本發(fā)明涉及交通監(jiān)測(cè)，具體涉及一種基于可見(jiàn)光遙感技術(shù)的交通流量監(jiān)測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、隨著城市化持續(xù)發(fā)展，交通已成為城市化運(yùn)行中的關(guān)鍵因素。然而，道路容量和汽車使用量的不匹配加劇了交通擁堵，大大提高了道路交通的安全風(fēng)險(xiǎn)。針對(duì)該問(wèn)題，對(duì)交通流量進(jìn)行監(jiān)測(cè)成為了提升交通流量運(yùn)轉(zhuǎn)效率的重要手段。

2、目前，交通流量監(jiān)測(cè)已成為城市智能交通管理的重要組成部分。傳統(tǒng)的交通流量監(jiān)測(cè)方法如地磁感應(yīng)、微波雷達(dá)等存在安裝復(fù)雜、覆蓋范圍有限、易受環(huán)境影響等問(wèn)題。

3、現(xiàn)有技術(shù)中，提出了一種區(qū)域內(nèi)交通流量監(jiān)測(cè)方法，所述方法基于上一周期的交通流量監(jiān)測(cè)數(shù)據(jù)設(shè)定當(dāng)前周期流量的上限閾值和下限閾值，并將當(dāng)前周期的實(shí)時(shí)交通流量數(shù)據(jù)與所述上限閾值和下限閾值進(jìn)行比較，確定當(dāng)前交通流量正常或異常。一方面，該方法由于當(dāng)前周期閾值的設(shè)定會(huì)受上一周期交通流量監(jiān)測(cè)數(shù)據(jù)的影響，所以，閾值會(huì)隨時(shí)間周期而發(fā)生變化，進(jìn)一步可能會(huì)導(dǎo)致監(jiān)測(cè)結(jié)果不夠穩(wěn)定、不夠精確的問(wèn)題。二方面，該方法未充分考慮道路的長(zhǎng)寬、車道數(shù)、車輛的長(zhǎng)寬和車輛之間的間距等因素，使得監(jiān)測(cè)結(jié)果不夠精確。三方面，該方法僅研究了上一個(gè)周期和當(dāng)前周期的交通流量狀況，并未明顯判斷未來(lái)周期的交通流量的變化情況。

4、可見(jiàn)光遙感技術(shù)因其非接觸、遠(yuǎn)距離、高分辨率的特點(diǎn)，在交通流量監(jiān)測(cè)中具有廣闊的應(yīng)用前景。目前，對(duì)于交通流量監(jiān)測(cè)的研究工作并不多，尚無(wú)具體的基于可見(jiàn)光遙感技術(shù)的交通流量監(jiān)測(cè)方法。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供了一種基于可見(jiàn)光遙感技術(shù)的交通流量監(jiān)測(cè)方法及系統(tǒng)。

2、一方面，所述基于可見(jiàn)光遙感技術(shù)的交通流量監(jiān)測(cè)方法包括如下步驟：獲取待監(jiān)測(cè)區(qū)域的可見(jiàn)光遙感圖像；利用所述可見(jiàn)光遙感圖像，提取道路數(shù)據(jù)信息；根據(jù)所述道路數(shù)據(jù)信息，構(gòu)建用于交通流量監(jiān)測(cè)分析的楊氏指數(shù)模型；基于所述楊氏指數(shù)模型，設(shè)定交通流量綜合評(píng)估指數(shù)的判斷閾值區(qū)間；依據(jù)所述閾值區(qū)間，對(duì)所述交通流量綜合評(píng)估指數(shù)進(jìn)行指數(shù)判斷并獲得判斷結(jié)果；通過(guò)所述判斷結(jié)果，獲得交通流量的信息。本發(fā)明通過(guò)可見(jiàn)光遙感技術(shù)高效捕獲待監(jiān)測(cè)區(qū)域的清晰圖像，精準(zhǔn)提取道路網(wǎng)絡(luò)的關(guān)鍵數(shù)據(jù)信息，構(gòu)建具有創(chuàng)新性的楊氏指數(shù)模型，利用交通流量綜合評(píng)估指數(shù)對(duì)交通流量狀況及變化情況進(jìn)行判斷分析，提升了交通流量監(jiān)測(cè)的實(shí)時(shí)性與準(zhǔn)確性，還為交通管理與規(guī)劃提供了強(qiáng)有力的理論支持，有助于優(yōu)化資源配置，緩解交通擁堵，提升城市交通運(yùn)行效率與安全性。

