一種基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分析方法
【專利摘要】本發(fā)明一種基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分析方法，包括視頻監(jiān)控模塊、交通流監(jiān)控模塊以及數(shù)據(jù)分析模塊，所述的視頻監(jiān)控模塊和交通流監(jiān)控模塊同時(shí)監(jiān)控交通狀況，由數(shù)據(jù)分析模塊分別對檢測結(jié)果分析配比確定交通事件是否發(fā)生，并計(jì)算事件的參數(shù)，調(diào)用合適監(jiān)控點(diǎn)進(jìn)行反饋。通過上述，本發(fā)明的基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分析方法，是針對視頻檢測的優(yōu)化和發(fā)展，利用兩種檢測方式對同一類型參數(shù)進(jìn)行交叉檢測；分析交叉檢測結(jié)果修正天氣、故障影響和確定兩種方法的占比；進(jìn)行互相校準(zhǔn)，形成當(dāng)前時(shí)刻交通事件的模型，計(jì)算得出交通事件的類型、位置、發(fā)生時(shí)刻，并提出模型構(gòu)架，為交通管理和控制提出可靠依據(jù)。
【專利說明】
一種基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分析方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及交通技術(shù)的領(lǐng)域，尤其涉及一種基于交通數(shù)據(jù)的交通事件監(jiān)測模型的 分析方法。
【背景技術(shù)】
[0002] 傳統(tǒng)的交通流檢測器沒能發(fā)揮功效;視頻檢測有自身的局限性受到天氣的影響較 大;無法解決多種檢測方式并存時(shí)，如何互相校準(zhǔn)。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明主要解決的技術(shù)問題是提供一種基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分 析方法，是針對視頻檢測的優(yōu)化和發(fā)展，利用兩種檢測方式對同一類型參數(shù)進(jìn)行交叉檢測； 分析交叉檢測結(jié)果修正天氣、故障影響和確定兩種方法的占比；進(jìn)行互相校準(zhǔn)，形成當(dāng)前時(shí) 刻交通事件的模型，計(jì)算得出交通事件的類型、位置、發(fā)生時(shí)刻，并提出模型構(gòu)架，為交通管 理和控制提出可靠依據(jù)。
[0004] 為解決上述技術(shù)問題，本發(fā)明采用的一個(gè)技術(shù)方案是：提供了一種基于交通數(shù)據(jù) 的交通事件監(jiān)測模型的分析方法，包括視頻監(jiān)控模塊、交通流監(jiān)控模塊以及數(shù)據(jù)分析模塊， 所述的視頻監(jiān)控模塊和交通流監(jiān)控模塊同時(shí)監(jiān)控交通狀況，由數(shù)據(jù)分析模塊分別對檢測結(jié) 果分析配比確定交通事件是否發(fā)生，并計(jì)算事件的參數(shù)，調(diào)用合適監(jiān)控點(diǎn)進(jìn)行反饋。
[0005] 在本發(fā)明一個(gè)較佳實(shí)施例中，所述的視頻監(jiān)控模塊監(jiān)控的交通狀況包括單車道流 量、單車道平均車速、視頻和相片。
[0006] 在本發(fā)明一個(gè)較佳實(shí)施例中，所述的交通流監(jiān)控模塊監(jiān)控的交通狀況包括車道占 有率、平均車速和總流量。
[0007] 在本發(fā)明一個(gè)較佳實(shí)施例中，所述的視頻監(jiān)控模塊的視頻檢測技術(shù)是基于視頻圖 像分析和計(jì)算機(jī)視覺技術(shù)對路面運(yùn)動(dòng)目標(biāo)進(jìn)行檢測分析的視頻處理技術(shù)，能實(shí)時(shí)采集和分 析輸入的交通圖像，通過判斷圖像中特定的一個(gè)或者多個(gè)檢測區(qū)域內(nèi)的運(yùn)動(dòng)目標(biāo)，獲取所 需的交通事件?目息。
[0008] 在本發(fā)明一個(gè)較佳實(shí)施例中，所述的交通流監(jiān)控模塊是以交通流模型，交通波傳 遞模型為基礎(chǔ)，輸入交通流檢測器采集的平均車速、車道占有率、車流量數(shù)據(jù)分析目標(biāo)時(shí)間 內(nèi)交通流評價(jià)狀況和交通波的傳遞情況綜合判定是否發(fā)生異常事件。
