述目標路段對應(yīng)的所述預(yù)測車流量和所述目標車流量進行車流量比對分析，確定比對分析結(jié)果之后，還包括：

22、當所述比對分析結(jié)果為異常時，則利用定位聯(lián)動方式重新檢測所述目標路段的車流量，得到精準目標車流量，其中，所述定位聯(lián)動方式為通過車輛的定位系統(tǒng)來精準檢測車流量。

23、本技術(shù)在一較佳示例中可以進一步配置為：所述目標路段的所述車道特征的采集方法，包括：

24、當達到車道特征采集周期時，采集所述目標路段在交通低谷期的道路圖像，基于所述道路圖像進行特征提取，得到所述目標路段的當前車道特征；

25、獲取已存車道特征，基于所述當前車道特征和所述已存車道特征進行特征比較，當特征存在差異時，則利用所述當前車道特征更新所述已存車道特征，記為所述目標路段的所述車道特征。

26、第二方面，本技術(shù)提供一種車流量檢測裝置，采用如下的技術(shù)方案：

27、一種車流量檢測裝置，包括：

28、車道劃分模塊，用于獲取關(guān)鍵路段中目標路段的車道特征，基于所述車道特征進行車道劃分，確定關(guān)鍵路段中每一車道對應(yīng)的車道類別，其中，所述車道類別包括：單向直行車道和多向車道，所述目標路段為關(guān)鍵路段中任意一個分支馬路；

29、區(qū)域劃分模塊，用于獲取所述目標路段的視頻監(jiān)控圖像，基于所述視頻監(jiān)控圖像進行預(yù)處理，在所述視頻監(jiān)控圖像中框選出車流量檢測區(qū)域；

30、流量檢測模塊，用于基于所述目標路段中每一車道對應(yīng)的所述車道類別和所述視頻監(jiān)控圖像中的所述車流量檢測區(qū)域進行車流量檢測，確定所述目標路段的目標車流量；

31、流量匯總模塊，用于綜合所述關(guān)鍵路段中每一所述目標路段的所述目標車流量，得到所述關(guān)鍵路段的總車流量。

32、第三方面，本技術(shù)提供一種電子設(shè)備，采用如下的技術(shù)方案：

33、一種電子設(shè)備，包括至少一個處理器；存儲器；至少一個應(yīng)用程序，其中至少一個應(yīng)用程序被存儲在存儲器中并被配置為由至少一個處理器執(zhí)行，所述至少一個應(yīng)用程序配置用于：執(zhí)行上述的基于實時車流量的路徑導(dǎo)航方法。

34、第四方面，本技術(shù)提供一種計算機可讀存儲介質(zhì)，采用如下的技術(shù)方案：

35、一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，當所述計算機程序在計算機中執(zhí)行時，令所述計算機執(zhí)行上所述的基于實時車流量的路徑導(dǎo)航方法。

36、綜上所述，本技術(shù)包括以下至少一種有益技術(shù)效果：

37、1.基于車道特征進行車道劃分，確定關(guān)鍵路段中每一車道對應(yīng)的車道類別，與此同時，基于視頻監(jiān)控圖像進行預(yù)處理，在視頻監(jiān)控圖像中框選出車流量檢測區(qū)域，框選車流量檢測區(qū)域用于集中處理和分析真正與車流量相關(guān)的部分，不僅減少了誤檢和漏檢，提高了車流量檢測的準確性，還節(jié)省了電子設(shè)備的計算資源和存儲資源。然后，基于目標路段中每一車道對應(yīng)的車道類別和視頻監(jiān)控圖像中的車流量檢測區(qū)域進行車流量檢測，確定目標路段的目標車流量，在進行車流量檢測時，針對不同車道類別選取相適應(yīng)的車流量檢測方法，以提升目標車流量的精準性和車流量檢測效率。最終，綜合關(guān)鍵路段中每一目標路段的目標車流量，得到關(guān)鍵路段的總車流量。為了提升關(guān)鍵路段的車流量的準確性，針對關(guān)鍵路段中的每一目標路段進行車流檢測，得到目標路段的目標車流量，然后，再對目標車流量匯總，以得到關(guān)鍵路段的總車流量；

38、2.基于視頻監(jiān)控圖像中的車流量檢測區(qū)域進行車輛識別，標記出每一車輛對應(yīng)的車輛標識框。然后，基于視頻監(jiān)控圖像中的車流量檢測區(qū)域，對多向車道對應(yīng)的每一車輛標識框進行車輛追蹤，確定多向車道中的第一直行車流量和轉(zhuǎn)向車流量。與此同時，基于視頻監(jiān)控圖像中的車流量檢測區(qū)域，對單向直行車道對應(yīng)的每一車輛標識框進行車輛追蹤，確定單向直行車道中的第二直行車流量。最終，基于第一直行車流量和第二直行車流量進行求和，確定目標路段的直行車流量。在進行車流量檢測時，針對不同車道類別選取相適應(yīng)的車流量檢測方法，以提升目標車流量的精準性和車流量檢測效率。