3、可選地，所述獲取待監(jiān)測(cè)區(qū)域的可見(jiàn)光遙感圖像包括：獲取不同時(shí)刻待監(jiān)測(cè)區(qū)域的可見(jiàn)光遙感圖像，所述可見(jiàn)光遙感圖像包括交通流量大時(shí)的可見(jiàn)光遙感圖像；交通流量較大時(shí)的可見(jiàn)光遙感圖像；交通流量中等時(shí)的可見(jiàn)光遙感圖像；交通流量較小時(shí)的可見(jiàn)光遙感圖像；交通流量小時(shí)的可見(jiàn)光遙感圖像。本發(fā)明通過(guò)獲取不同時(shí)刻從高峰到低谷的全周期變化的交通流量，實(shí)現(xiàn)了交通流量全周期覆蓋的圖像采集，為交通流量監(jiān)測(cè)分析提供了豐富且細(xì)致的基礎(chǔ)支撐，使得后續(xù)的道路數(shù)據(jù)信息提取、楊氏指數(shù)模型構(gòu)建及交通流量綜合評(píng)估更加精確與可靠，不僅增強(qiáng)了監(jiān)測(cè)的時(shí)效性，還確保了監(jiān)測(cè)結(jié)果的全面性和準(zhǔn)確性，為城市交通管理與規(guī)劃決策提供了有力的數(shù)據(jù)支撐。

4、可選地，所述利用所述可見(jiàn)光遙感圖像，提取道路數(shù)據(jù)信息包括：利用所述可見(jiàn)光遙感圖像，進(jìn)行預(yù)處理后得到新的可見(jiàn)光遙感圖像；根據(jù)所述新的可見(jiàn)光遙感圖像，提取道路數(shù)據(jù)信息，所述道路數(shù)據(jù)信息包括：待監(jiān)測(cè)區(qū)域道路長(zhǎng)度l，待監(jiān)測(cè)區(qū)域道路寬度d，待監(jiān)測(cè)區(qū)域道路車輛數(shù)量k，待監(jiān)測(cè)區(qū)域相鄰車輛的車頭與車尾的間距di，待監(jiān)測(cè)區(qū)域車輛的長(zhǎng)度mi，待監(jiān)測(cè)區(qū)域車輛的寬度ni，待監(jiān)測(cè)區(qū)域的車道數(shù)目a。本發(fā)明通過(guò)對(duì)獲得的可見(jiàn)光遙感圖像進(jìn)行精心設(shè)計(jì)的預(yù)處理，有效提升了遙感圖像的質(zhì)量；所述預(yù)處理包括選取符合條件的待監(jiān)測(cè)區(qū)域、圖像處理等，所述圖像處理包括圖像去噪、增強(qiáng)對(duì)比度、校正幾何畸變等；經(jīng)過(guò)所述預(yù)處理可獲得符合條件的待監(jiān)測(cè)區(qū)域的高質(zhì)量圖像，這使得道路數(shù)據(jù)信息的提取工作更加精準(zhǔn)、高效地進(jìn)行，無(wú)論是道路邊界的界定、車道線的識(shí)別，還是車輛數(shù)量、長(zhǎng)寬、間距的監(jiān)測(cè)，都能達(dá)到更高的準(zhǔn)確率，從而實(shí)現(xiàn)對(duì)交通全面化、可靠化、精細(xì)化的管理。