[0009] 本發(fā)明的有益效果是:本發(fā)明的一種基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分析方 法，是針對視頻檢測的優(yōu)化和發(fā)展，利用兩種檢測方式對同一類型參數(shù)進(jìn)行交叉檢測;分析 交叉檢測結(jié)果修正天氣、故障影響和確定兩種方法的占比；進(jìn)行互相校準(zhǔn)，形成當(dāng)前時(shí)刻交 通事件的模型，計(jì)算得出交通事件的類型、位置、發(fā)生時(shí)刻，并提出模型構(gòu)架，為交通管理和 控制提出可靠依據(jù)。
【附圖說明】
[0010] 為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對實(shí)施例描述中所需要使 用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于 本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其它 的附圖，其中： 圖1是本發(fā)明基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分析方法的結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0011] 下面將對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施 例僅是本發(fā)明的一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通 技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范 圍。
[0012]如圖1所示，本發(fā)明實(shí)施例包括： 一種基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分析方法，包括視頻監(jiān)控模塊、交通流監(jiān)控 模塊以及數(shù)據(jù)分析模塊，所述的視頻監(jiān)控模塊和交通流監(jiān)控模塊同時(shí)監(jiān)控交通狀況，由數(shù) 據(jù)分析模塊分別對檢測結(jié)果分析配比確定交通事件是否發(fā)生，并計(jì)算事件的參數(shù)，調(diào)用合 適監(jiān)控點(diǎn)進(jìn)行反饋。
[0013] 視頻監(jiān)控模塊用于路網(wǎng)內(nèi)視頻設(shè)備數(shù)據(jù)采集以及存儲(chǔ);交通流監(jiān)控模塊采用本發(fā) 明的分析方法，對視頻數(shù)據(jù)和交通流數(shù)據(jù)分別獨(dú)立檢測交通事件;利用兩種檢測方式對同 一類型參數(shù)進(jìn)行交叉檢測;分析交叉檢測結(jié)果修正天氣、故障影響和確定兩種方法的占比； 進(jìn)行互相校準(zhǔn)，形成當(dāng)前時(shí)刻交通事件的模型，計(jì)算得出交通事件的類型、位置、發(fā)生時(shí)刻。
[0014] 上述中，所述的視頻監(jiān)控模塊監(jiān)控的交通狀況包括單車道流量、單車道平均車速、 視頻和相片;所述的交通流監(jiān)控模塊監(jiān)控的交通狀況包括車道占有率、平均車速和總流量。
[0015] 交通流的參數(shù)描述：以監(jiān)控車速為狀態(tài)變量，流量和占有率為控制變量來描述交 通狀況。當(dāng)發(fā)生交通事件時(shí)，若該事件影響足以影響交通通行，則會(huì)引起交通流尺度的變化 量，根據(jù)交通流模型，可以還原實(shí)際道路狀況情況。
[0016] 交通流變化:在不同的交通狀況下，反映的交通流參數(shù)有特定的特征。在交通流占 有率Μ小于飽和交通流占有率I時(shí)，交通流量q隨占有率增加而增加；當(dāng)占有率k達(dá)到kj寸， 隨占有率k增加，車速u、流量q減少，表現(xiàn)為道路通行能力下降。交通占有率越小，車輛行駛 時(shí)相互影響也就越小，車速也就越高，表現(xiàn)為線性關(guān)系。在未飽和交通流條件下，車速越快， 流量就越大;在臨界車速(最佳車速):??時(shí)，通行能力最大；當(dāng)交通流飽和后，行駛車速反而 要下降。
[0017] 交通事件影響的傳遞:交通事件的影響總是以波的形式向外擴(kuò)散，不考慮車輛的 差異性情況下，假定車隊(duì)中車輛的加速度特性一致，即前車和后車的速度從馬變化到巧期 間行駛的距離相同屬:?為事故波傳遞給下一輛車所用距離，為事故波波速。
[0018] 視頻檢測:視頻檢測技術(shù)是一種基于視頻圖像分析和計(jì)算機(jī)視覺技術(shù)對路面運(yùn)動(dòng) 目標(biāo)進(jìn)行檢測分析的視頻處理技術(shù)。它能實(shí)時(shí)采集和分析輸入的交通圖像，通過判斷圖像 中特定的一個(gè)或者多個(gè)檢測區(qū)域內(nèi)的運(yùn)動(dòng)目標(biāo)，獲取所需的交通事件信息。
