車載單體道路交通狀態(tài)判別裝置與方法
【專利摘要】本發(fā)明公開了一種車載單體道路交通狀態(tài)判別裝置，盒體中設(shè)置有交通GIS模塊、視頻交通流采集模塊、視頻交通流分析處理模塊、交通狀態(tài)判別模糊推理模塊和數(shù)據(jù)庫系統(tǒng)模塊；視頻交通流采集模塊采集前方與左右側(cè)前方交通流視頻數(shù)據(jù)，并傳輸至視頻交通流分析處理模塊；視頻交通流分析處理模塊，分析視頻交通流采集模塊輸出的視頻數(shù)據(jù)，通過視頻圖像處理算法，分析得到相應(yīng)交通流參數(shù)；交通狀態(tài)判別模糊推理模塊，根據(jù)交通流及路網(wǎng)參數(shù)，建立交通狀態(tài)判別規(guī)則庫，確定推理機制；交通GIS模塊，實現(xiàn)功能包括出行者出行路線的規(guī)劃、存儲道路物理參數(shù)和實時道路交通狀態(tài)顯示；數(shù)據(jù)庫系統(tǒng)模塊主要存儲路網(wǎng)歷史交通流參數(shù)及交通狀態(tài)值。本發(fā)明還公開了利用該裝置的方法。
【專利說明】車載單體道路交通狀態(tài)判別裝置與方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于交通運輸工程技術(shù)，特別涉及道路交通狀態(tài)判別與預(yù)測技術(shù)，車載導(dǎo)航交通信息誘導(dǎo)技術(shù)，尤其是一種車載單體道路交通狀態(tài)判別裝置與方法。

【背景技術(shù)】
[0002]隨著我國社會經(jīng)濟的快速發(fā)展，人均生活水平大幅提高，人均小汽車保有量逐年增加，有限的道路資源難以滿足日益增長的交通出行需求，交通擁堵增加了人們的出行成本，出行前或出行中實時獲得路網(wǎng)的交通狀態(tài)，進而動態(tài)選擇最佳出行路線，成為出行者縮短出行時間，降低出行成本的有力措施。
[0003]中國發(fā)明專利申請?zhí)枮镃N201110069317公開了一種基于全景計算機視覺的道路交通狀態(tài)檢測裝置，包括安裝在路網(wǎng)上各個道路中的各個測量點的攝像裝置、用于根據(jù)攝像裝置的全景視頻數(shù)據(jù)進行評價道路交通狀態(tài)的微處理器。
[0004]中國發(fā)明專利申請?zhí)枮镃N201210507080.0公開了一種基于斷面檢測器的城市道路交通狀態(tài)判別方法，提出的交通狀態(tài)判別方法包括信息發(fā)布間隔內(nèi)斷面交通流數(shù)據(jù)獲取的步驟交通流參數(shù)平滑的步驟、速度擁堵指數(shù)和占有率擁堵指數(shù)計算的步驟、臨界速度擁堵指數(shù)計算的步驟、交通擁堵指數(shù)計算的步驟、路段交通狀態(tài)判別的步驟。
[0005]中國發(fā)明專利申請?zhí)枮镃N201110429673.5公開了一種基于FCM的區(qū)域路網(wǎng)的道路交通狀態(tài)判別方法，包括以下步驟:第一步，對路網(wǎng)空間單元分別選取交通狀態(tài)參數(shù)進行定量分析；第二步，采用模糊C均值聚類對空間單元的交通狀態(tài)參數(shù)軟劃分。
[0006]中國發(fā)明專利申請?zhí)枮镃N201210501712.2公開了一種限制區(qū)域道路交通擁堵費新型信息提示系統(tǒng)，包括城市交通基礎(chǔ)數(shù)據(jù)獲取系統(tǒng)、交通數(shù)據(jù)處理系統(tǒng)、道路交通狀態(tài)判別系統(tǒng)和道路交通狀態(tài)發(fā)布系統(tǒng)。