5、可選地，所述根據(jù)所述道路數(shù)據(jù)信息，構(gòu)建用于交通流量監(jiān)測(cè)分析的楊氏指數(shù)模型包括：根據(jù)所述道路數(shù)據(jù)信息，構(gòu)建道路橫向擁堵指數(shù)模型；根據(jù)所述道路數(shù)據(jù)信息，構(gòu)建道路縱向擁堵指數(shù)模型；根據(jù)所述道路數(shù)據(jù)信息，構(gòu)建車輛空間分布指數(shù)模型；根據(jù)所述道路橫向擁堵指數(shù)模型、所述道路縱向擁堵指數(shù)模型和車輛空間分布指數(shù)模型構(gòu)建用于交通流量監(jiān)測(cè)分析的楊氏指數(shù)模型。所述道路橫向擁堵指數(shù)模型為：

6、

7、所述道路縱向擁堵指數(shù)模型為：

8、

9、所述車輛空間分布指數(shù)模型為：

10、

11、其中，p表示待監(jiān)測(cè)區(qū)域車輛的橫向分布指數(shù)，d表示待監(jiān)測(cè)區(qū)域道路的寬度，ni表示待監(jiān)測(cè)區(qū)域的第i輛車的寬度，q表示待監(jiān)測(cè)區(qū)域道路車輛的空間分布指數(shù)，k表示待監(jiān)測(cè)區(qū)域的車輛數(shù)量，di表示待監(jiān)測(cè)區(qū)域的第i-1輛車和第i輛車的車頭與車尾的間距，mi表示待監(jiān)測(cè)區(qū)域的第i輛車的長(zhǎng)度，a表示待監(jiān)測(cè)區(qū)域的車道數(shù)目，l表示待監(jiān)測(cè)區(qū)域道路長(zhǎng)度。本發(fā)明通過(guò)利用道路橫向擁堵指數(shù)模型、道路縱向擁堵指數(shù)模型以及車輛空間分布指數(shù)模型，構(gòu)建了用于交通流量監(jiān)測(cè)分析的楊氏指數(shù)模型，涵蓋了交通流量監(jiān)測(cè)分析中的多個(gè)關(guān)鍵維度，包括道路的橫向和縱向擁堵情況，以及車輛的空間分布情況，確保了楊氏指數(shù)模型的全面性和實(shí)用性，對(duì)于推動(dòng)交通管理智能化、提高城市交通運(yùn)行效率具有重要的指導(dǎo)作用。

12、可選地，所述楊氏指數(shù)模型為：

13、

14、其中，h(t)表示t時(shí)刻待監(jiān)測(cè)區(qū)域道路交通流量的綜合評(píng)估指數(shù)或楊氏指數(shù)，t0表示初始監(jiān)測(cè)的時(shí)間，ni表示待監(jiān)測(cè)區(qū)域的第i輛車在t時(shí)刻的寬度,di表示待監(jiān)測(cè)區(qū)域的第i-1輛車和第i輛車在t時(shí)刻的車頭與車尾的間距，k表示t時(shí)刻待監(jiān)測(cè)區(qū)域的車輛數(shù)量，a表示待監(jiān)測(cè)區(qū)域的車道數(shù)目，l表示待監(jiān)測(cè)區(qū)域道路長(zhǎng)度，d表示待監(jiān)測(cè)區(qū)域道路的寬度。本發(fā)明通過(guò)綜合考慮交通流量的影響參數(shù)，構(gòu)建了一個(gè)可以對(duì)交通流量進(jìn)行綜合評(píng)估的楊氏指數(shù)模型，僅通過(guò)在不同時(shí)刻條件下獲得的綜合評(píng)估指數(shù)就可以預(yù)測(cè)未來(lái)交通流量的變化趨勢(shì)，從而優(yōu)化信號(hào)燈配時(shí)、調(diào)整道路布局、規(guī)劃公共交通路線等，以緩解交通擁堵、提高道路通行能力。