[0019] 視頻檢測原理:視頻檢測系統(tǒng)的工作原理是通過視頻攝像機(jī)和計(jì)算機(jī)模擬人眼視 覺功能，通過分析攝像機(jī)拍攝的道路交通視頻，在視頻范圍內(nèi)劃定虛擬區(qū)域，運(yùn)動(dòng)物體進(jìn) 入檢測區(qū)域?qū)е卤尘盎叶劝l(fā)生變化，從而感知運(yùn)動(dòng)目標(biāo)的存在，實(shí)現(xiàn)對車輛、行人等交通目 標(biāo)的運(yùn)動(dòng)進(jìn)行跟蹤、定位、識(shí)別和檢測，并對跟蹤和識(shí)別的交通目標(biāo)的交通行為進(jìn)行檢測分 析和判斷，完成各類交通事件信息的分析和采集。
[0020] 視頻事件檢測特點(diǎn):對相機(jī)視野內(nèi)的視頻、照片數(shù)據(jù)進(jìn)行精準(zhǔn)分析。根據(jù)相應(yīng)算法 可以甄別包括行人事件、煙霧事件、拋灑物事件、低速事件、擁堵事件等不同類型的交通事 件。從事件發(fā)生到設(shè)備反應(yīng)需要的時(shí)間短，有效的事件分類有利于第一時(shí)間采取應(yīng)對。但受 限于硬件設(shè)備，視頻檢測對光源的要求較高，天氣變化和時(shí)間變化均會(huì)對檢測效果產(chǎn)生較 大影響。由于天氣因素變化快，影響大，單獨(dú)采用視頻檢測方式的有效檢測覆蓋時(shí)間十分有 限而且沒有固定規(guī)律。
[0021 ]交通流檢測:交通流檢測是以交通流模型，交通波傳遞模型為基礎(chǔ)，輸入交通流檢 測器采集的平均車速、車道占有率、車流量數(shù)據(jù)分析目標(biāo)時(shí)間內(nèi)交通流評價(jià)狀況和交通波 的傳遞情況綜合判定是否發(fā)生異常事件。
[0022] 交通流檢測原理:事故發(fā)生時(shí)，交通流特征為交通流占有率k達(dá)到隨占有率k 增加，車速u、流量q減少，表現(xiàn)為道路通行能力下降；道路擁堵時(shí)，交通流特征為車速小于 (最佳車速，交通流占有率k達(dá)到根據(jù)交通流模型可以判斷當(dāng)前交通流狀況、是否存 在交通事件影響。當(dāng)交通事件發(fā)生時(shí)，由于交通車流在大尺度上具有連續(xù)性，事故的影響會(huì) 以波的形式擴(kuò)散，體現(xiàn)為交通流參數(shù)的突變，且突變發(fā)生符合交通波傳遞模型；由于車流具 有單向流動(dòng)性，事故上游下游的檢測數(shù)據(jù)有明顯差異。由此可以判定事故發(fā)生點(diǎn)的范圍。由 于交通波傳遞時(shí)具有固定的波速，根據(jù)檢測器數(shù)據(jù)可倒推事故發(fā)生并產(chǎn)生影響的時(shí)刻、影 響范圍和持續(xù)時(shí)間。
[0023] 交通流事件檢測特點(diǎn)：總體水平上把握交通狀況，可以準(zhǔn)確反饋交通事件發(fā)生時(shí)， 對整條路段的影響。反饋效果不受光線干擾。采集的數(shù)據(jù)具有全局特性，通過整個(gè)路網(wǎng)臨近 單元的校準(zhǔn)可以消除故障設(shè)備的推送數(shù)據(jù)對模型的影響，因此準(zhǔn)確度較高，可以認(rèn)作近似 還原實(shí)際交通狀況，作為檢測系統(tǒng)的校準(zhǔn)基礎(chǔ)。但由于采集的信息屬于車流尺度的信息，無 法精確辨識(shí)交通事件的類型也無法精確采集事故車輛信息，而且交通事件發(fā)生到檢測器檢 測到需要反應(yīng)時(shí)間。
[0024] 相關(guān)性檢驗(yàn)：由于視頻檢測分析隨著外界條件變化檢測效果差異很大，而且這種 差異不容易量化，因此視頻檢測的結(jié)果不能直接使用，如果僅以視頻檢測和交通流檢測等 權(quán)重或者某一固定配比考慮，檢測的效果將僅限于某一段適用范圍而不能應(yīng)對復(fù)雜的天氣 狀況變化和設(shè)備誤差帶來的影響，因此需要進(jìn)行事件檢測準(zhǔn)確度分析和權(quán)重的動(dòng)態(tài)匹配。 為此我們用交通流狀況量化視頻檢測的精確程度，以視頻檢測的單車道交通流數(shù)據(jù)和交通 流檢測的總體交通流的數(shù)據(jù)做相關(guān)性分析得出動(dòng)態(tài)加權(quán)配比，相聯(lián)立得出交通事件的檢測 模型。
[0025] 同一檢測單元內(nèi)的相關(guān)性檢驗(yàn):將量化后的不同檢測方式采集的事件信息，利用 統(tǒng)計(jì)學(xué)中方法做相關(guān)性分析，相關(guān)系數(shù)為變量建立函數(shù)計(jì)算事件檢測中視頻分析的占比。
[0026] 例如：以Spearman系數(shù)方法做相關(guān)性分析，單車道的交通流(P)，總體交通流(Q)
以匕為參數(shù)確定兩種檢驗(yàn)方法的權(quán)重，聯(lián)立得檢測區(qū)域的事件檢測模型：