[0007]中國發(fā)明專利申請?zhí)枮镃N201410014820.6公開了一種車載終端及與之實時交互的智能交通管理裝置，通過公共信息獲取模塊獲取卡口子系統(tǒng)和電警子系統(tǒng)的實時交通信息，通過終端接口模塊獲取車載終端上傳的行車信息，經(jīng)過路況分析模塊分析出道路交通狀態(tài)，提供給車載終端顯示并據(jù)此進行行車路線規(guī)劃。
[0008]中國發(fā)明專利申請?zhí)枮镃N201210465041.9公開了一種城市道路交通狀態(tài)時空分析方法和系統(tǒng)，它以空間與時間自相關(guān)理論為基礎(chǔ)，運用數(shù)理統(tǒng)計基本理論，根據(jù)道路網(wǎng)絡(luò)上實時交通流數(shù)據(jù)，分析交通狀態(tài)的時空演化以及擁堵的產(chǎn)生、發(fā)展和消散過程。
[0009]中國發(fā)明專利申請?zhí)枮镃N201310008385.1公開了一種基于可信度驗證的城市道路交通狀態(tài)實時估計方法，將實時的多源交通數(shù)據(jù)分別估計交通狀態(tài)，根據(jù)最大似然法則及公式，從融合成的驗證表中得出驗證結(jié)果；計算實時驗證結(jié)果的可信度，用可信度進行互為驗證，獲得最終的實時交通狀態(tài)的估計結(jié)果。
[0010]中國發(fā)明專利申請?zhí)枮镃N201310301428.5公開了一種基于多用卡口的道路交通狀態(tài)分析系統(tǒng)及分析方法，根據(jù)裝有多用公路車輛智能監(jiān)測系統(tǒng)的道路對其上傳數(shù)據(jù)分析實現(xiàn)對道路狀態(tài)的判定，為交通態(tài)勢系統(tǒng)提供以及LED誘導(dǎo)屏提供數(shù)據(jù)。
[0011]前述專利申請的道路交通狀態(tài)判別技術(shù)主要基于“集中式”信息分析處理技術(shù)，即通過各種交通數(shù)據(jù)采集手段(如線圈、視頻、浮動車等)采集得到交通流數(shù)據(jù)，通過有線或無線通信技術(shù)，傳輸?shù)街醒胩幚硐到y(tǒng)，經(jīng)過分析判斷生成道路交通狀態(tài)，經(jīng)由各種方式(如網(wǎng)站、短信、LED顯示屏等)反饋給出行者，誘導(dǎo)出行者選擇出行路線。
[0012]當(dāng)前集中式道路交通狀態(tài)判別技術(shù)存在數(shù)據(jù)完備性差、數(shù)據(jù)處理復(fù)雜、狀態(tài)信息發(fā)布范圍受限、應(yīng)用不夠靈活、可信度差、受眾群體接受度差等缺點，嚴(yán)重影響了道路交通狀態(tài)判別技術(shù)的應(yīng)用效果。


【發(fā)明內(nèi)容】

[0013]本發(fā)明的目的是為克服上述現(xiàn)有技術(shù)的不足，提供一種車載單體道路交通狀態(tài)判別裝置與方法，實現(xiàn)道路交通狀態(tài)判別的單體體系，應(yīng)用更便捷、更友好。
[0014]為實現(xiàn)上述目的，本發(fā)明采用下述技術(shù)方案:
[0015]一種車載單體道路交通狀態(tài)判別裝置，包括一盒體，所述盒體中設(shè)置有交通GIS模塊、視頻交通流采集模塊、視頻交通流分析處理模塊、交通狀態(tài)判別模糊推理模塊和數(shù)據(jù)庫系統(tǒng)模塊，交通GIS模塊、視頻交通流采集模塊、視頻交通流分析處理模塊和交通狀態(tài)判別模糊推理模塊均與CPU相連；
[0016]視頻交通流采集模塊，安裝于盒體前部側(cè)面上，內(nèi)部通過數(shù)據(jù)線與視頻交通流分析處理模塊相連，視頻交通流采集模塊主要通過內(nèi)嵌攝像頭實現(xiàn)采集前方與側(cè)前方交通流視頻數(shù)據(jù)，并傳輸至視頻交通流分析處理模塊；