15、可選地，所述基于所述楊氏指數(shù)模型，設(shè)定所述待監(jiān)測(cè)區(qū)域的指數(shù)判斷閾值區(qū)間包括：基于所述楊氏指數(shù)模型，設(shè)定所述待監(jiān)測(cè)區(qū)域的交通流量綜合評(píng)估指數(shù)判斷閾值區(qū)間為[0,0.2)；基于所述楊氏指數(shù)模型，設(shè)定所述待監(jiān)測(cè)區(qū)域的交通流量綜合評(píng)估指數(shù)判斷閾值區(qū)間為[0.2,0.4)；基于所述楊氏指數(shù)模型，設(shè)定所述待監(jiān)測(cè)區(qū)域的交通流量綜合評(píng)估指數(shù)判斷閾值區(qū)間為[0.4,0.6)；基于所述楊氏指數(shù)模型，設(shè)定所述待監(jiān)測(cè)區(qū)域的交通流量綜合評(píng)估指數(shù)判斷閾值區(qū)間為[0.6,0.8)；基于所述楊氏指數(shù)模型，設(shè)定所述待監(jiān)測(cè)區(qū)域的交通流量綜合評(píng)估指數(shù)判斷閾值區(qū)間為[0.8,1)。本發(fā)明通過(guò)楊氏指數(shù)模型，科學(xué)合理地設(shè)定了五個(gè)閾值區(qū)間，便于進(jìn)行不同時(shí)段、不同區(qū)域交通流量數(shù)據(jù)的比較與分析，促進(jìn)了交通流量數(shù)據(jù)的標(biāo)準(zhǔn)化和規(guī)范化處理，不僅增強(qiáng)了交通流量監(jiān)測(cè)的精準(zhǔn)性和有效性，還為交通擁堵預(yù)警、應(yīng)急響應(yīng)及日常交通管理決策提供了有力支持。

16、可選地，所述依據(jù)所述閾值區(qū)間，對(duì)所述交通流量綜合評(píng)估指數(shù)進(jìn)行指數(shù)判斷并獲得判斷結(jié)果包括：依據(jù)所述閾值區(qū)間，對(duì)不同時(shí)刻所述待監(jiān)測(cè)區(qū)域的交通流量綜合評(píng)估指數(shù)落入到所述閾值區(qū)間的情況進(jìn)行判斷并獲得判斷結(jié)果；依據(jù)所述閾值區(qū)間，對(duì)不同時(shí)刻待監(jiān)測(cè)區(qū)域的交通流量綜合評(píng)估指數(shù)的大小情況進(jìn)行判斷并獲得判斷結(jié)果。本發(fā)明通過(guò)設(shè)定閾值區(qū)間，實(shí)現(xiàn)了對(duì)不同時(shí)刻待監(jiān)測(cè)區(qū)域交通流量狀況的精確分類與量化評(píng)估。一方面，根據(jù)綜合評(píng)估指數(shù)是否落入特定閾值區(qū)間，快速判斷交通流量狀態(tài)，提供直觀的交通狀況概覽；另一方面，通過(guò)比較不同時(shí)刻綜合評(píng)估指數(shù)的大小，能夠進(jìn)一步分析交通流量的變化趨勢(shì)，如高峰時(shí)段、平峰時(shí)段、低峰時(shí)段的對(duì)比，為交通疏導(dǎo)、信號(hào)控制等措施的制定提供科學(xué)依據(jù)。

17、可選地，所述通過(guò)所述判斷結(jié)果，獲得交通流量的信息包括：所述通過(guò)所述判斷結(jié)果，獲得不同時(shí)刻交通流量的狀況信息；所述通過(guò)所述判斷結(jié)果，獲得不同時(shí)刻交通流量的變化情況信息，所述變化情況信息包括同一閾值區(qū)間交通流量的大小變化信息和不同閾值區(qū)間交通流量的狀況變化信息。本發(fā)明通過(guò)深入分析判斷結(jié)果，全面揭示了不同時(shí)刻交通流量的多維度信息。一方面，直接提取了交通流量的即時(shí)狀況信息，為公眾出行選擇和交通管理部門提供即時(shí)的路況參考。另一方面，深入挖掘了交通流量的動(dòng)態(tài)變化情況，包括在同一閾值區(qū)間內(nèi)流量的細(xì)微增減，以及跨越不同閾值區(qū)間時(shí)的狀態(tài)躍遷，這對(duì)于預(yù)測(cè)交通趨勢(shì)、優(yōu)化交通信號(hào)控制、制定應(yīng)急響應(yīng)計(jì)劃等至關(guān)重要。該方法增強(qiáng)了交通流量數(shù)據(jù)的實(shí)用性和價(jià)值，為城市交通管理的精細(xì)化、智能化提供了有力支持。

