[发明专利]一种基于云边协同的高速公路交通流量计数方法

说明书

本发明提供一种基于云边协同的高速公路交通流量计数方法，涉及边缘计算技术领域。本方法中边缘计算设备负责采集高速公路交通流量音频样本，云服务器对交通流量音频进行预处理和特征提取，训练交通流量计数支持向量机模型，为避免资源浪费和任务等待时间过长，自适应调整计算资源，最后将高速公路交通流量计数模型更新到边缘计算设备上，由于边缘计算设备的存储空间和计算能力有限，边缘计算设备不能独立训练基于音频的高速公路交通流量计数模型，充分考虑了边缘计算设备的存储和计算能力，采用云边协同的方式缓解云服务器对于图像处理计算量的计算压力和网络传输带宽压力大的问题，有效解决了有限边缘计算能力下高速公路交通流量计数问题。

技术领域

本发明涉及边缘计算技术领域，尤其涉及一种基于云边协同的高速公路交通流量计数方法。

背景技术

近年来随着物联网技术的不断创新，智能交通系统也在不断发展和完善。智能交通被认为是一个涵盖路线优化、停车、路灯、交通流量、事故预防/检测、道路异常和基础设施应用的总括术语。当前智能交通系统中用于高速公路交通流量监测的常用技术为视频监测技术，该技术通过摄像头拍摄的视频，对高速公路上的车辆进行检测识别和跟踪，分析交通流量状态。但是使用视频检测的方法仍存在以下不足：

(1)摄像头受外界环境影响较大。摄像头在光照条件好时检测效果好，当光线较暗时，摄像头拍摄的视频可能会模糊，特别是出现遮挡和异常天气时，视频检测的效果大大降低甚至有时会导致检测失效，同时摄像头的拍摄范围有限。

(2)图像处理计算量大。摄像头拍摄的视频是一帧一帧图像组成，运用视频检测技术和图像处理技术对采集的数据进行分析，得到交通信息。计算机处理大量交通图片时，计算机的计算压力增大，而高性能的计算机和图像处理的硬件设备成本较大。

(3)网络传输带宽压力大。网络带宽的增长速度远不及数据的增长速度，信息采集设备将采集的交通信息不经过任何处理直接传送到服务器，由于信息采集的连续性，信息传送也是连续不断的，会导致网络信息传输的压力增大。

现在也存在一些通过音频分析交通流量状态的方法，通过车辆碰撞的声音检测交通异常是最直接的检测方法，但是事故地点距离采集音频的设备较远时，音频设备可能无法采集到碰撞声音从而判断失误。同时，由于每个采集高速公路交通流量音频样本的边缘计算设备所处的环境不同，每一个边缘计算设备需要训练单独的高速公路交通流量计数模型，但是由于边缘计算设备的存储空间和计算能力有限，不能在边缘计算设备上训练高速公路交通流量计数模型，所以前人方法中对于高速公路交通流量统计的效果并不理想。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，一种基于云边协同的高速公路交通流量计数方法，解决有限边缘计算能力下高速公路交通流量计数问题。

为解决上述技术问题，本发明所采取的技术方案是：

一种基于云边协同的高速公路交通流量计数方法，包括以下步骤：

步骤1：边缘计算设备采集高速公路交通流量音频样本，然后将音频样本传送到云服务器并存储在交通流量音频样本库中，每一个边缘计算设备生成自己的音频样本库；

步骤2：云服务器根据每个边缘计算设备的高速公路交通流量音频样本库，对音频信号进行预处理和特征提取，生成高速公路交通流量训练样本；

步骤2.1：对高速公路交通流量音频信号进行预处理；

步骤2.1.1：通过一阶数字滤波器对高速公路交通流量音频信号的高频部分进行预加重，让该段音频信号的频谱波动区间相对减小，如下公式所示：

H(z)＝1-αz^-1 (1)

y(t)＝x(t)-αx(t-1) (2)