[0017]視頻交通流分析處理模塊，分析視頻交通流采集模塊輸出的視頻數(shù)據(jù)，通過視頻圖像處理算法，分析得到車道數(shù)據(jù)、交通流量、車牌數(shù)據(jù)、前車即時速度、側(cè)向車即時速度和自身車輛速度參數(shù)，分析后的數(shù)據(jù)發(fā)送至交通狀態(tài)判別模糊推理模塊，同時存儲至數(shù)據(jù)庫系統(tǒng)模塊或內(nèi)存中；
[0018]交通狀態(tài)判別模糊推理模塊，根據(jù)交通流及路網(wǎng)參數(shù)，建立交通狀態(tài)判別規(guī)則庫，確定推理機制，將視頻交通流分析處理模塊分析后的數(shù)據(jù)模糊化處理，輸入交通狀態(tài)模糊判別系統(tǒng)，進行模糊推理計算后，得到交通狀態(tài)值，并將交通狀態(tài)值分別輸送至交通GIS模塊和數(shù)據(jù)庫系統(tǒng)模塊中；
[0019]交通GIS模塊，鑲嵌在與視頻交通流采集模塊相對應(yīng)的側(cè)面上，其內(nèi)部與交通狀態(tài)判別模糊推理模塊相連，交通GIS模塊實現(xiàn)功能包括出行者出行路線的規(guī)劃、存儲道路物理參數(shù)和實時道路交通狀態(tài)顯示；
[0020]數(shù)據(jù)庫系統(tǒng)模塊主要存儲路網(wǎng)歷史交通流參數(shù)及交通狀態(tài)值，并能將路網(wǎng)歷史交通流參數(shù)反饋至視頻交通流分析處理模塊。
[0021]所述盒體的顯示面板上還設(shè)有與CPU相連的系統(tǒng)設(shè)置、啟動按鈕和停止按鈕。
[0022]所述盒體上還具有與CPU相連的數(shù)據(jù)傳輸接口，提供常用協(xié)議接口，可向交通管理部門的交通指揮控制中心定時傳輸位置及速度信息。
[0023]所述盒體上還設(shè)有與CPU相連的電源接口，用于向整個裝置供電。
[0024]利用上述車載單體道路交通狀態(tài)判別裝置的判別方法，包括:
[0025]步驟1:將所述裝置通過支架安裝或吸附在車內(nèi)，啟動后完成初始化；用戶通過菜單選擇是否顯示道路交通狀態(tài)，若選擇顯示道路交通狀態(tài)，則啟用GIS模塊，否則，只啟用視頻交通流采集模塊；
[0026]步驟2:在選擇顯示道路交通狀態(tài)的情況下，啟動視頻交通流采集模塊、視頻交通流分析處理模塊及交通狀態(tài)模糊推理模塊，設(shè)定道路交通狀態(tài)判別周期At，給出At1 =10秒、Δ t2 = 30秒、Δ t3 = 60秒與At4= 180秒多種選擇,或提供更新周期輸入編輯框，手動輸入相應(yīng)值，根據(jù)裝置處理器性能提供不同的等級選擇；
[0027]步驟3:視頻交通流分析處理模塊實時處理視頻交通流采集模塊采集的交通流視頻，基于圖像分割、目標(biāo)運動檢測和對象識別算法，提取前景圖像及背景圖像，分析計算運動車輛自身速度Vl1、車道、正前車輛速度V21、左側(cè)車道車輛速度V31、右側(cè)車道車輛速度V4i交通流參數(shù)，其中，i = 1，2，...，!!，η為采樣數(shù)據(jù)次數(shù)，并存儲到數(shù)據(jù)庫系統(tǒng)模塊或內(nèi)存中；
[0028]步驟4:根據(jù)設(shè)定的判別周期At，計算該時間段內(nèi)的速度平均值，包括自身速度

【權(quán)利要求】
1.一種車載單體道路交通狀態(tài)判別裝置，其特征是，包括一盒體，所述盒體中設(shè)置有交通Gis模塊、視頻交通流采集模塊、視頻交通流分析處理模塊、交通狀態(tài)判別模糊推理模塊和數(shù)據(jù)庫系統(tǒng)模塊，交通GIS模塊、視頻交通流采集模塊、視頻交通流分析處理模塊和交通狀態(tài)判別模糊推理模塊均與CPU相連； 視頻交通流采集模塊，安裝于盒體前部側(cè)面上，內(nèi)部通過數(shù)據(jù)線與視頻交通流分析處理模塊相連，視頻交通流采集模塊主要通過內(nèi)嵌攝像頭實現(xiàn)采集前方與側(cè)前方交通流視頻數(shù)據(jù)，并傳輸至視頻交通流分析處理模塊； 