18、可選地，所述交通流量的狀況信息包括：當(dāng)所述待監(jiān)測(cè)區(qū)域的交通流量綜合評(píng)估指數(shù)落入到閾值區(qū)間[0,0.2)時(shí)，當(dāng)前時(shí)刻交通流量的狀況為低流量；當(dāng)所述待監(jiān)測(cè)區(qū)域的交通流量綜合評(píng)估指數(shù)落入到閾值區(qū)間[0.2,0.4)時(shí)，當(dāng)前時(shí)刻交通流量的狀況為較低流量；當(dāng)所述待監(jiān)測(cè)區(qū)域的交通流量綜合評(píng)估指數(shù)落入到閾值區(qū)間[0.4,0.6)時(shí)，當(dāng)前時(shí)刻交通流量的狀況為中等流量；當(dāng)所述待監(jiān)測(cè)區(qū)域的交通流量綜合評(píng)估指數(shù)落入到閾值區(qū)間[0.6,0.8)時(shí)，當(dāng)前時(shí)刻交通流量的狀況為較高流量；當(dāng)所述待監(jiān)測(cè)區(qū)域的交通流量綜合評(píng)估指數(shù)落入到閾值區(qū)間[0.8,1)時(shí)，當(dāng)前時(shí)刻交通流量的狀況為高流量。本發(fā)明通過(guò)將交通流量綜合評(píng)估指數(shù)的閾值區(qū)間與交通流量的狀況信息相結(jié)合，構(gòu)建了一個(gè)全面且動(dòng)態(tài)的交通流量監(jiān)測(cè)與分析體系，所述體系通過(guò)明確的閾值區(qū)間界定了交通流量的不同狀態(tài)，實(shí)現(xiàn)了對(duì)所述狀況信息的實(shí)時(shí)捕捉與反饋，還能根據(jù)閾值區(qū)間的變化準(zhǔn)確判斷交通流量的變化趨勢(shì)，也為公眾提供了直觀、準(zhǔn)確的出行參考，有助于緩解交通擁堵、優(yōu)化資源配置、提高交通運(yùn)行效率。

19、第二方面，本發(fā)明所提供的一種基于可見(jiàn)光遙感技術(shù)的交通流量監(jiān)測(cè)系統(tǒng)包括掃描設(shè)備、處理器、輸出設(shè)備、存儲(chǔ)器，所述掃描設(shè)備、處理器、輸出設(shè)備、存儲(chǔ)器相互連接，其中，所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序，所述計(jì)算機(jī)程序包括程序指令，所述處理器被配置用于調(diào)用所述程序指令，所述系統(tǒng)使用所述的基于可見(jiàn)光遙感技術(shù)的交通流量監(jiān)測(cè)方法。本發(fā)明所提供的基于可見(jiàn)光遙感技術(shù)的交通流量監(jiān)測(cè)系統(tǒng)，集成度高，信息傳遞順暢，通過(guò)高質(zhì)量遙感設(shè)備實(shí)時(shí)捕捉道路畫(huà)面，利用圖像處理與模式識(shí)別技術(shù)精準(zhǔn)提取道路信息并進(jìn)行運(yùn)算分析，提升了交通流量數(shù)據(jù)的采集效率與準(zhǔn)確性，大幅增強(qiáng)了交通狀況的實(shí)時(shí)感知能力，實(shí)現(xiàn)了對(duì)交通流量的全面化、動(dòng)態(tài)化的監(jiān)測(cè)；通過(guò)可視化展示與數(shù)據(jù)分析，能迅速掌握路況變化，科學(xué)制定交通調(diào)控策略，有效緩解交通擁堵，提升道路通行效率，也為公眾出行提供了便捷的信息服務(wù)，促進(jìn)了城市交通的智能化、精細(xì)化管理。