相鄰檢測單元的互相校準(zhǔn)：由于檢測設(shè)備的故障或者人為損壞會(huì)導(dǎo)致系統(tǒng)接收數(shù)據(jù)的 不準(zhǔn)確，本方法中采用數(shù)據(jù)分析方法對上下游檢測單元的推送數(shù)據(jù)進(jìn)行相關(guān)度分析，當(dāng)數(shù) 據(jù)與上游相關(guān)度和下游相關(guān)度不符合交通流傳播模型，且離散程度超過一定程度即可判斷 設(shè)備故障，對該設(shè)備的推送數(shù)據(jù)平均化處理或棄用。
[0027] 分析流程:視頻數(shù)據(jù)和交通流數(shù)據(jù)分別獨(dú)立檢測交通事件;利用兩種檢測方式對 共同采集的交通流數(shù)據(jù)進(jìn)行效果檢測;檢測結(jié)果修正天氣、設(shè)備故障影響和確定兩種方法 的占比;修正后關(guān)聯(lián)兩種來源的事件函數(shù)，形成當(dāng)前時(shí)刻交通事件的模型;如果存在交通事 件，計(jì)算得出交通事件的類型、位置、發(fā)生時(shí)刻;調(diào)用臨近視頻監(jiān)控到指定事故地點(diǎn)并示警、 記錄;利用視頻檢測的事件分類功能判定事件類型，并選定相應(yīng)的應(yīng)對策略。
[0028] 綜上所述，本發(fā)明的一種基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分析方法，是針對 視頻檢測的優(yōu)化和發(fā)展，利用兩種檢測方式對同一類型參數(shù)進(jìn)行交叉檢測；分析交叉檢測 結(jié)果修正天氣、故障影響和確定兩種方法的占比;進(jìn)行互相校準(zhǔn)，形成當(dāng)前時(shí)刻交通事件的 模型，計(jì)算得出交通事件的類型、位置、發(fā)生時(shí)刻，并提出模型構(gòu)架，為交通管理和控制提出 可靠依據(jù)。
[0029] 以上所述僅為本發(fā)明的實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā) 明說明書內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其它相關(guān)的技術(shù)領(lǐng) 域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分析方法，其特征在于，包括視頻監(jiān)控模 塊、交通流監(jiān)控模塊以及數(shù)據(jù)分析模塊，所述的視頻監(jiān)控模塊和交通流監(jiān)控模塊同時(shí)監(jiān)控 交通狀況，由數(shù)據(jù)分析模塊分別對檢測結(jié)果分析配比確定交通事件是否發(fā)生，并計(jì)算事件 的參數(shù)，調(diào)用合適監(jiān)控點(diǎn)進(jìn)行反饋。2. 根據(jù)權(quán)利要求1所述的基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分析方法，其特征在于， 所述的視頻監(jiān)控模塊監(jiān)控的交通狀況包括單車道流量、單車道平均車速、視頻和相片。3. 根據(jù)權(quán)利要求1所述的基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分析方法，其特征在于， 所述的交通流監(jiān)控模塊監(jiān)控的交通狀況包括車道占有率、平均車速和總流量。4. 根據(jù)權(quán)利要求1所述的基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分析方法，其特征在于， 所述的視頻監(jiān)控模塊的視頻檢測技術(shù)是基于視頻圖像分析和計(jì)算機(jī)視覺技術(shù)對路面運(yùn)動(dòng) 目標(biāo)進(jìn)行檢測分析的視頻處理技術(shù)，能實(shí)時(shí)采集和分析輸入的交通圖像，通過判斷圖像中 特定的一個(gè)或者多個(gè)檢測區(qū)域內(nèi)的運(yùn)動(dòng)目標(biāo)，獲取所需的交通事件信息。5. 根據(jù)權(quán)利要求1所述的基于交通數(shù)據(jù)的交通事件監(jiān)測模型的分析方法，其特征在于， 所述的交通流監(jiān)控模塊是以交通流模型，交通波傳遞模型為基礎(chǔ)，輸入交通流檢測器采集 的平均車速、車道占有率、車流量數(shù)據(jù)分析目標(biāo)時(shí)間內(nèi)交通流評價(jià)狀況和交通波的傳遞情 況綜合判定是否發(fā)生異常事件。
【文檔編號(hào)】G08G1/01GK105976616SQ201610605288
【公開日】2016年9月28日
【申請日】2016年7月29日
【發(fā)明人】林玉峰
【申請人】林玉峰