視頻交通流分析處理模塊，分析視頻交通流采集模塊輸出的視頻數(shù)據(jù)，通過視頻圖像處理算法，分析得到車道數(shù)據(jù)、交通流量、車牌數(shù)據(jù)、前車即時速度、側(cè)向車即時速度和自身車輛速度參數(shù)，分析后的數(shù)據(jù)發(fā)送至交通狀態(tài)判別模糊推理模塊，同時存儲至數(shù)據(jù)庫系統(tǒng)模塊或內(nèi)存中； 交通狀態(tài)判別模糊推理模塊，根據(jù)交通流及路網(wǎng)參數(shù)，建立交通狀態(tài)判別規(guī)則庫，確定推理機制；將視頻交通流分析處理模塊分析后的數(shù)據(jù)模糊化處理，輸入交通狀態(tài)模糊判別系統(tǒng)，進行模糊推理計算后，得到交通狀態(tài)值，并將交通狀態(tài)值分別輸送至交通GIS模塊和數(shù)據(jù)庫系統(tǒng)模塊中； 交通GIS模塊，鑲嵌在與視頻交通流采集模塊相對應(yīng)的側(cè)面上，其內(nèi)部與交通狀態(tài)判別模糊推理模塊相連，交通GIS模塊實現(xiàn)功能包括出行者出行路線的規(guī)劃、存儲道路物理參數(shù)和實時道路交通狀態(tài)顯示； 數(shù)據(jù)庫系統(tǒng)模塊，主要存儲路網(wǎng)歷史交通流參數(shù)及交通狀態(tài)值，并能將路網(wǎng)歷史交通流參數(shù)反饋至視頻交通流分析處理模塊。
2.如權(quán)利要求1所述的車載單體道路交通狀態(tài)判別裝置，其特征是，所述盒體的顯示面板上還設(shè)有與CPU相連的系統(tǒng)設(shè)置、啟動按鈕和停止按鈕； 所述盒體上還具有與CPU相連的數(shù)據(jù)傳輸接口，通過該數(shù)據(jù)傳輸接口能夠向交通管理部門的交通指揮控制中心定時傳輸位置及速度信息； 所述盒體上還設(shè)有與CPU相連的電源接口，用于向整個裝置供電。
3.一種利用權(quán)利要求1所述車載單體道路交通狀態(tài)判別裝置的判別方法，其特征是，包括: 步驟1:將裝所述裝置通過支架安裝或吸附在車內(nèi)，啟動后完成初始化；用戶通過菜單選擇是否顯示道路交通狀態(tài)，若選擇顯示道路交通狀態(tài)，則啟用GIS模塊，否則，只啟用視頻交通流采集模塊； 步驟2:在選擇顯示道路交通狀態(tài)的情況下，啟動視頻交通流采集模塊、視頻交通流分析處理模塊及交通狀態(tài)模糊推理模塊，設(shè)定道路交通狀態(tài)判別周期At，給出At1 = 10秒、Δ t2 = 30秒、Δ t3 = 60秒與At4= 180秒多種選擇,或提供更新周期輸入編輯框，手動輸入相應(yīng)值，根據(jù)裝置處理器性能提供不同的等級選擇； 步驟3:視頻交通流分析處理模塊實時處理視頻交通流采集模塊采集的交通流視頻，基于圖像分割、目標(biāo)運動檢測、對象識別等算法，提取前景圖像及背景圖像，分析計算運動車輛自身速度Vl1、車道、正前車輛速度V21、左側(cè)車道車輛速度V31、右側(cè)車道車輛速度V4i交通流參數(shù)，其中，i = 1，2，...，!!，η為采樣數(shù)據(jù)次數(shù)，并存儲到數(shù)據(jù)庫系統(tǒng)模塊或內(nèi)存中； 步驟4:根據(jù)設(shè)定的判別周期△ t，計算該時間段內(nèi)的速度平均值，包括自身速度平均值
、正前車速度平均值
、左側(cè)車道速度平均值
、右側(cè)車道速度平均值,
步驟5:設(shè)定步驟4中各個速度參數(shù)的模糊隸屬度函數(shù)，對實時得到的參數(shù)值進行模糊化處理，輸入交通狀態(tài)判別模糊推理模塊，進行模糊推理計算后，得到狀態(tài)判別輸出值，以數(shù)值I表示暢通，數(shù)值2表示緩行，數(shù)值3表示擁堵； 步驟6:在交通GIS模塊中，對路段進行屬性更新，實時顯示步驟5得到的交通狀態(tài)結(jié)果值，并以語音形式向駕駛員發(fā)出聲音提示；結(jié)合路網(wǎng)數(shù)據(jù)特征及歷史數(shù)據(jù)信息，優(yōu)化駕駛員出行路線，給出優(yōu)化的出行路線，供駕駛員選擇。
4.如權(quán)利要求3所述的判別方法，其特征是，步驟5中的各參數(shù)的隸屬度函數(shù)，包括車輛自身速度平均值隸屬度函數(shù)、正前車輛速度平均值隸屬度函數(shù)、左側(cè)車道速度平均值隸屬度函數(shù)、右側(cè)車道速度平均值隸屬度函數(shù)和輸出變量為道路交通狀態(tài)的隸屬度函數(shù)。
5.如權(quán)利要求4所述的判別方法，其特征是，車輛自身速度平均值隸屬度函數(shù):設(shè)車輛自身速度平均值I的語言變量為V1，其相應(yīng)模糊子集為&(/= 1，2，...，5)，論域為X，劃分為7個等級，即X = {I, 2，3，4，5，6，7}，模糊子集力V、的5個語言取值為模糊子集為{VS, S，Μ, L, VL}，其相應(yīng)隸屬度值如表1 ; l.、(^)表示各模糊子集值在等級X中對應(yīng)的隸屬度值，
6.如權(quán)利要求4所述的判別方法，其特征是，所述正前車輛速度平均值隸屬度函數(shù):設(shè)其語言變量為V2，其相應(yīng)模糊子集為€(/=1，2，…，5)，論域為Y，劃分為7個等級，即Y ={1，2，3，4，5，6，7}，模糊子集為%的5個語言取值為模糊子集為{VS，S，M，L, VL}，其相應(yīng)隸屬度值如表2 ； 表示各模糊子集值在等級Y中對應(yīng)的隸屬度值， 表2
7.如權(quán)利要求4所述的判別方法，其特征是，所述左側(cè)車道速度平均值隸屬度函數(shù):設(shè)其語言變量為V3，其相應(yīng)模糊子集為&(/= 1,2,- ,5)，論域為Ζ，劃分為7個等級，即Z ={I, 2，3，4，5，6，7}，模糊子集為%的5個語言取值為模糊子集為{VS，S，M, L, VL}，其相應(yīng)隸屬度值如表3 ； μ/}(-)表示各模糊子集值在等級Z中對應(yīng)的隸屬度值，
8.如權(quán)利要求4所述的判別方法，其特征是，右側(cè)車道速度平均值隸屬度函數(shù):設(shè)其語言變量為V4，其相應(yīng)模糊子集為巧(/=1，2，..5)論域為P，劃分為7個等級，即P ={1，2，3，4，5，6，7}，模糊子集為6的5個語言取值為模糊子集為{VS，S，M，L, VL}，其相應(yīng)隸屬度值如表4，^ (P)表示各模糊子集值在等級P中對應(yīng)的隸屬度值， 表4
9.如權(quán)利要求4所述的判別方法，其特征是，輸出變量為道路交通狀態(tài)，其隸屬度函數(shù):設(shè)其語言變量為0，其相應(yīng)模糊子集為0(/=U2，…，5)，論域為Q，劃分為7個等級，即Q={I, 2，3，4，5，6，7}，模糊子集為ζ.的5個語言取值為模糊子集為{VS，S，M, L, VL}，其相應(yīng)隸屬度值如表5 ； A/()(q)表示各模糊子集值在等級Q中對應(yīng)的隸屬度值，
10.如權(quán)利要求3所述的判別方法，其特征是，所述步驟5中的根據(jù)專家經(jīng)驗，建立交通狀態(tài)判別規(guī)則表，由于此模糊推理器為四維，無法建立表格形式，因此以模糊關(guān)系的形式表示如下，
【文檔編號】G08G1/0968GK104183150SQ201410404974
【公開日】2014年12月3日 申請日期:2014年8月15日 優(yōu)先權(quán)日:2014年8月15日
【發(fā)明者】張立東, 官麗坤, 劉建磊 申請人:山東交通學(xué)院